Regresar

Prototipo de un modelo logístico-inteligente basado en aprendizaje de máquina supervisado, que facilite el acceso oportuno al servicio prehospitalario, en estado de emergencia por Covid-19.

Abstract:

La llegada del virus COVID-19 al país significó un gran desafío para todas las áreas de trabajo y una de las áreas mayormente afectadas por el virus fue el sistema de salud pública, que debido a la creciente cantidad de llamadas de emergencia relacionadas con COVID-19, los servicios prehospitalarios terminaron por saturarse, a tal punto que hubo un aumento muy significativo en los tiempos de respuesta a las llamadas de auxilio; lo que derivó en resultados fatales, motivo por el cual el presente estudio propone el diseño de un modelo pbkp_redictivo de servicios prehospitalarios mediante el uso de algoritmos supervisados de aprendizaje de máquina que permita mejorar los tiempos de respuesta en casos de emergencia relacionados con COVID 19, el mismo que por medio del uso de las metodologías de investigación documental y científica se logra obtener las variables relacionadas con los servicios prehospitalarios, permitiendo determinar que los algoritmos a usar en este trabajo serían Random Forest y K NN, teniendo en cuenta que algoritmos aplicar, se realizar la aplicación de las metodologías de desarrollo de prototipo, Knowledge Discovery in Databases (KKD) y Pasos para la Construcción de un Modelo de Machine Learning, las cuales ayudaron al diseño y desarrollo del prototipo, y de esta forma se vuelve posible obtener de manera tangible los resultados del proceso investigativo, llegando a predecir el hospital más cercano al paciente con caso de COVID-19, obteniendo un porcentaje de precisión de 0,996 en el modelo que usa Random Forest y 0.86 en el de K-NN, permitiendo al modelo ser un asistente de apoyo a la toma de decisión del operador automatizando el proceso, por consiguiente, reduciendo el tiempo de respuesta del servicio prehospitalario.