Predictive Modeling of Health Campaigns for Private Sector Companies in Perú Using the Automated Learning and OSEMN Method

Resumen - Debido a la nueva normalidad que nos dejó la pandemia, las empresas privadas han tenido que reforzar y mejorar las campañas de salud implementadas en favor del bienestar de sus colaboradores. Sin embargo, no se tiene justificación suficiente sobre cuáles de estas campañas de salud son las adecuadas a implementar ante la necesidad dentro de las empresas. Por ello, se propone un modelo predictivo de campañas de salud para una empresa privada de Lima - Perú utilizando 3 algoritmos de aprendizaje automático y la metodología OSEMN. La metodología consta de 5 fases: obtención de datos, depuración de datos, exploración de datos, modelamiento de algoritmos e interpretación de resultados. El dataset utilizado proviene de 635 exámenes médicos de colaboradores de la empresa, identificando 14 variables. Los resultados evidenciaron que el modelo propuesto obtuvo un AUC de 0.998 superando el porcentaje mínimo óptimo de 0.90. Palabras clave - Campañas de salud; aprendizaje automático; análisis predictivo; bosques aleatorios; redes neuronales; regresión logística. Due to the new normal that the pandemic left us with, private companies have had to reinforce and improve the health campaigns implemented for the well-being of their collaborators. However, there is not enough justification as to which of these health campaigns are appropriate to implement in response to the need within companies. Therefore, a predictive model of health campaigns is proposed for a private company in Lima - Peru using 3 machine learning algorithms and the OSEMN methodology. The methodology consists of 5 phases: data acquisition, data cleaning, data exploration, algorithm modeling, and interpretation of results. The dataset used comes from 635 medical examinations of company employees, identifying 14 variables. The results showed that the proposed model obtained an AUC of 0.998, exceeding the optimal minimum percentage of <tex xmlns:mml="http://www.w3.org/1998/Math/MathML" xmlns:xlink="http://www.w3.org/1999/xlink">$\mathbf{0. 9 0}$</tex>.