Comparación de modelos de regresión logística multinomial para la clasificación de tres grupos de hongos causantes de onicomicosis en pacientes de una clínica privada en Lima Metropolitana
Objetivo: Diseño, construcción y evaluación de modelos de regresión logística multinomial para la clasificación de grupos de hongos causantes de onicomicosis basada en factores clínicos, sociales y epidemiológicos. Materiales y métodos: Se analizaron los datos de 200 fichas clínicaepidemiológicas de...
Guardado en:
| Autores principales: | , |
|---|---|
| Otros Autores: | |
| Formato: | Monografía o trabajo académico |
| Lenguaje: | español |
| Publicado: |
Universidad Peruana Unión
2025
|
| Materias: | |
| Acceso en línea: | Enlace permanente (DOI o Handle) |
| Etiquetas: |
Sin Etiquetas, Sea el primero en etiquetar este registro!
|
| Sumario: | Objetivo: Diseño, construcción y evaluación de modelos de regresión logística multinomial para la clasificación de grupos de hongos causantes de onicomicosis basada en factores clínicos, sociales y epidemiológicos. Materiales y métodos: Se analizaron los datos de 200 fichas clínicaepidemiológicas de pacientes con reporte de resultado de cultivo positivo para hongos causante de onicomicosis en una clínica privada de Lima Metropolitana correspondientes a los años 2021 a 2023. Se identificaron 19 variables independientes relevantes para el estudio y de acuerdo a ello el tamaño de muestra mínima mediante la fórmula de Freeman (n=200) que garantiza la estabilidad y fiabilidad para los modeles de regresión logística multinomial. Los datos se procesaron en R Studio para la construcción y evaluación de los modelos. Resultados: El modelo empírico, con 14 variables, alcanzó una tasa de clasificación correcta del 73%. El modelo de correlación, que incluyó 14 variables, logró una clasificación correcta del 67%. En cambio, el
modelo reducido, con ocho variables, también presentó una tasa del 67%. Se identificaron a las variables sexo, edad, Índice de Masa Corporal, ocupación, tiempo de enfermedad, numero de uñas afectadas, uña de dedos, lesión, inflamación periungueal, grosor, coloración, tratamiento, tipo de tratamiento y tiempo de actividad deportiva como significativas ya que mejoran la precisión diagnóstica para las infecciones micóticas. Conclusiones: El modelo empírico fue el más efectivo para nuestro estudio mostrando una precisión de clasificación del 63.23% para dermatofitos, 80% para levaduras y 75% para no dermatofitos. optimizando el resultado diagnóstico laboratorial para onicomicosis. |
|---|