Consultoría Estadística

Especialización en Estadística Aplicada

Prof. Lida Rubiela Fonseca Gómez

Facultad de Ingeniería y Ciencias Básicas

20231
 Título
Estimación del riesgo cardiovascular aplicando técnicas de aprendizaje automático
en población entre 28 y 77 años

Objetivo
Diseñar un modelo predictivo con base en aprendizaje automático que pronostique el
riesgo de sufrir un evento cardiovascular en una población con edades comprendidas
entre los 28 y 77 años.
 Contexto

Las enfermedades cardiovasculares (ECV) son la principal causa mundial de

muerte con un saldo de aproximadamente 17,9 millones de decesos cada año,
esto representa, también aproximadamente, el 31 % de todas las muertes
globales. Asimismo, también se estima que cuatro de cada cinco muertes por
ECV son debidas a ataques cardíacos y accidentes cerebrovasculares (ACV), y
un tercio de estas muertes ocurren prematuramente en personas cuyas edades
son menores a los 70 años. Complementariamente, la insuficiencia cardíaca es
un evento común causado por ECV que clínicamente se sustenta en 11
características que pueden usarse para predecir una posible enfermedad
cardíaca.
 Información Disponible

El conjunto de datos de trabajo resultó de una combinación de cinco

conjuntos representados por 11 variables comunes. Se compilaron 1190
registros de los cuales 272 resultaron duplicados, consignándose finalmente
918 registros. Cada campo del conjunto de datos se describe a nivel de
atributos de información como: Edad del Paciente, Sexo del Paciente, Tipo
de Dolor de Pecho, Presión Arterial en Reposo, Colesterol Sérico, Glucemia
en Ayunas, Electrocardiograma en Reposo, Frecuencia Cardíaca Máxima,
Angina Inducida por Ejercicio, Depresión ST en Reposo, y Pendiente del
Segmento ST en Ejercicio Máximo.
 Información Disponible

Los datos están pendientes por procesar a nivel de estadística descriptiva.

Sin embargo, se espera describirlos multivariadamente para: hacer
estimaciones, verificar normalidad, visualizarlos, y graficarlos
multivariadamente, verificar su normalidad, seleccionar componentes, validar
calidad de representación, encontrar correspondencias simples y múltiples, y
lograr algún tipo de agrupación, lo anterior para obtener un modelo de
aprendizaje basado en reglas que sirva de referencia para el diseño del
modelo de aprendizaje automático.
 Necesidad Estadística del Proyecto

Mejorar la precisión de la evaluación del riesgo cardiaco, permitir el análisis de

grandes volúmenes de datos, personalizar el riesgo cardiaco, detectar
tempranamente señales de riesgo y mejorar la toma de decisiones clínicas.
Tiempo disponible Un trimestre
para la consultoría

Datos del Universidad Los Libertadores - Programa de

Especialización en Estadística Aplicada.
consultante

Datos de los Yasmil Ibargüen Asprilla

(yibarguena@libertadores.edu.co)
consultores
Giancarlo Libreros Londoño
(glibrerosl@libertadores.edu.co)

César A. Mazuera Quiceno

(camazueraq @libertadores.edu.co)