--- language: - es license: other pretty_name: BRFSS 2015 — Detección de Riesgo de Diabetes tags: - tabular - healthcare - diabetes - brfss - cdc - classification - spanish task_categories: - tabular-classification size_categories: - 100K El BRFSS original incluye valores adicionales (2=solo durante embarazo, 4=prediabetes, > 7=NS/NC, 9=Se negó) que fueron filtrados durante el preprocesamiento, conservando > únicamente los casos con diagnóstico confirmado o negación explícita. ### Distribución de clases | Clase | Observaciones | Porcentaje | |---|---|---| | Sin riesgo (3.0) | 229.318 | 89.0% | | Riesgo (1.0) | 28.391 | 11.0% | > Dataset **fuertemente desbalanceado** — ratio aproximado 8:1. El modelo trata > el desbalance con `class_weight` en LightGBM. --- ## Variables de entrada (22 columnas) > **Convención de codificación original CDC:** > - Variables binarias: `1 = Sí`, `2 = No` > - Valores `7` (NS/NC) y `9` (Se negó) del BRFSS original fueron sustituidos > por `-1` en el CSV tras el preprocesamiento. El pipeline sklearn reemplaza > los `-1` por `NaN` antes de la imputación en inferencia. ### Variables binarias | Variable | Descripción | |---|---| | `BPMEDS` | Toma medicación para la tensión arterial | | `BLOODCHO` | Se ha revisado el colesterol alguna vez | | `HAVARTH3` | Diagnóstico de artritis / reumatismo / gota / lupus / fibromialgia | | `ADDEPEV2` | Diagnóstico de trastorno depresivo | | `SMOKE100` | Ha fumado más de 100 cigarrillos en su vida | | `SEX` | Sexo (1=Masculino, 2=Femenino) | | `QLACTLM2` | Limitación en actividades por problemas de salud | | `USEEQUIP` | Usa equipo especial (bastón, silla de ruedas...) | | `BLIND` | Ceguera o dificultad grave de visión | | `DECIDE` | Dificultad para concentrarse o tomar decisiones | | `DIFFWALK` | Dificultad para caminar o subir escaleras | | `DIFFALON` | Dificultad para hacer recados solo | | `DIFFDRES` | Dificultad para vestirse o bañarse | ### Variables nominales y ordinales | Variable | Descripción | Valores posibles | |---|---|---| | `BPHIGH4` | Diagnóstico de presión arterial alta | 1=Sí · 2=Sí, solo embarazo · 3=No · 4=Borderline/prehipertensión | | `_RACE` | Raza / etnia | 1=Blanco · 2=Negro · 3=Indígena americano · 4=Asiático · 5=Nativo Hawái/Pacífico · 6=Otra · 7=Multirracial · 8=Hispano | | `GENHLTH` | Estado general de salud | 1=Excelente · 2=Muy bueno · 3=Bueno · 4=Regular · 5=Malo | | `_AGEG5YR` | Grupo de edad (intervalos de 5 años) | 1=18–24 · 2=25–29 · ... · 12=75–79 · 13=80 o más | | `_BMI5CAT` | Categoría de IMC | 1=Bajo peso · 2=Peso normal · 3=Sobrepeso · 4=Obesidad | | `_PACAT1` | Categoría de actividad física | 1=Muy activo · 2=Activo · 3=Insuficientemente activo · 4=Inactivo | ### Variables numéricas continuas | Variable | Descripción | Rango en CSV (P1–P99) | |---|---|---| | `EXEROFT1` | Frecuencia de ejercicio semanal (veces/semana) | 0.47–14.0 | | `_FRUTSUM` | Consumo diario de frutas (porciones/día) | 0.0–5.07 | | `_VEGESUM` | Consumo diario de verduras (porciones/día) | 0.17–7.0 | > **Nota sobre `EXEROFT1`:** el BRFSS original codifica la frecuencia como 101–199 > (veces/semana) y 201–299 (veces/mes). Durante el preprocesamiento > (`data_preprocessing.ipynb`) se transformaron a una escala homogénea de > veces/semana — por eso el CSV contiene valores decimales como 0.47 (≈2 veces/mes) > en lugar de los códigos originales. --- ## Preprocesamiento aplicado Todo el preprocesamiento se realizó en `data_preprocessing.ipynb`. El CSV resultante **no contiene NaN** — los valores faltantes fueron tratados antes de la exportación. 