Regresar

Desarrollo de un modelo pbkp_redictivo basado en algoritmos de aprendizaje de máquina supervisado en pacientes con enfermedades de alto índice de mortalidad y su relación con Covid-19.

Abstract:

COVID-19 es una enfermedad respiratoria provocada por el coronavirus SARS-CoV-2, los infectados pueden ser asintomáticos o presentar síntomas desde un leve resfriado o hasta padecer del síndrome respiratorio agudo grave. El objetivo de este trabajo de investigación es proponer un modelo pbkp_redictivo que estime el riesgo de fallecer en pacientes COVID-19. Para realizar el estudio se preparó una base de datos de origen anónimo de pacientes diagnosticados con COVID-19 que fueron atendidos en un Hospital de la ciudad de Guayaquil, con base en la metodología Descubrimiento de Conocimiento en Bases de Datos, además se realizó un análisis estadístico en SPSS, finalmente con el dataset se entrenaron los algoritmos Naive Bayes y Árboles de Decisión para obtener los resultados. El algoritmo Naive Bayes presentó una precisión del 75% mientras el Árbol de Decisión presentó una precisión del 83%. Podemos concluir que el algoritmo Árboles de Decisión obtuvo un mejor rendimiento, lo que indica que esta herramienta basada en Inteligencia Artificial podría ser utilizada por los profesionales de la salud como soporte para ofrecer un diagnóstico oportuno y un tratamiento adecuado. Se recomienda comparar los resultados de diferentes algoritmos para la determinación del que obtenga el mejor rendimiento.