Repository logo
Communities & Collections
All of DSpace
  • English
  • العربية
  • বাংলা
  • Català
  • Čeština
  • Deutsch
  • Ελληνικά
  • Español
  • Suomi
  • Français
  • Gàidhlig
  • हिंदी
  • Magyar
  • Italiano
  • Қазақ
  • Latviešu
  • Nederlands
  • Polski
  • Português
  • Português do Brasil
  • Srpski (lat)
  • Српски
  • Svenska
  • Türkçe
  • Yкраї́нська
  • Tiếng Việt
Log In
New user? Click here to register. Have you forgotten your password?
  1. Home
  2. Browse by Author

Browsing by Author "Sotero Yataco, Nancy Cristina"

Filter results by typing the first few letters
Now showing 1 - 1 of 1
  • Results Per Page
  • Sort Options
  • No Thumbnail Available
    Item
    Predicción del índice de fragmentación del ADN espermático humano a partir del espermatograma computarizado y la edad mediante un modelo de Machine Learning para optimizar la Fecundación in vitro
    (Universidad Nacional Mayor de San Marcos, 2026) Sotero Yataco, Nancy Cristina; Pino Gaviño, José Luis Rafael; Llanos Carrillo , José Luis
    La investigación desarrolla un modelo predictivo del índice de fragmentación del ADN espermático (IFA) mediante técnicas de machine learning, utilizando parámetros derivados de un espermatograma computarizado y la edad. Se realizó un estudio retrospectivo con información de 743 pacientes atendidos entre enero de 2023 y agosto de 2024. La base de datos incluyó 60 variables clínicas y seminales y se dividió en conjuntos de entrenamiento, validación interna y validación externa temporal. Se emplearon los algoritmos K-Nearest Neighbors (KNN) y Random Forest (RF), evaluados mediante métricas de exactitud, precisión, sensibilidad, especificidad, F1-score, AUC-ROC y AUC-PR, considerando escenarios de clasificación multiclase y binaria. En la clasificación multiclase, ambos modelos presentaron un desempeño bajo a moderado, con predominio de RF en la validación cruzada e interna y de KNN en la validación externa. En la clasificación binaria, RF mostró un desempeño más equilibrado y consistente, con mejores resultados en sensibilidad, F1-score, AUC-ROC y AUC-PR. Asimismo, las curvas de aprendizaje evidenciaron una mejora de RF con el incremento del volumen de datos, mientras que KNN presentó mayor sesgo y varianza. Se concluye que RF constituye el modelo más prometedor para la predicción clínica del IFA, mientras que KNN podría complementar su aplicación en determinados escenarios.

DSpace software copyright © 2002-2026 LYRASIS

  • Privacy policy
  • End User Agreement
  • Send Feedback