Dados los resultados obtenidos, se puede concluir que: 1) el ACPC permite identificar las dimensiones que caracterizan a la población, tales como: ...

Dados los resultados obtenidos, se puede concluir que: 1) el ACPC permite identificar las dimensiones que caracterizan a la población, tales como: Dimensión 1 (características generales): tipo de paciente, ingreso relacionado con causa no tumoral, procedencia, infección al ingreso en UCIO y evento adverso a la quimioterapia como causa de ingreso en la UCIO; y Dimensión 2 (escalas de riesgo): Escala APACHE II ≥ 15 puntos y escala de Charlson Ajustada para la Edad ≥ 6 puntos; 2-) el ingreso en UCI por causa médica, la necesidad de VAM, la puntuación en la escala APACHE II ≥ 20 y la puntuación en la escala de Charlson Ajustada para la Edad ≥ 2 son factores de riesgo independientes de muerte en UCI; 3-) aunque la capacidad predictiva de ambos modelos es muy buena y casi idénticas, según los criterios para la selección de modelos, el modelo de RLCPC es mejor que el modelo de RLB. Se recomienda incrementar el uso de los análisis de reducción de dimensiones en las investigaciones biomédicas, profundizar en el análisis de la regresión logística binaria de componentes principales categóricos, probar el análisis de RLCPC en el contexto de modelos de regresión logística binaria no parsimoniosos y emplear el ACPC como herramienta para la selección de variables en el análisis de RLB.