Absentismo | Kopuru

Lo siento, pero no tienes permiso para ver este contenido,

Descargar datos:

El dataset para entrenar los datos: dataset_train_absentismo

El dataset para hacer las predicciones finales (de aquí se saca el resultado del desafío): dataset_test_absentismo

Datos proporcionados:

El conjunto de datos contiene 740 registros de empleados con 21 variables, incluyendo la variable objetivo (Absenteeism) que indica el tiempo de absentismo en horas. Para este reto, hemos convertido esta variable en binaria

Clase 0: No hubo absentismo (tiempo de absentismo = 0 horas).

Clase 1: Hubo absentismo (tiempo de absentismo > 0 horas).

Nombre de variable	Descripción
ID	Identificador único del empleado
Reason for absence	Ausencias documentadas por el Código Internacional de Enfermedades (CID), divididas en 21 categorías (I a XXI), que incluyen: I Enfermedades infecciosas y parasitarias II Neoplasmas III Enfermedades de la sangre y de los órganos hematopoyéticos y ciertos trastornos que afectan el mecanismo inmunológico IV Enfermedades endocrinas, nutricionales y metabólicas V Trastornos mentales y del comportamiento VI Enfermedades del sistema nervioso VII Enfermedades del ojo y anexos VIII Enfermedades del oído y del proceso mastoideo IX Enfermedades del sistema circulatorio X Enfermedades del sistema respiratorio XI Enfermedades del sistema digestivo XII Enfermedades de la piel y del tejido subcutáneo XIII Enfermedades del sistema osteomuscular y del tejido conjuntivo XIV Enfermedades del sistema genitourinario XV Embarazo, parto y puerperio XVI Ciertas afecciones originadas en el período perinatal XVII Malformaciones congénitas, deformidades y anomalías cromosómicas XVIII Síntomas, signos y hallazgos clínicos y de laboratorio anormales, no clasificados en otra parte XIX Lesiones, envenenamiento y otras consecuencias de causas externas XX Causas externas de morbilidad y mortalidad XXI Factores que influyen en el estado de salud y contacto con servicios de salud.
Month of absence	Mes de la ausencia
Day of the week	Día de la semana (Lunes (2), Martes (3), Miércoles (4), Jueves (5), Viernes (6)).
Seasons	Estación del año
Transportation expense	Gasto en transporte
Distance from Residence to Work	Distancia desde la residencia al trabajo (en km)
Service time	Tiempo de servicio (en años)
Age	Edad del empleado
Work load Average/day	Promedio de carga de trabajo por día
Hit target	Objetivo alcanzado (en porcentaje)
Disciplinary failure	Fallo disciplinario (0: No, 1: Sí)
Education	Nivel educativo (secundaria (1), graduado (2), postgrado (3), maestría y doctorado (4)).
Son	Número de hijos
Social drinker	Bebedor social (0: No, 1: Sí)
Social smoker	Fumador social (0: No, 1: Sí)
Pet	Número de mascotas
Weight	Peso (en kg)
Height	Altura (en cm)
Body mass index	Índice de masa corporal
Absenteeism	Absentismo (0: No, 1: Sí)

Distribución de la variable objetivo: Absenteeism

Clase 0: 451

Clase 1: 289

Nuestro compromiso con el sesgo en los datos

Una de las variables disponibles en este datase es Body mass index, índice de masa corporal en castellano.

El índice de masa corporal (IMC) es una métrica que ha sido utilizada durante mucho tiempo para estimar la salud de una persona basándose en su peso y altura. El IMC se calcula dividiendo el peso de una persona en kilogramos por el cuadrado de su altura en metros (kg/m²).

Aunque el IMC es fácil de calcular y puede proporcionar una indicación general del riesgo de problemas de salud relacionados con el peso, tiene varias limitaciones que han sido objeto de críticas:

No distingue entre masa grasa y masa muscular: El IMC no diferencia entre el peso de los músculos y el peso de la grasa. Por lo tanto, personas con una alta masa muscular pueden ser clasificadas erróneamente como obesas o con sobrepeso [1][2].

No considera la distribución de la grasa corporal: El IMC no proporciona información sobre dónde se almacena la grasa en el cuerpo. La grasa abdominal, por ejemplo, está asociada con un mayor riesgo de enfermedades cardiovasculares, pero esto no se refleja en el IMC [1][2].

Variabilidad entre diferentes grupos de personas: El IMC puede no ser igualmente aplicable a todas las poblaciones. Factores como la edad, el sexo y la composición corporal pueden influir en la precisión del IMC como indicador de salud [1][2].

Uso potencialmente discriminativo: Basarse únicamente en el IMC para evaluar la salud de una persona puede conducir a discriminación y estigmatización, especialmente en contextos laborales y de seguros de salud. Puede llevar a juicios rápidos y simplistas sobre la salud de una persona sin considerar otros factores importantes [1][2].

Por estas razones, muchos expertos en salud y organizaciones han comenzado a considerar el IMC como una herramienta limitada y, en algunos casos, inadecuada para evaluar la salud individual. Se están promoviendo enfoques más holísticos que tengan en cuenta una variedad de factores, como la dieta, la actividad física, la distribución de la grasa corporal, y otros indicadores de salud metabólica.

Referencias:

[1] Humphreys S. (2010). The unethical use of BMI in contemporary general practice. The British journal of general practice : the journal of the Royal College of General Practitioners, 60(578), 696–697. https://doi.org/10.3399/bjgp10X515548

[2] Austin, S. B., & Richmond, T. K. (2022, October 19). It’s time to retire BMI as a clinical metric: An undue focus on weight can lead to patient distrust and delayed care. https://www.medpagetoday.com/opinion/second-opinions/101296

id	cluster	total
1	4	7
2	6
…	…