Descripción

Genera un informe completo de Métodos + Resultados a partir de los resultados de la ponderación por entropía, la clasificación TOPSIS y clasificadores de ML (XGBoost, Random Forest, Regresión logística, etc.). Interpreta correctamente el AUC (según los criterios de Hosmer & Lemeshow) y señala claramente el riesgo de sobreajuste (overfitting) cuando existe una gran diferencia entre el rendimiento de entrenamiento y el de prueba. Además, identifica de antemano al menos 4 objeciones frecuentes de los revisores de revistas (por ejemplo, «cómo se abordó el desequilibrio de clases» o «no se utilizó un conjunto de validación externa») y ofrece una frase de defensa para cada una. Adecuado para investigadores que trabajan en informática sanitaria, predicción de riesgos clínicos o metodologías híbridas de toma de decisiones multicriterio (TDCM)-ML, y para quienes buscan reforzar la solidez metodológica antes de enviar un artículo a una revista.