Análisis comparativo de modelos frecuentistas, bayesianos y de aprendizaje automático para predecir la positividad de...

Área de la Ciencia:

• Epidemiología
• Bioestadística
• Aprendizaje automático

Sus antecedentes:

• La predicción precisa del estado de infección es crucial para el manejo de enfermedades como el SARS-CoV-2.
• Los métodos de diagnóstico tradicionales para el SARS-CoV-2 tienen limitaciones en sensibilidad y especificidad.
• Se están explorando modelos estadísticos y de aprendizaje automático avanzados para mejorar la predicción.

Objetivo del estudio:

• Evaluar el rendimiento predictivo de la regresión logística frecuentista, la regresión logística bayesiana y un clasificador random forest.
• Identificar los predictores clínicos y demográficos clave de la positividad de la PCR de SARS-CoV-2.
• Comparar la precisión discriminatoria de diferentes enfoques de modelado.

Principales métodos:

• Análisis de 950 participantes utilizando regresión logística frecuentista, regresión logística bayesiana y un clasificador random forest.
• Aplicación de la Técnica de Sobremuestreo de Minorías Sintéticas (SMOTE) para el desequilibrio de clases en el modelo random forest.
• Evaluación de predictores que incluyen el estado serológico de IgG, el historial de viajes, los síntomas, el sexo y la edad; rendimiento evaluado por AUC.

Principales resultados:

• El clasificador random forest logró el mayor rendimiento discriminatorio con un AUC de 0.947-0.963.
• La regresión logística frecuentista identificó los viajes internacionales, la pérdida del olfato y los viajes nacionales como predictores significativos.
• La edad y el sexo fueron significativos en el modelo random forest, lo que indica posibles efectos no lineales.

Conclusiones:

• El aprendizaje automático, específicamente el enfoque random forest, demostró una precisión predictiva superior en comparación con los modelos de regresión logística.
• La regresión bayesiana proporcionó estimaciones robustas y cuantificó la incertidumbre para predictores clave.
• Los datos de síntomas y exposición recopilados de forma rutinaria pueden facilitar la detección rápida y eficiente en recursos del SARS-CoV-2.