Priorización de casos de hospitalización de dengue a partir de variables geográficas y de entorno usando machine learning

Vista sencilla de ítem
dc.contributor.advisorGonzález Veloza, José Jhon Fredy
dc.contributor.authorVillagrán Solorzano, Norma Alexandra
dc.contributor.authorBriceño Uron, Jorge Eduardo
dc.coverage.spatialColombiaspa
dc.creator.emailnavillagrans@libertadores.edu.co, jebricenou@libertadores.edu.cospa
dc.date.accessioned2023-10-21T22:15:05Z
dc.date.available2023-10-21T22:15:05Z
dc.date.created2023-09-29
dc.descriptionEl dengue es una enfermedad viral que constituye un evento de interés en la salud pública de Colombia por su impacto en gran cantidad de regiones y los factores sociales, demográficos y medioambientales asociados. Para lo corrido del año 2023 se ha incrementado el número de contagios en comparación con el mismo período de años anteriores. En términos de complejidad, la OMS clasifica la enfermedad en: Dengue sin signos de alarma (Tipo A y Tipo B1), Dengue con signos de alarma (Tipo B2) y Dengue grave (Tipo C), para los cuales se sigue el proceso de atención y hospitalización definido en la Guía para la Atención Clínica Integral, el cual se basa en la sintomatología del paciente. Propósito. El presente estudio busca priorizar la población de casos de dengue Tipo A y Tipo B en el territorio nacional, con mayor probabilidad de requerir hospitalización, a partir de variables socio-demográficas y de entorno climático y geográfico como la temperatura y la altura del nivel del mar, con el fin de brindar una herramienta complementaria al sistema de salud que permita un Triage (orden de prioridad) en la atención y tratamiento del paciente, evitando el desarrollo de condiciones clínicas graves y maximizando la capacidad disponible. Esto es especialmente útil durante los periodos frecuentes de brotes de dengue. Metodología. Este estudio tomó como base condiciones socio-demográficas de cada uno de los pacientes atendidos por dengue en el territorio Nacional publicados en el sistema Nacional de Vigilancia en Salud pública- Sivigila, Código 210 para los años 2019, 2020, 2021 y 2022 (n=315076) y condiciones climáticas y geográficas de los municipios de ocurrencia. Con esta información, se entrenaron varios modelos de clasificación de aprendizaje automático supervisado. Resultados. El modelo con el mejor resultado en datos de prueba fue el Extreme Gradient Boosting (xgboost) el cual arrojo un AUC de 67 %. La mayor tasa de hospitalización se presenta en pacientes entre los 11 y 18 años, pertenecientes a estratos bajos y con un periodo de síntomas superior a 4 días. En cuanto a la ubicación geográfica, una altitud promedio de 235 m s.n.m. y temperatura promedio de 27.8 °C. favorece las condiciones de hospitalización así como la notificación del contagio entre las semanas 1 a 6 y 46 a 52 del año.spa
dc.description.abstractDengue is a viral disease of significant public health concern in Colombia due to its impact on numerous regions and its association with social, demographic, and environmental factors. In the year 2023, there has been an increase in the number of dengue cases compared to previous years during the same period. In terms of complexity, the World Health Organization (WHO) classifies the disease into Dengue without warning signs (Type A), Dengue with warning signs (Type B), and Severe Dengue, for which the defined care and hospitalization process outlined in the Comprehensive Clinical Care Guide for Dengue Patients is followed, based on the patient’s symptoms. Purpose. This study aims to prioritize the population of Type A and Type B dengue cases in the national territory with a higher likelihood of requiring hospitalization. This prioritization is based on sociodemographic variables, as well as climatic and geographic factors such as temperature and altitude above sea level. The goal is to provide a supplementary tool for the healthcare system to facilitate triage in patient care and treatment, thereby preventing the development of severe clinical conditions and maximizing available healthcare capacity. This tool is especially valuable during frequent dengue outbreaks.Methodology. This study utilized sociodemographic data of dengue patients treated in the national territory published in the National Public Health Surveillance System (Sivigila), Code 210, for the years 2019, 2020, 2021, and 2022 (n= 315076). Additionally, it incorporated climatic and geographic conditions from the municipalities where cases occurred. Several supervised machine learning classification models were trained using this information. Results. The model with the best result on test data was the Extreme Gradient Boosting (xgboost), which yielded an AUC of 67%. The highest hospitalization rate is observed in patients between 11 and 8 years old, from low socioeconomic strata, and with a symptom period exceeding 4 days. Regarding geographical location, an average altitude of 235 m above sea level and an average temperature of 27.8°C favor hospitalization conditions, as well as the notification of infection between weeks 1 to 6 and 46 to 52 of the year.spa
dc.formatPDFspa
dc.identifier.urihttp://hdl.handle.net/11371/6385
dc.language.isospaspa
dc.publisherFundación Universitaria Los Libertadores. Sede Bogotá.spa
dc.rights.accesoAbierto (Texto Completo)spa
dc.rights.accessrightsOpenAccessspa
dc.subject.lembFiebre del denguespa
dc.subject.lembSalud públicaspa
dc.subject.lembAsuntos sanitariosspa
dc.subject.lembHigiene públicaspa
dc.subject.proposalDenguespa
dc.subject.proposalHospitalizaciónspa
dc.subject.proposalModelos de clasificaciónspa
dc.subject.proposalPriorización triagespa
dc.subject.subjectenglishDenguespa
dc.subject.subjectenglishHospitalizationspa
dc.subject.subjectenglishClassification modelsspa
dc.subject.subjectenglishPrioritization - triagespa
dc.titlePriorización de casos de hospitalización de dengue a partir de variables geográficas y de entorno usando machine learningspa
dc.title.titleenglishPrioritization of dengue hospitalization cases from geographic and environmental variables using machine learningspa
dc.typeinfo:eu-repo/semantics/bachelorThesisspa
Archivos
Bloque original
Mostrando 1 - 1 de 1
Miniatura
Nombre:
Villagran_Briceno_2023.pdf
Tamaño:
494.21 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Bloque de licencias
Mostrando 1 - 2 de 2
Miniatura
Nombre:
license.txt
Tamaño:
2.59 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar
Miniatura
Nombre:
Autorización_Villagran_Briceno_2023.pdf
Tamaño:
364.87 KB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Especialización en Estadística Aplicada