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

Abstract

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.

Keywords

• COVID-19
• Lenguaje profundo
• Redes neuronales secuenciales