You can manage bookmarks using lists, please log in to your user account for this.
Media type:
E-Article
Title:
Modelos de regresión en R para predicción de peso al nacer y tipo de parto Regression models in R for predicting birth weight and type of delivery
Contributor:
Mejía Rodríguez, Carlos Alberto;
Rincón Pinzón, Miguel Alberto;
Vargas Ramos, Mónica Urbina;
Diaz Vergel, Deider Alfonso
Published:
Fundación de Estudios Superiores Comfanorte, 2023
Published in:
Mundo FESC, 13 (2023) 27
Language:
Not determined
DOI:
10.61799/2216-0388.1349
ISSN:
2216-0388;
2216-0353
Origination:
Footnote:
Description:
El propósito de esta investigación fue realizar un análisis estadístico predictivo de nacidos vivos en Guadalajara de Buga, Colombia, utilizando R. Se buscaba lograr una predicción acertada del peso al nacer en función de la longitud del feto, así como del tipo de parto basado en las semanas de gestación. La metodología incluyó la construcción de varios modelos de regresión, comenzando con una regresión lineal simple entre 'Peso' y 'Talla'. Posteriormente, se implementó una regresión multilínea para incorporar 'Tiempo de Gestación' como predictor adicional. Finalmente, se llevó a cabo una regresión logística para prever el tipo de parto según las semanas de gestación. Los resultados revelaron una correlación lineal positiva entre 'Talla' y 'Peso', indicando un modelo de regresión lineal viable. La ecuación resultante permitió pronosticar el aumento promedio de peso por cada centímetro adicional en 'Talla'. La regresión multilínea mostró un coeficiente de determinación del 62.8%, con 'Talla' y 'Tiempo de Gestación' como variables significativas. La regresión logística proporcionó información valiosa sobre cómo el 'Tiempo de Gestación' afecta la probabilidad de tener un parto por cesárea. La investigación estableció relaciones precisas entre las variables seleccionadas de nacimientos vivos, proporcionando valiosas herramientas predictivas a través de modelos de regresión y logísticos. Estos resultados tienen el potencial de impactar positivamente en la toma de decisiones clínicas y en la planificación obstétrica, contribuyendo significativamente a la mejora de la atención materno-neonatal.