Arce Fernández, NilthonNúñez Sánchez, GuillermoCerna Reátegui, ClaraMolocho Martínez, Evelyn Anyelí2026-06-122026-06-122026-06-12Cerna, C. y Molocho, E. (2026). “Propuesta de un modelo de red neuronal artificial para predecir diabetes mellitus en la ciudad de Jaén-2023” [Tesis de pregrado, Universidad Nacional de Jaén, carrera profesional de Tecnología Médica]. Repositorio institucional UNJ.https://hdl.handle.net/20.500.14689/2015La investigación “Propuesta de un modelo de red neuronal artificial para predecir diabetes mellitus en la ciudad de Jaén–2023” tuvo como objetivo desarrollar un método de diagnóstico con capacidades clínicas probabilísticas mediante red LSTM implementada en Python. El estudio se realizó con datos clínicos y de laboratorio del Hospital San Javier de Bellavista. Se trabajó con 415 historias clínicas de pacientes entre 18 a 70 años, seleccionadas por muestreo no probabilístico por conveniencia. Enfoque cuantitativo, aplicado y explicativo, diseño no experimental y transversal, método deductivo y la metodología CRISP-DM guiaron el proceso analítico. Considerándose; edad, genero, IMC, presión arterial, glucosa basal, HbA1c y prueba de tolerancia oral a la glucosa (OGTT). El modelo LSTM mostró reducción sostenida de la función de pérdida a lo largo de 600 épocas, con estabilidad desde la época 150 y sin sobreajuste (curvas de entrenamiento y validación próximas). Los principales predictores fueron HbA1c (r =0.718), OGTT (r =0.643) y glucosa basal (r=0.586); los promedios observados fueron 131.75 mg/dL (glucosa) y 6.47% (HbA1c), sugiriendo alta proporción de prediabetes/DM2. El rendimiento fue comparable a reportes internacionales (77–91%), evidenciando potencial de aplicabilidad clínica para el tamizaje y diagnóstico temprano en contextos con recursos limitados como Jaén.application/pdfspainfo:eu-repo/semantics/openAccessdiabetes mellitusred neuronal LSTMpredicción clínica.info:eu-repo/semantics/bachelorThesishttps://purl.org/pe-repo/ocde/ford#2.06.00