Educación Médica (Mar 2005)
Aplicación de análisis de conglomerados y redes neuronales artificiales para la clasificación y selección de candidatos a residencias médicas Cluster analysis and artificial neural networks for residency candidates classification and selection
Abstract
Introducción: Los programas educacionales han recurrido a distintos modelos de regresión lineal múltiple, de selección asistida por computadora y más recientemente, de redes neuronales artificiales para la confección de listados preliminares de mérito entre los postulantes a la residencia. Objetivo: evaluar y rediseñar un sistema para la selección y clasificación de aspirantes a un programa de residencias universitarias por medio de la aplicación de modelos de análisis multivariante y de redes neuronales artificiales. Material y Método: El diseño consistió en un estudio retrospectivo-transversal, realizado en un hospital universitario. Se evaluó una muestra al azar de 213 aspirantes a un programa de residencias médicas universitarias teniendo en cuenta el promedio de la carrera de grado, el resultado del examen de ingreso a la residencia, los antecedentes curriculares y biográficos, el internado y el puntaje de las entrevistas. Se aplicó un análisis de conglomerados jerárquico (clúster análisis) para la clasificación y selección de los candidatos en un orden de mérito en base a los puntajes estandarizados de las 5 variables. Resultados: El análisis de conglomerados jerárquico clasificó 209 aspirantes en 12 conglomerados en base al promedio estandarizado de los valores obtenidos de las 5 variables. Este análisis se usó para construir una clasificación descriptiva de los grupos y una lista final por mérito de acuerdo a la posición relativa de cada candidato por encima o debajo de los puntajes promedios. Se imitó la solución de conglomerados por medio de una red perceptrón multicapa con una sensibilidad y especificidad de 94.1 y 99.1% respectivamente. Conclusiones: El análisis de conglomerados jerárquico fue un método útil y novedoso para clasificar una muestra de aspirantes a la residencia en conglomerados de acuerdo a la posición relativa de sus puntajes estandarizados por encima o por debajo de la media de todo el conjunto. Además, se entrenó una red PMC que permitió imitar los resultados del análisis de conglomerados con la suficiente precisión como para ser considerado un método alternativo de selección asistida por computadora cuando se trabaja con datos masivos. La solución de conglomerados constituye una aproximación alternativa para la selección de candidatos a la residencia.Introduction: Multiple linear regression models, computer-assisted selection and recently, artificial neural networks have been used at educational programs to produce preliminary rank lists of residency applicants. The aim of this study was to evaluate and redesign a system to rank applicants for a university residency program using multivariate analysis and neural networks models. Methods: The design was a retrospective-transversal study, performed in University Hospital. A random sample of 213 residency applicants to a medical university program was evaluated with regard to medical school grades, examinations, autobiography, internship and interview scores. Hierarchical cluster análisis and artificial neural networks for applicants’ classification and ranking were developed using standardized scores of all 5 variables. Results: Cluster analysis classified applicants in 12 clusters depending on average standardized values of variables. This analysis was used to construct a descriptive classification of groups and a final ranking list according to applicant’s relative position over or under average scores. Multi-layer perceptron network was able to imitate the cluster solution with a mean sensitivity and specificity level of 94.1% and 99.1% respectively. Conclusions: A hierarchical cluster analysis was used to classify a sample of residency applicants in a ranking list, based on candidate’s relative position over or under the mean standardized scores of individual variables. Additionally, a MLP network was trained to imitate cluster results with a sufficient level of accuracy to be considered as an optional computer-assisted method to cluster analysis of massive data. This cluster solution constitutes an alternative approach for residency candidates’ selection.
