Predicción de la condición de hospitalización para pacientes Covid-19 utilizando modelos de clasificación

Alberto Bautista Loaiza; Francisco Jacob Ávila Camacho

doi:10.2992/rict.v2i3.33

Authors

Alberto Bautista Loaiza Tecnológico de Estudios Superiores de Ecatepec / TecNM https://orcid.org/0000-0002-5658-5330
Francisco Jacob Ávila Camacho Tecnológico Nacional de México/TES Ecatepec https://orcid.org/0000-0002-0086-5827

DOI:

https://doi.org/10.2992/rict.v2i3.33

Keywords:

Covid-19, Artificial Intelligence, Prediction, Python programming, Algorithm

Abstract

The COVID-19 pandemic has overwhelmed health services. It is proposed to use artificial intelligence models to predict whether a patient with COVID-19 will require hospitalization, based on their symptoms. Data from cases in Mexico were used to train models with logistic regression and neural networks. Both models obtained an accuracy close to 80%. It is concluded that these models could support medical diagnoses to determine the need for hospitalization of patients with COVID-19 in Mexico. The methodology consisted of data collection, preprocessing, training with machine learning algorithms, and performance evaluation. The trained models could be embedded in web applications for ease of use.

Author Biographies

Alberto Bautista Loaiza, Tecnológico de Estudios Superiores de Ecatepec / TecNM

Estudiante de la Mestría en Ingeniería en Sistemas Computacionales en el Tecnológico de Estudios Superiores de Ecatepec / TecNM

Francisco Jacob Ávila Camacho, Tecnológico Nacional de México/TES Ecatepec

Francisco Jacob Ávila-Camacho. Es Ingeniero en electrónica y sistemas digitales egresado de la Universidad Autónoma Metropolitana Unidad Azcapotzalco, tiene el grado de maestría en ingeniería en sistemas computacionales por parte del Tecnológico de Estudios Superiores de Ecatepec, cuenta con una maestría en ciencias en administración de negocios de la Escuela Superior de Comercio y Administración del IPN y el doctorado en sistemas computacionales por la Universidad Da Vinci, actualmente se desempeña como profesor investigador en el Tecnológico Nacional de México / TES Ecatepec, ha impartido ponencias en congresos nacionales e internacionales y publicado en revistas indexadas y arbitradas, así como en memorias de congresos, actualmente es responsable y líder de varios proyectos de investigación y desarrollo tecnológico con y sin financiamiento, Coordinador del Centro de Cooperación Academia Industria del TESE. Sus principales líneas de investigación se centran en inteligencia artificial, reconocimiento de patrones, minería de datos y sistemas embebidos, modelos y algoritmos de navegación autónoma, visión por computadora, entre otras.

References

APD. (04 de 04 de 2019). APD. Obtenido de https://www.apd.es/algoritmos-del-machine-learning/

Ardakani, A. A. (30 de 03 de 2020). National library of medicine. Obtenido de https://www.sciencedirect.com/science/article/pii/S0010482520301645

AWS. (01 de 01 de 2023). AWS. Obtenido de https://aws.amazon.com/es/what-is/logistic-regression/#:~:text=La%20regresi%C3%B3n%20log%C3%ADstica%20es%20una,factores%20bas%C3%A1ndose%20en%20el%20otro.

Céspedes, F. A. (28 de 12 de 2021). Facultad de Ingeniería de Sistemas e Informática - UNMSM. Obtenido de https://revistasinvestigacion.unmsm.edu.pe/index.php/sistem/article/download/21862/17543/75813

Chávez Martínez, R. (2019). Universidad de LIma. Obtenido de https://repositorio.ulima.edu.pe/handle/20.500.12724/8401

Cid, A. S. (29 de 10 de 2021). EL PAÍS. Obtenido de https://elpais.com/mexico/2021-10-29/mexico-concluye-su-plan-de-vacunacion-un-83-de-la-poblacion-mayor-de-edad-tiene-al-menos-la-primera-dosis.html

Darlington, K. (22 de 05 de 2020). BBVA Open Mind. Obtenido de https://www.bbvaopenmind.com/tecnologia/inteligencia-artificial/esta-ayudando-la-inteligencia-artificial-contener-la-pandemia-covid-19/

Díaz, J. E. (29 de 07 de 2020). Universidad de Cundinamarca. Obtenido de https://revistes.ub.edu/index.php/RBD/article/view/31643

Epidemiología, D. G. (25 de 01 de 2022). Secretaría de Salud. Obtenido de https://www.gob.mx/salud/documentos/datos-abiertos-152127

Escudero, X. (24 de 03 de 2021). Archivo de cardeologia de México. Obtenido de https://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S1405-99402020000500007

Etecé, E. (05 de 08 de 2021). Editorial Etecé. Obtenido de https://concepto.de/diagnostico/

González Segoviano, L. J. (30 de 9 de 2023). Regresión logística vs árboles de decisión en el riesgo crediticio. (T. e. RICT Revista de Investigación Científica, Ed.) RICT Revista de Investigación Científica, Tecnológica e Innovación, 1(2), 32-37. Obtenido de https://revista.ccaitese.com/index.php/ridt/article/view/21

Gutiérrez, V. F. (2022). Ecografía en el manejo del paciente crítico con infección por SARS-CoV-2 (COVID-19): una revisión narrativa. Obtenido de https://www.sciencedirect.com/science/article/pii/S0210569120301558?via%3Dihub

Martínez-Ortega, A. G. (22 de 12 de 2019). Pro Sciences. Obtenido de https://d1wqtxts1xzle7.cloudfront.net/87614928/287162093-libre.pdf?1655404808=&response-content-disposition=inline%3B+filename%3DTecnologias_en_la_inteligencia_artificia.pdf&Expires=1695936710&Signature=HNx9yigjuH3nIQY0ZJx8G5kahLtl7svfwgOCVc72rlUBspJf0K9h

Novás, J. D. (2006). Revista Cubana de Medicina General Integral. Obtenido de http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S0864-21252006000100007#:~:text=Cuando%20unimos%20los%20s%C3%ADntomas%20y,o%20de%20otra%2C%20cu%C3%A1les%20son

Shibly, K. H. (2020). sciencedirect. Obtenido de https://www.sciencedirect.com/science/article/pii/S2352914820305554

Vaishya, R. J. (4 de 08 de 2020). Facultad de Ingeniería de Sistemas e Informática - UNMSM. Obtenido de https://www.sciencedirect.com/science/article/pii/S1871402120300771