Palabras clave
Factores de riesgo
Aprendizaje automático
Regresión logística
Modelos estadísticos
Predicción
Cómo citar
Resumen
Antecedentes: Las enfermedades cardiovasculares (ECV) continúan siendo la principal causa de muerte a nivel mundial. Aunque existen scores clásicos de riesgo como Framingham, su aplicabilidad puede estar limitada a ciertas poblaciones. El uso de datos abiertos, junto con algoritmos de aprendizaje automático (machine learning, ML), permite desarrollar modelos predictivos replicables y accesibles.
Objetivo: Evaluar y comparar el desempeño de dos modelos predictivos —regresión logística (RL) y Random Forest (RF)— para estimar riesgo de ECV utilizando una base de datos abierta.
Métodos: Se utilizó el Cardiovascular Disease Dataset (Kaggle), con 68,731 registros tras limpieza. Se derivaron variables como edad en años e índice de masa corporal. Se entrenaron modelos de RL y RF, evaluando su desempeño en un conjunto de prueba (20%) mediante área bajo la curva ROC (AUC), exactitud, sensibilidad, especificidad, precisión y F1 score. Se ajustó el umbral de decisión con el índice de Youden.
Resultados: La RL obtuvo un AUC de 0.798 y la RF de 0.780. La RL mostró mejor precisión general, mientras que RF tuvo mayor sensibilidad. Los principales factores de riesgo identificados fueron presión arterial sistólica, edad, colesterol y adiposidad. La actividad física mostró un efecto protector leve.
Limitaciones: El dataset proviene de una población no especificada y contiene variables autorreportadas. No se incluyeron biomarcadores avanzados ni curvas de calibración.
Conclusión: Los modelos predictivos basados en datos abiertos y métodos accesibles pueden alcanzar un desempeño comparable al de scores clínicos clásicos, ofreciendo alternativas útiles para estratificación de riesgo en diversos contextos.
Citas
World Health Organization. Cardiovascular diseases (CVDs). [Internet]. 2024 [cited 2025 Oct 24]. Available from: https://www.who.int/news-room/fact-sheets/detail/cardiovascular-diseases-(cvds)
Yusuf S, Hawken S, Ôunpuu S, Dans T, Avezum A, Lanas F, et al. Effect of potentially modifiable risk factors associated with myocardial infarction in 52 countries (the INTERHEART study): case-control study. Lancet. 2004;364(9438):937–952.
Arnett DK, Blumenthal RS, Albert MA, et al. 2019 ACC/AHA guideline on the primary prevention of cardiovascular disease. J Am Coll Cardiol. 2019;74(10):e177–e232.
D'Agostino RB Sr, Vasan RS, Pencina MJ, et al. General cardiovascular risk profile for use in primary care: the Framingham Heart Study. Circulation. 2008;117(6):743–753.
Karmali KN, Lloyd-Jones DM. Adding a new dimension to cardiovascular risk prediction: moving from scores to curves. JAMA. 2014;311(21):2176–2177.
Weng SF, Reps J, Kai J, Garibaldi JM, Qureshi N. Can machine-learning improve cardiovascular risk prediction using routine clinical data? PLoS One. 2017;12(4):e0174944.
Goldstein BA, Navar AM, Carter RE. Moving beyond regression techniques in cardiovascular risk prediction: applying machine learning to address analytic challenges. Eur Heart J. 2017;38(23):1805–1814.
Cardiovascular Disease Dataset. Kaggle [Internet]. 2018 [cited 2025 Oct 24]. Available from: https://www.kaggle.com/datasets/sulianova/cardiovascular-disease-dataset
Steyerberg EW. Clinical prediction models: a practical approach to development, validation, and updating. Springer; 2019.
Varma S, Simon R. Bias in error estimation when using cross-validation for model selection. BMC Bioinformatics. 2006;7:91.
Kuhn M, Johnson K. Applied predictive modeling. Springer; 2013.
Hosmer DW, Lemeshow S, Sturdivant RX. Applied logistic regression. 3rd ed. Wiley; 2013.
Breiman L. Random Forests. Mach Learn. 2001;45:5–32.
Altman DG, Bland JM. Diagnostic tests 3: receiver operating characteristic plots. BMJ. 1994;309(6948):188.
Powers DMW. Evaluation: from precision, recall and F-measure to ROC, informedness, markedness & correlation. J Mach Learn Tech. 2011;2(1):37–63.
Chicco D, Jurman G. The advantages of the Matthews correlation coefficient (MCC) over F1 score and accuracy in binary classification evaluation. BMC Genomics. 2020;21(1):6.
Youden WJ. Index for rating diagnostic tests. Cancer. 1950;3(1):32–35.
Rosenman R, Tennekoon V, Hill LG. Measuring bias in self-reported data. Int J Behav Healthc Res. 2011 Oct;2(4):320-332. doi: 10.1504/IJBHR.2011.043414. PMID: 25383095; PMCID: PMC4224297.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2026 En caso de que el manuscrito sea aprobado para su publicación, los autores conservan los derechos de autor y ceden a la revista el derecho de la primera publicación y de que pueda editarlo, reproducirlo, exhibirlo y comunicarlo en el país y en el extranjero mediante medios impresos y electrónicos.