Análisis de la base de datos abierta de Dirección General de Epidemiología haciendo uso de Deep Learning para la predicción de la necesidad de intubación en pacientes hospitalizados por COVID-19
DOI:
https://doi.org/10.37636/recit.v43195207Palabras clave:
COVID-19, Lenguaje profundo, Redes neuronales secuencialesResumen
Haciendo el uso de aprendizaje profundo se busca determinar la probabilidad de que un paciente hospitalizado por COVID-19 padezca insuficiencia respiratoria y precise ser ventilado mecánicamente en una Unidad de Cuidados Intensivos (UCI). El análisis profundo se realiza mediante el entrenamiento del algoritmo de Redes Neuronales Secuenciales, ya que estas presentan una buena eficiencia en el análisis de datos abiertos. Para este estudio se tomó la base de datos abiertos de la Dirección General de Epidemiología. De acuerdo a los decretos oficiales de la federación las bases históricas y la información referente a los casos asociados a COVID-19 son de uso libre con el propósito de facilitar a todos los usuarios que la requieran, el acceso, uso, reutilización y redistribución de la misma. La base de datos de la Dirección General de Epidemiología presenta información varia que de acuerdo a entrevista con un médico de primera línea que trabaja con pacientes de COVID-19 y a su consideración algunos datos pueden ser irrelevantes, tal es el caso de la nacionalidad de los infectados, por mencionar alguno; de igual manera se trabajó solo con aquellos pacientes que dieron positivo a la enfermedad. Así mismo la base de datos puede servir para encontrar algunos otros aspectos o datos estadísticos relevantes sobre la pandemia en México.
Descargas
Citas
Dirección general de Epidemiologia. Datos Abiertos Dirección General de Epidemiología, Internet: https://www.gob.mx/salud/documentos/datos-abiertos-152127 [7, enero, 2021].
J. Pearce. (2020, Abril). "A Review of Open-Source Ventilators For COVID-19 And Future Pandemics,". F1000Research, 9:218. Disponible https://doi.org/10.12688/f1000research.22942.2, [Feb. 12, 2021]. DOI: https://doi.org/10.12688/f1000research.22942.2
E. Tse, D. Klug y M. Todd. (2020, Oct.). "Open science approaches to COVID-19," F1000Research, 9:1043. Disponible: https://doi.org/10.12688/f1000research.26084.1, [Feb. 13,2020]. DOI: https://doi.org/10.12688/f1000research.26084.1
A.Väänänen, K. Haataja, K. Vehviläinen-Julkunen y P. Toivanen. (2021, Marzo). "Proposal of a novel Artificial Intelligence Distribution Service platform for healthcare," F1000Research, 10:245. Disponible: https://doi.org/10.12688/f1000research.36775.1 [Abril 8, 2021]. DOI: https://doi.org/10.12688/f1000research.36775.1
C. Castillo, C. Valdivia, C. Osorio et al. (2021, Enero). 4th ISCB Latin American Student Council Symposium: "A virtual and inclusive experience during COVID-19 times," F1000Research, 9:1460, Disponible: https://doi.org/10.12688/f1000research.28330.1 [Abril 15, 2021]. DOI: https://doi.org/10.12688/f1000research.28330.1
M. Capistran, A. Capella, J. Christen (2020, Junio). "Forecasting hospital demand during COVID-19 pandemic outbreaks," arXiv:2006.01873, Disponible: https://arxiv.org/abs/2006.01873 [Enero 20, 2021].
J. Rao, H. Zhang y A. Mantero. (2020, Mayo). "Contextualizing COVID-19 spread: a county level analysis, urban versus rural, and implications for preparing for the next wave". F1000Research, 9:418. Disponible: https://doi.org/10.12688/f1000research.23903.1 [Abril 15, 2021]. DOI: https://doi.org/10.12688/f1000research.23903.1
R. Sierra. "Índice de vulnerabilidad municipal a COVID-19," CONABIO, CIMAT. Guanajuato. Reporte Técnico, Núm. 2, 14 de julio de 2020 [Abril 19, 2021].
R. Casado. "Respiradores frente al COVID-19: Diferentes tipos para cada situación.". Revista EFE:SALUD, 24 de Abril de 2020 [Abril 19, 2021].
RGT consultores. "El Sistema Respiratorio y el COVID-19", Internet: https://rgtconsultores.mx/blog/el-sistema-respiratorio-y-el-COVID-19-parte-1, 12 de mayo de 2020 [Diciembre 20, 2020].
RGT consultores. "Ventiladores Mecánicos ante el COVID-19", Internet: https://rgtconsultores.mx/blog/ventiladores-mecanicos-ante-el-COVID-19, 20 de mayo de 2020 [Diciembre 20, 2020].
R, Ortiz, (2020, Oct.). "Análisis métrico de la producción científica sobre COVID-19 en SCOPUS". Revista Cubana de Información en Ciencias de la Salud, vol.31 no.3 e1587. Epub 30 de octubre de 2020. Disponible: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2307-21132020000300002&lng=es&tlng=es. [Diciembre 17. 2020].
J, VanderPlas. "Python Data Science Handbook ". O'Reilly Media, Inc., 2015, 1005 Gravenstein Highway North, Sebastopol, CA 95472. pp. 331-332, 359-462.
A. Gulli, P. Sujit. "Deep Learning with Keras". Packt Publishing Ltd, 2017, Livery Place, 35 Livery Street, Birmingham, UK. pp. 368-422.
M. Rodríguez. "COVID-19: ¿es el sistema inmunológico de las mujeres más robusto que el de los hombres? (y los interesantes hallazgos que se están dando por el coronavirus)". Internet: https://www.bbc.com/mundo/noticias-54344789. Octubre 2020, [Mayo 17, 2021].
F. Petite, M. Rivera, J. San Miguel, Y. Malo., J. Flores, M. Cuartero (Abril 9, 2021). Initial findings in chest X-rays as predictors of worsening lung infection in patients with COVID-19: correlation in 265 patients. Radiology, S0033-8338(21)00081-3. Elsevier Public Health Emergency Collection. Advance online publication. https://doi.org/10.1016/j.rx.2021.03.004, [Mayo 17, 2021]. DOI: https://doi.org/10.1016/j.rx.2021.03.004
Publicado
Cómo citar
Número
Sección
Categorías
Licencia
Derechos de autor 2021 Omar Fabián Rivera Ceniceros, Luis Alberto Ordaz Díaz
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as conservan los derechos de autor y ceden a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons 4.0, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a compartir su trabajo en línea (por ejemplo: en repositorios institucionales o páginas web personales) antes y durante el proceso de envío del manuscrito, ya que puede conducir a intercambios productivos, a una mayor y más rápida citación del trabajo publicado (vea The Effect of Open Access).
