Caracterización por árboles de decisión para datos categóricos: diagnóstico de virus respiratorios en aves.
Compartir en:
- Views
- Downloads
Date
2020
Documentos PDF
Abstract
Este trabajo tuvo como objetivo identificar la necesidad de implementar nuevas pruebas diagnósticas para enfermedades virales indeterminadas en aves, para el caso de un laboratorio de diagnóstico veterinario por biología molecular en Bogotá, Colombia. Así, por medio de la depuración de la base de datos y su posterior análisis por árboles de decisión CHAID, Random Forest y Regresión logística. La metodología de árbol CHAID se aplicó para identificar las variables más importantes en relación con la variable respuesta. Los resultados de éste, indican que las variables de mayor impacto en la variable respuesta son las variables de Departamento, Técnica y Prueba solicitada, lo cual coincide con los resultados obtenidos por Random Forest y por el modelo de Regresión logística. En cuanto a este último, se planteó un modelo binario de la variable respuesta (Resultado) con dos opciones: positivo o negativo y con 6 factores como variables independientes. Las tres metodologías aplicadas dan cuenta del desequilibrio de los datos, con una alta especificidad por el nivel negativo del factor Resultado, lo que da respuesta al objetivo planteado, pues se identifica la necesidad de implementar nuevas pruebas diagnósticas para enfermedades virales
indeterminadas en aves.