查看文章

El brote de la enfermedad por coronavirus (COVID-19) ha infectado a millones de personas, ocasionando una elevada tasa de mortalidad en todo el mundo. Los pacientes con sospecha de COVID-19 se trasladan a diferentes establecimientos de salud, lo que ha originado una saturación en la atención, por lo cual es necesario contar con un modelo de predicción para clasificar a los pacientes con alto riesgo de deterioro clínico. El objetivo de la investigación fue comparar algoritmos de clasificación basados en máquinas de aprendizaje automático, para la predicción de diagnóstico clínico en pacientes con COVID-19. Se recolectaron 1000 registros de pacientes con sospecha de infección por SARS-CoV-2 que ingresaron por el servicio de emergencia en establecimientos de Salud en Perú. Después del pre-procesamiento de los datos e ingeniería de los atributos, se determinó una muestra de 700 registros. Se diseñaron los modelos y compararon los algoritmos: Regresión Logística, Máquina de Soporte Vectorial, Vecinos más Cercanos, Árbol de Decisión, Bosque Aleatorio y Navie Bayes. La evaluación de los resultados de cada algoritmo se realizó mediante la Accuracy, precisión, sensibilidad y la Kappa de Chohen para conocer el grado de concordancia entre la predicción por la máquina de aprendizaje y los resultados de la realidad, es decir, hasta qué punto ambos resultados coinciden en su medición. El algoritmo que presentó mejores resultados fue Máquina de Soporte Vectorial y Bosque Aleatorio, el cual predijo los pacientes con una exactitud del 97%, y Kappa de Cohen de 0.95, con cifras superiores a los demás modelos …