Conductome
Casos de uso
La plataforma de Conductome se basa en un clasificador de Bayes implementado para calcular la probabilidad condicional posterior P(C(t) | X(t’)), de una clase de interés (C) y los predictores X(t’) = (X1(t’), X2(t’),…, XN(t’)).
Ejemplos de clases de interés:
- personas con obesidad
- personas que realizan ejercicio
- personas que comen la cantidad recomendada
Ejemplos de predictores de estas clases:
- socio-demográficos, p.ej. edad, escolaridad
- económicos, p.ej. ingreso
- psicológicos, p.ej. estrés
- actividad física, p.ej. horas que camina por día
- conductas de alimentación, p.ej. porciones de verdura que come por día
Las variables se pueden dividir en los de estado (p.ej. estrés percibido) y de conducta (p.ej. comer de manera saludable).
Todas las variables se pueden convertir en variables binarias mediante una discretización adecuada (“coarse graining”).
Los clasificadores de Bayes P(C(t)|X(t’)) pueden interpretarse como la descripción del nicho de la clase de interés, en la que la configuración de variables X, describe el nicho C en el caso en que P(C|X) > P(C); y el “anti-nicho” P(C|X) < P(C). Para las bases teóricas revisar Marco Teórico.
Un conjunto de variables X puede representar un espectro de factores.
Ejemplo:
- Clase: Personas que hacen mínimo 2h 30 minutos de ejercicio por semana
- Factores:
- Condición física
- Estado de salud
- Alimentarse de manera saludable
- Cantidad que come
- Estatura
- Diagnóstico de obesidad, etc.
Probabilidad condicional, score, y épsilon se calculan para cada variable dado una respuesta especifica, p.ej. la probabilidad que una persona realiza mínimo 2h 30 minutos de ejercicio dado que considera su condición física actualmente como buena (Es decir la persona entrevistada contestó ”Buena” a la pregunta “¿Cómo consideras que es tu condición física actual?”).
Al sumar los scores para cada variable se obtiene un score total para cada persona para predecir su probabilidad de realizar ejercicio mínimo 2h y 30 minutos por semana.
