Predicción de Miopía Infantil mediante Ciencia de Datos

Este repositorio contiene el trabajo final para la materia Fundamentos para la Ciencia de Datos de la Especialización en Ciencia de Datos (UNLaM), bajo la cátedra de la Prof. Silvia N. Pérez.

🧪 Tecnologías utilizadas

Este proyecto fue desarrollado en R para análisis exploratorio, visualización de datos y modelado predictivo. A continuación se listan las principales librerías utilizadas, agrupadas por su funcionalidad:

📊 Visualización de datos

🧹 Manipulación y preparación de datos

📋 Reportes y generación de tablas

🧠 Modelado y evaluación

🎯 Objetivo

Construir y comparar modelos estadísticos para predecir la presencia de miopía en niños, utilizando variables biométricas y de estilo de vida. El análisis se llevó a cabo sobre un dataset clínico real de 618 niños.

🧠 Técnicas aplicadas

• Análisis Exploratorio de Datos (EDA)
• Regresión Logística (con selección automática stepwise)
• Clasificación Naive Bayes
• Evaluación de modelos mediante métricas como AUC, sensibilidad, especificidad y exactitud

📌 Archivos incluidos

• TP_miopia_infantil.pdf: Informe final del trabajo práctico
• TP_Final_miopia_infantil_scripts.R: Código completo del análisis en R
• TP_Final_miopia_infantil_scripts.Rmd: Documento RMarkdown con visualizaciones interactivas y vistas en HTML

📊 Principales hallazgos

• El modelo de regresión logística con selección stepwise mostró el mejor rendimiento (AUC = 0.873)
• Las variables más significativas fueron:
  • med_spheq (equivalente esférico)
  • hs_mes_deporte (horas mensuales de deporte)
  • padre_miopia (antecedente familiar)
• La sensibilidad y especificidad varían según el umbral elegido, lo cual es clave según el objetivo clínico.

👥 Autores

Yesica Fica Millán	Florencia Miranda Charca	Franco Petraroia
LinkedIn	LinkedIn	LinkedIn

📎 Licencia

Este proyecto se comparte con fines académicos y educativos.