Para mejorar la precisión en el uso de indicadores bioquímicos sanguíneos para inferir la temperatura de ahogamiento, este estudio utilizó sangre cardíaca fresca de ratas SD ahogadas para realizar pruebas bioquímicas, y mediante pruebas estadísticas y aprendizaje automático se construyó un modelo de regresión entre la temperatura de ahogamiento y los indicadores bioquímicos sanguíneos. A través de la medición de 14 indicadores bioquímicos sanguíneos, se realizaron pruebas de normalidad, de homogeneidad de varianzas, análisis de varianza, pruebas post hoc y análisis de correlación. Se utilizó un modelo de regresión de K vecinos más cercanos (KNN) para seleccionar indicadores importantes, realizar benchmarks y construir el modelo de regresión. Finalmente, el modelo fue ajustado, evaluado e interpretado. Los resultados mostraron que los 14 indicadores bioquímicos siguen una distribución normal a diferentes temperaturas, con diferencias significativas en las medias intragrupo (p<0.05), y un 18.6% de las comparaciones por parejas no mostraron diferencias significativas; la colinealidad entre los indicadores fue baja (<70%). El modelo de regresión seleccionó 10 indicadores bioquímicos: fosfatasa alcalina (ALP), gamma-glutamil transpeptidasa (GGT), creatinina (Cr), ácido úrico (UA), urea (UREA), colesterol HDL (HDL_C), colesterol (CHO), triglicéridos (TG), Ca²⁺ y Mg²⁺. El modelo de regresión KNN construido con estas variables como características, después de la optimización de hiperparámetros, presentó un error cuadrático medio en el conjunto de prueba (RMSE) de 1.872 y un coeficiente de determinación (R²) de 0.9792. Las características Mg²⁺, TG y ALP tuvieron el mayor impacto negativo en el modelo. En comparación con los modelos de regresión tradicionales, el modelo construido en este estudio aprovecha completamente los datos de la muestra, con un preprocesamiento de datos simple, alta precisión y buena interpretabilidad, adecuado para la inferencia de la temperatura de ahogamiento.

temperatura de ahogamiento;bioquímica sanguínea;ahogamiento;aprendizaje automático