Modelado de riesgo percibido de desarrollar cáncer según hábitos autodeclarados

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.