Cómo Entrenar y Validar Modelos de Predicción Clínica: Guía Paso a Paso para Profesionales de la Salud
Guía práctica con R para desarrollar modelos predictivos robustos en entornos clínicos
☕️
Sobre mí
Hola, soy Maicel Eugenio Monzón Pérez. Soy médico, bioestadístico y científico de datos, apasionado por transformar la investigación en salud a través de la ciencia, la estadística y la inteligencia artificial. Me formé como Médico General Básico (2003) y luego continué mi camino académico con una Maestría en Informática en Salud, la especialidad en Bioestadística de primer y segundo grado, y finalmente un Doctorado en Ciencias Médicas en la Universidad de Ciencias Médicas de La Habana. Durante mi carrera, he trabajado en el diseño y análisis de investigaciones biomédicas, con un interés especial en los ensayos clínicos y en la aplicación de modelos de machine learning para resolver problemas reales en el ámbito de la salud pública. Además, disfruto programar en R y Python, creando herramientas que hacen más eficiente la investigación y mejoran la toma de decisiones clínicas. Hoy comparto mi experiencia como profesor auxiliar en la Escuela Nacional de Salud Pública y como revisor de ensayos clínicos en el Centro para el Control Estatal de Medicamentos, Equipos y Dispositivos Médicos.
Intereses
- Bioestadística
- Metodología de la investigación
- Ciencia de datos
- Inteligencia artificial
- Ensayos clínicos
- Programación en R y Python
Educación
-
Doctor en medicina
Instituto Superior de Ciencias médicas de Villa Clara
-
Máster en Informática en Salud
Centro de Cibernética Aplicada a la Medicina (CECAM)
-
Especialista de Primer Grado en Bioestadística
Escuela Nacional de Salud Pública
-
Especialista de Segundo Grado en Bioestadística
Escuela Nacional de Salud Pública
-
Doctor en Ciencias Médicas
Universidad de Ciencias Médicas de La Habana
📚 Mi investigación
Mi investigación abarca disímiles temas 📚, desde el diseño y análisis de ensayos clínicos y estudios epidemiológicos 🔍, hasta el desarrollo y validación de modelos predictivos para enfermedades infecciosas y sistemas de triaje 🧠. Busco integrar conocimientos de bioestadística, epidemiología y modelado matemático para generar resultados de alto impacto 💭.
Soy un entusiasta de la programación en R y Python, el análisis de datos, el aprendizaje automático y la Inteligencia Artificial 🤖. Mi compromiso es con el desarrollo de la bioestadística y la investigación que transforman la salud pública a través de enfoques innovadores y colaborativos y para mejorar la calidad de vida de las personas.
Siempre estoy abierto a colaborar en proyectos que impulsen los límites de la ciencia y la tecnología en el ámbito de la salud.
Artículos destacados
Publicaciones recientes
(2023).
Estado en la investigación sobre modelos de predicción de la severidad en confirmados de la Covid-19..
Revista Habanera, 1(1).
(2020).
Modelo SIR para epidemias: Persistencia en el tiempo y nuevos retos en la era de la Informática y las pandemias..
Rev haban cienc méd.
(2020).
Plagio en artículos de investigación en revistas biomédicas cubanas. 2016.
Rev haban cienc méd.
Charlas recientes y próximas
Noticias recientes
¿Escribir ciencia o reescribir la realidad?
IMRyD es el estándar de publicación, pero no tiene por qué ser el de redacción. Este post argumenta a favor de una estrategia de escritura ‘inversa’ —de los hallazgos hacia la introducción— como un método para aumentar la honestidad y claridad, distinguiéndolo del HARKing y alineando la narrativa con el verdadero descubrimiento científico.
Las trampas de la correlación disfrazada de causalidad
Ejemplos curiosos, cápsulas de rigor y un checklist práctico para no confundir correlación con causalidad en investigación científica.
Una Inmersión Intuitiva en la Arquitectura de los LLMs
Análisis del funcionamiento de los grandes modelos de lenguaje: arquitectura, entrenamiento, alineación y límites. Comprendiendo la diferencia entre predicción y razonamiento.
Del Laboratorio al Mundo Real
La ciencia trasciende el laboratorio cuando sus hallazgos logran cruzar el puente hacia la vida real. Este proceso depende de conceptos clave como validez interna (rigor metodológico) y externa (aplicabilidad), así como de la generalizabilidad y transportabilidad de los resultados. Aunque existen obstáculos como sesgos de selección y variables confusoras, herramientas como ensayos pragmáticos y métodos estadísticos permiten adaptar los conocimientos a contextos diversos. Como consumidores, debemos preguntar “¿en quién se hizo este estudio?” para evaluar su verdadero impacto en nuestras vidas.'