Il lavoro si baserà sull’analisi di un ampio dataset relativo a oltre 20.000 pazienti, con l’obiettivo di sviluppare modelli predittivi per diverse condizioni cliniche, tra cui il diabete gestazionale e l’ammissione in terapia intensiva.

In una fase preliminare verranno identificate ed escluse le variabili non utilizzabili a causa dell’eccessiva incidenza di dati mancanti o di ambiguità nella modalità di raccolta. Le restanti variabili saranno analizzate attraverso i principali indici statistici (media, mediana, moda, deviazione standard) e testate in relazione ai target clinici. 

L’intero flusso seguirà una pipeline standard di machine learning: suddivisione del dataset in training e test, imputazione delle variabili mancanti ed encoding, e costruzione dei modelli predittivi (e.g., Logistic Regression, XGBoost, Random Forest, Decision Tree, AdaBoost, MLP).

Per ciascun modello saranno analizzate le feature più importanti, generate le curve ROC e PR-AUC e valutate le performance in base ai diversi target clinici.