Modelo de minería de datos para la predicción de casos de anemia en niños hasta los 12 meses de edad en la Municipalidad Distrital de Alto de la Alianza. Tacna-2024

Abstract

La presente investigación tuvo como objetivo desarrollar un Modelo de minería de datos para la predicción de casos de anemia en niños hasta los 12 meses de edad en la Municipalidad Distrital de Alto de la Alianza. Tacna-2024. La anemia infantil constituye un problema de salud pública prioritario en el Perú, cuya detección temprana resulta fundamental para implementar intervenciones oportunas. Para ello, se utilizaron 598 registros reales provenientes del sistema HIS-MINSA, los cuales incluyen variables nutricionales, biológicas, socioeconómicas y de acceso a servicios básicos. La investigación adoptó un enfoque cuantitativo, de nivel explicativo, con diseño experimental y metodología CRISP-DM para el desarrollo del proceso de minería de datos. Se aplicaron y compararon cuatro algoritmos predictivos: árbol de decisión, W-J48, regresión logística y red neuronal artificial, todos validados mediante técnica de validación cruzada. Los resultados demostraron que el modelo de red neuronal artificial alcanzó el mejor desempeño global, con una exactitud del 78,08 %, una precisión del 81,66 % y un recall del 93,22 %, lo que evidencia su efectividad para detectar la mayoría de casos reales de anemia. Asimismo, el modelo W-J48 logró un recall del 94,28 %, destacando por su alta sensibilidad. La regresión logística no solo alcanzó métricas aceptables, sino que permitió identificar variables significativas como el nivel de hemoglobina (HB2), el peso al nacer y el acceso a servicios básicos, los cuales se asociaron fuertemente con la presencia de anemia. Se concluye que el uso de técnicas de minería de datos representa una herramienta eficaz para la predicción de anemia infantil, y que su implementación en los centros de salud contribuiría a mejorar la vigilancia epidemiológica y la toma de decisiones preventivas.