Questo lavoro esplora i principali fattori che influenzano il peso alla nascita e prova a costruire un modello che lo predica con buona precisione. La prima parte è dedicata a capire bene il dataset: come sono fatte le variabili, come si distribuiscono e se ci sono aspetti particolari da notare. Successivamente ho verificato alcune ipotesi di interesse, come il confronto con valori di riferimento o le differenze tra gruppi. Nella seconda parte ho costruito un modello di regressione, prima lineare e poi includendo anche termini quadratici, e ho valutato il suo funzionamento sia sul train che sul test set. Alla fine ho portato delle conlcusioni sintetiche.

Neonatal Health Solutions Obiettivo: Creare un modello statistico in grado di prevedere con precisione il peso dei neonati alla nascita, basandosi su variabili cliniche raccolte da tre ospedali. Il progetto mira a migliorare la gestione delle gravidanze ad alto rischio, ottimizzare le risorse ospedaliere e garantire migliori risultati per la salute neonatale. Il progetto si inserisce all'interno di un contesto di crescente attenzione verso la prevenzione delle complicazioni neonatali. La possibilità di prevedere il peso alla nascita dei neonati rappresenta un'opportunità fondamentale per migliorare la pianificazione clinica e ridurre i rischi associati a nascite problematiche, come parti prematuri o neonati con basso peso. Di seguito, i principali benefici che questo progetto porterà all’azienda e al settore sanitario: **1. Miglioramento delle previsioni cliniche** Il peso del neonato è un indicatore chiave della sua salute. Avere un modello predittivo accurato consente al personale medico di intervenire tempestivamente in caso di anomalie, riducendo le complicazioni perinatali come le difficoltà respiratorie o l’ipoglicemia. **2. Ottimizzazione delle risorse ospedaliere** Sapere in anticipo quali neonati potrebbero avere bisogno di cure intensive aiuta a organizzare le risorse umane e tecnologiche degli ospedali in modo efficiente. Questo si traduce in una riduzione dei costi operativi e una migliore pianificazione dell’utilizzo delle unità di terapia intensiva neonatale (TIN). **3. Prevenzione e identificazione dei fattori di rischio** Il modello potrà evidenziare i fattori che maggiormente influenzano negativamente il peso del neonato (come il fumo materno, gravidanze multiple o età avanzata della madre). Queste informazioni sono preziose per la prevenzione e la gestione personalizzata delle gravidanze, permettendo interventi proattivi in caso di rischio elevato. **4. Valutazione delle pratiche ospedaliere** Attraverso un’analisi comparativa tra i tre ospedali coinvolti, l’azienda potrà identificare eventuali differenze nei risultati clinici, come una maggiore incidenza di parti cesarei in una determinata struttura. Ciò consente di monitorare la qualità delle pratiche e armonizzare i protocolli tra i diversi centri ospedalieri, migliorando la coerenza delle cure. **5. Supporto alla pianificazione strategica** L’analisi dei dati e le previsioni possono essere utilizzate per prendere decisioni informate non solo a livello clinico ma anche strategico. L'azienda potrà sfruttare queste informazioni per implementare nuove politiche di salute pubblica, garantendo un impatto positivo sui tassi di mortalità e morbilità neonatale.

The company Texas Realty Insights wants to analyze real estate market trends in the state of Texas, using historical data on property sales. The goal is to provide statistical and visual insights to support strategic decisions for sales and optimization of property listings.