📄 medicina
Avoiding Data Leakage in Machine Learning Models for Diabetes and Hypertension Classification Using Routine Occupational Health Screening Data
Este estudio demuestra que la inclusión de predictores que definen el desenlace, como la glucosa en sangre en ayunas y la presión arterial, en modelos de aprendizaje automático para la clasificación de diabetes e hipertensión, causa una filtración de datos severa y un rendimiento inflado artificialmente, mientras que los modelos que excluyen estas variables utilizando datos de tamizaje ocupacional de rutina logran una precisión moderada pero clínicamente realista, al tiempo que resaltan el valor predictivo de factores como la edad, el IMC y la angustia psicológica.