Modelo de clasificación del estado de vacunación infantil en el primer año de vida en la jurisdicción de una Dirección de Redes Integradas de Salud de Lima Metropolitana utilizando técnicas de Machine Learning

Vista sencilla de ítem
dc.contributor.advisorMamani Ticona, Wilfredo
dc.contributor.authorAlocen Tito, Claudia Vanessa
dc.contributor.authorDiaz Espiritu, Jorge Manuel
dc.contributor.authorPelaez Flores, Antonio Ruis
dc.coverage.spatialPerú
dc.coverage.spatialLima
dc.date.accessioned2026-02-11T21:40:41Z
dc.date.issued2025
dc.description.abstractLa cobertura de vacunación infantil en el Perú presenta importantes retos para el sistema de salud pública, especialmente en Lima Metropolitana, donde se presentan brechas significativas en el cumplimiento del esquema de inmunización en el primer año de vida. El presente trabajo de investigación tuvo como objetivo desarrollar un modelo de clasificación del estado de vacunación infantil en el primer año de vida en la jurisdicción de una Dirección de Redes Integradas de Salud de Lima Metropolitana utilizando técnicas de machine learning. Para ello, se emplearon datos provenientes de los sistemas HISMINSA y del Padrón Nominal, aplicando procesos de preprocesamiento, selección de características y entrenamiento de modelos supervisados tales como Logistic Regression, K-Nearest Neighbors (KNN), Decision Tree, Random Forest, AdaBoost, XGBoost y Bagging, incorporando el ajuste de hiperparámetros y validación cruzada para evaluar la estabilidad del modelo. Como resultado, el modelo XGBoost combinado con el conjunto de características obtenidas por LightGBM, alcanzó el mejor desempeño con un accuracy de 74%, precision de 75%, recall de 97%, F1-score de 85% y AUC de 66%. Este estudio aporta una base sólida para la integración de herramientas de analítica avanzada en la gestión de programas de inmunización y en la toma de decisiones.
dc.formatapplication/pdf
dc.identifier.urihttps://hdl.handle.net/20.500.12640/4908
dc.languageEspañol
dc.language.isospa
dc.publisherUniversidad ESAN
dc.publisher.countryPE
dc.rightshttps://purl.org/coar/access_right/c_abf2
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 Internationalen
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/
dc.subjectVacunación infantil
dc.subjectMachine Learning
dc.subjectClasificación
dc.subjectSalud pública
dc.subject.ocdehttps://purl.org/pe-repo/ocde/ford#2.11.04
dc.titleModelo de clasificación del estado de vacunación infantil en el primer año de vida en la jurisdicción de una Dirección de Redes Integradas de Salud de Lima Metropolitana utilizando técnicas de Machine Learning
dc.typehttps://purl.org/coar/resource_type/c_7a1f
dc.type.otherTrabajo de suficiencia profesional
local.acceso.esanAcceso abierto
renati.advisor.dni29470979
renati.advisor.orcidhttps://orcid.org/0000-0003-1489-9056
renati.author.dni06806657
renati.author.dni44947387
renati.author.dni48488815
renati.discipline612000936
renati.jurorVásquez Bresani, Eduardo Luis
renati.jurorCamargo Román, Mariela Isabel
renati.levelhttps://purl.org/pe-repo/renati/level#tituloProfesional
thesis.degree.disciplineIngeniería de Sistemas
thesis.degree.grantorUniversidad ESAN. Facultad de Ingeniería
thesis.degree.nameIngeniero(a) de Sistemas

Archivos

Bloque original

Mostrando 1 - 3 de 3
Miniatura
Nombre:
ING G23- VERSION DEFINITIVA TSP.pdf
Tamaño:
2.91 MB
Formato:
Adobe Portable Document Format
Descripción:
Texto completo
Descargar
Miniatura
Nombre:
ING G23- Formulario de Autorización de depósito en Repositorio Institucional_Pregrado.pdf
Tamaño:
376 KB
Formato:
Adobe Portable Document Format
Descripción:
Autorización (acceso restringido)
Descargar
Miniatura
Nombre:
ING G23 - INFORME SIMILITUD TURNITIN.pdf
Tamaño:
20.86 MB
Formato:
Adobe Portable Document Format
Descripción:
Informe Turnitin (acceso restringido)
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
Miniatura
Nombre:
license.txt
Tamaño:
1.71 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Ingeniería de Sistemas