1. **Conversión de formato** — `.xpt` SAS → `.csv` (`transform_xpt_to_csv.ipynb`) 2. **Selección de columnas** — reducción a las 23 columnas relevantes 3. **Filtrado `DIABETE3`** — conservados solo valores `1` y `3`; excluidos `2`, `4`, `7` y `9` 4. **Transformación `EXEROFT1`** — códigos originales (101–199 veces/semana, 201–299 veces/mes) convertidos a escala homogénea de veces/semana 5. **Transformación `_FRUTSUM` y `_VEGESUM`** — el BRFSS almacena estas variables como raciones×100 (enteros sin decimales); divididas entre 100 para obtener porciones reales por día 6. **Eliminación de registros con NaN estructurales** — registros con datos faltantes reales eliminados con `dropna()` antes de la imputación 7. **Sustitución de valores inválidos** — valores `7`, `9` (NS/NC / Se negó), `14` (`_AGEG5YR`) y `777`/`999` (`EXEROFT1`) reemplazados por `NaN` y posteriormente imputados: - `BPMEDS`: imputación clínica → `2` (No), bajo la hipótesis de que sin diagnóstico de hipertensión no hay medicación - Variables categóricas (17 columnas): `NaN` → `-1` - `EXEROFT1`: `NaN` → mediana > El pipeline sklearn del modelo aplica una imputación adicional independiente > durante la inferencia (moda / mediana), diseñada para tratar entradas nuevas > en producción — es independiente del preprocesamiento del dataset. --- ## Uso ```python import pandas as pd df = pd.read_csv( "hf://datasets/Jesusrodriguezf90/brfss2015-diabetes-detection/cleaned_dataset.csv" ) print(df.shape) # (257709, 23) print(df["DIABETE3"].value_counts()) # 3.0: 229318 / 1.0: 28391 # Variables de entrada y variable objetivo X = df.drop(columns=["DIABETE3"]) y = (df["DIABETE3"] == 1).astype(int) # recodificar a 0/1 para entrenamiento ``` --- ## Limitaciones - Datos autorreportados mediante encuesta telefónica — sujetos a sesgo de respuesta - Población exclusivamente estadounidense adulta (≥18 años) — puede no generalizar a otras poblaciones sin recalibración - Año de recogida: 2015 — los patrones de salud pueden haber cambiado desde entonces - No incluye datos biométricos objetivos (glucemia, HbA1c) - Los valores extremos en variables numéricas (>P99) son errores de entrada del cuestionario original, no valores reales --- ## Fuente y atribución **Fuente original:** Centers for Disease Control and Prevention (CDC). Behavioral Risk Factor Surveillance System Survey Data. Atlanta, Georgia: U.S. Department of Health and Human Services, Centers for Disease Control and Prevention, 2015. 🔗 [CDC BRFSS 2015](https://www.cdc.gov/brfss/annual_data/annual_2015.html) > El uso de este dataset no implica endorsement por parte del CDC, HHS > ni del Gobierno de los Estados Unidos. --- ## Licencia Los datos del BRFSS 2015 son producidos por el CDC (Gobierno Federal de EE.UU.) y son de **dominio público** bajo 17 U.S.C. § 105. El uso requiere atribución al CDC y un disclaimer de no-endorsement conforme a los [términos de uso del CDC](https://www.cdc.gov/other/agencymaterials.html). --- ## Autor del preprocesamiento **Jesús Rodríguez Fernández** — Data Scientist 🔗 [LinkedIn](https://linkedin.com/in/jesus-rf) · [GitHub](https://github.com/Jesusrodriguezf90) · [HF Profile](https://huggingface.co/Jesusrodriguezf90)