Propuesta de medidas paliativas y detección de personas fumadoras con el uso de bioseñales y modelos predictivos

Abstract

La investigación analiza el impacto del tabaquismo en el Perú y propone un enfoque basado en el uso de bioseñales y modelos predictivos para la detección temprana de fumadores. Este trabajo se justifica por el alto costo económico y social del tabaquismo, que representa el 4% del PBI nacional y es responsable de 16,719 muertes anuales. La investigación busca identificar a fumadores y prevenir los efectos nocivos en su salud y en la de las personas expuestas al humo del tabaco. Los objetivos incluyen diseñar un modelo predictivo eficaz y evaluar el impacto de las medidas propuestas en la calidad de vida y los costos en salud. Teóricamente, se sustenta en la minería de datos y el aprendizaje automático, empleando algoritmos como árboles de decisión, regresión logística y redes neuronales. Metodológicamente, se analizaron datos demográficos y biométricos utilizando técnicas de correlación y validación cruzada para garantizar la precisión y robustez del modelo. Los resultados muestran que las técnicas predictivas permiten detectar fumadores con alto grado de precisión, posibilitando acciones tempranas para reducir el tabaquismo y sus consecuencias. Como conclusión principal, se proyecta que la implementación de estas herramientas podría disminuir la mortalidad por tabaquismo en un 30% y reducir los costos del sector salud generando un ahorro aproximado del 29%. Este enfoque ofrece una solución innovadora y efectiva al problema del tabaquismo en el contexto peruano.