Comportamiento de los factores de riesgo percibidos del cáncer de cuello uterino utilizando la técnica de regresión...

Área de la Ciencia:

• En el campo de la oncología
• Estadísticas biológicas
• El aprendizaje automático en el cuidado de la salud

Sus antecedentes:

• El cáncer de cuello uterino representa una carga significativa para la salud mundial, especialmente en las naciones de ingresos medios debido a los desafíos de detección.
• Los programas de detección ineficaces contribuyen a la alta incidencia de cáncer cervical en las poblaciones desatendidas.
• Los factores de riesgo conductuales juegan un papel crucial en el desarrollo y la progresión del cáncer cervical.

Objetivo del estudio:

• Para pronosticar la incidencia del cáncer cervical mediante el análisis de los factores de riesgo de comportamiento.
• Desarrollar y evaluar un modelo predictivo robusto para la detección temprana del cáncer de cuello uterino.
• Comparar el rendimiento de la regresión logística con otros algoritmos de aprendizaje automático para la predicción del cáncer cervical.

Principales métodos:

• Modelo de regresión logística aplicado para analizar los factores de riesgo de comportamiento.
• Análisis de componentes principales (PCA) utilizado para la ingeniería de características, reduciendo la dimensionalidad.
• Validación cruzada de pliegues K estratificada implementada para una representación equilibrada de las clases.
• Regularización L1 incorporada para mejorar el rendimiento del modelo de regresión logística.

Principales resultados:

• El análisis de componentes principales (PCA) condensó los datos en diez componentes, explicando el 89% de la variación.
• El modelo de regresión logística regularizado L1 logró métricas de alto rendimiento: 97.2% de precisión, 98.1% de AUC, 97.2% de puntuación F1, 96.1% de especificidad y 0.17 de pérdida de log.
• La regresión logística demostró una precisión superior (97,2%) en comparación con los árboles de decisión, el bosque aleatorio, XGBoost (todos 93,33%), Bayes ingenuo (91,67%) y la regresión logística no regularizada (87,55%).

Conclusiones:

• La predicción temprana del cáncer de cuello uterino utilizando factores de riesgo conductuales es crucial para mejorar los resultados.
• El estudio presenta un flujo de trabajo confiable e implementable para mejorar la precisión de la clasificación del cáncer cervical.
• La investigación futura debe centrarse en el perfeccionamiento de modelos predictivos para abordar las barreras sociales y de comportamiento en la prevención, especialmente en grupos vulnerables.