Especialización en Machine Learning · 2025
Desarrollo de una metodología para la propuesta de un modelo predictivo de morbilidad materna extrema (MME) en mujeres embarazadas de los departamentos de Bolívar, Córdoba, Magdalena, Sucre y Atlántico afiliadas a la EPS Mutual ser ESS, mediante técnicas de machine learning.
Este estudio propone una metodología para el desarrollo de un modelo predictivo basado en machine learning con el fin de anticipar el riesgo de Morbilidad Materna Extrema (MME) en mujeres embarazadas afiliadas a la EPS MUTUAL SER ESS en cinco departamentos del Caribe colombiano. La MME representa un desafío crítico de salud pública asociado a desigualdades territoriales y deficiencias en la atención prenatal. A partir de 88.810 registros clínicos y sociodemográficos, se aplicó una metodología integral que incluyó análisis de calidad de datos, selección de variables mediante técnicas estadísticas y algoritmos de aprendizaje automático (regresión logística y random forest), tratamiento del desbalance de clases (19:1) y validación geográfica. Se identificaron nueve variables predictoras clave, mientras que se excluyó la variable “documento” por su efecto espurio. Los resultados muestran que es posible construir modelos predictivos robustos y contextualizados que apoyen la toma de decisiones clínicas y de salud pública. Esta metodología permite transitar desde un enfoque reactivo hacia uno preventivo, alineado con los Objetivos de Desarrollo Sostenible (ODS) y la reducción de la mortalidad materna evitable.