@mastersthesis{20.500.12880/16160,
year = {2026},
month = {5},
url = {https://hdl.handle.net/20.500.12880/16160},
abstract = {Construcción de modelos de clasificación para predecir salud percibida negativa (proxy de riesgo oncológico) usando hábitos autodeclarados. Se comparan regresión logística, Random Forest y XGBoost, demostrando que variables conductuales permiten inferir riesgo sin datos clínicos, destacando la relevancia de determinantes sociales en salud.},
title = {Modelado de riesgo percibido de desarrollar cáncer según hábitos autodeclarados},
keywords = {Big Data},
keywords = {Inteligencia Artificial},
keywords = {Modelado de Riesgo},
author = {Puglla Jara, Brad Iñaki},
}