Browsing by Subject "Epidemiology"
Now showing 1 - 4 of 4
Results Per Page
Sort Options
Item Modelo de aprendizaje automático para la predicción del comportamiento epidemiológico del dengue en un hospital pediátrico de Cartagena de Indias(Pontificia Universidad Javeriana Cali, 2025) Doria Atencia, Joel Joel; Linares Ospina, Diego Luis; Álvarez Vargas, Gloria InésEl dengue continúa siendo un problema prioritario de salud pública en regiones tropicales, lo que ha motivado el desarrollo de herramientas analíticas para apoyar la vigilancia epidemiológica. El presente trabajo tuvo como objetivo evaluar el desempeño de distintos enfoques de modelación de aprendizaje automático para la predicción semanal de la incidencia de dengue sin signos de alarma, dengue con signos de alarma y dengue grave. Se construyeron series temporales semanales para entrenar modelos base de regresión lineal, perceptrón multicapa, bosque aleatorio y máquinas de soporte vectorial, así como versiones optimizadas. El desempeño fue evaluado mediante métricas de error (MAE, MSE, RMSE y R²), además de comparaciones frente a un modelo ingenuo. Los resultados evidenciaron un comportamiento no lineal en la dinámica de la enfermedad, con desempeños variables según el subgrupo clínico. El perceptrón multicapa mostró un rendimiento ligeramente superior en términos de error y estabilidad de las predicciones. Finalmente, se desarrolló un prototipo de aplicación utilizando el perceptrón optimizado como método de presentación de resultados.Item Predicción de brotes de dengue en Cali, Medellín y Bucaramanga utilizando modelos de machine learning(Pontificia Universidad Javeriana Cali, 2025) Rayo Grajales, Julián Mauricio; Pinto Montes, Julián Andrés; Eklouh Molinier, Christophe; Ortega Lenis, DeliaEl presente proyecto de Maestría en Ciencia de Datos se orienta a la predicción de brotes de dengue en las ciudades de Cali, Medellín y Bucaramanga utilizando modelos de aprendizaje automático. El dengue constituye un problema persistente de salud pública en Colombia, cuya dinámica está influenciada por factores climáticos, ambientales y socioeconómicos, lo que dificulta su control mediante métodos tradicionales de vigilancia epidemiológica. Para el desarrollo del proyecto se construyó una base de datos integrada a partir de fuentes oficiales como SIVIGILA, IDEAM y DANE, que incluye registros semanales de casos de dengue desde 2007–2019, así como variables climáticas como temperatura, humedad y precipitación. Se realizó un proceso riguroso de limpieza, consolidación y análisis exploratorio de los datos para identificar patrones estacionales, correlaciones y rezagos temporales entre las variables. El modelado predictivo se desarrolló bajo dos escenarios: uno basado únicamente en variables climáticas y otro que incorpora además la inercia epidemiológica mediante promedios móviles de contagios. Se implementaron diversos algoritmos de Machine Learning, incluyendo Random Forest, XGBoost, redes neuronales densas y modelos recurrentes tipo GRU. Los modelos fueron entrenados con partición temporal y evaluados con métricas de desempeño como el RMSE. Los resultados evidencian que la incorporación de la inercia epidemiológica mejora significativamente la capacidad predictiva de los modelos, permitiendo anticipar semanas de alta incidencia con mayor precisión. Este proyecto aporta una herramienta analítica útil para fortalecer la vigilancia epidemiológica y apoyar la toma de decisiones en salud pública, contribuyendo a la gestión oportuna del riesgo y a la optimización de recursos en contextos urbanos vulnerables.Item Predicción del comportamiento de la malaria en Colombia usando modelos de machine learning(Pontificia Universidad Javeriana Cali, 2025) Certuche González, Sofy Johanna; Santa Zaira, Jaime; Pizo Gurrute, Zaira Idaly; Ortega Lenis, DeliaLa malaria humana o paludismo es una enfermedad infecciosa transmitida por vectores, en este caso son los mosquitos hembras del género Anopheles que proliferan en zonas inferiores a 1600 metros en donde está localizada el 80 % de la Colombia rural, siendo susceptibles de contraer la infección alrededor de 25 millones de personas. La “Estrategia Técnica Mundial contra la Malaria 2016-2030” pactada por la OMS tiene como objetivo erradicar la enfermedad en 85 países que se consideran endémicos dentro de los cuales se encuentra Colombia por sus condiciones climáticas considerándose un problema de salud pública con un reporte del 10 % de los casos de malaria que se registran en la región de las Américas. Debido a la carga de la enfermedad se cuenta aproximadamente con 106 grupos de investigación sólo en la región y su comportamiento epidemiológico se ha tratado de explicar a través de modelos matemáticos (estadísticos y determinísticos), epidemiológicos (SI, SIR, SIS) y con aproximaciones desde la ciencia de datos (Deep Learning, Machine Learning). Teniendo en cuenta la prevalencia de la enfermedad y su definición como problema de salud pública con estrategias exitosas basadas en el diagnóstico y tratamiento precoz, este proyecto tiene como objetivo desarrollar un modelo predictivo con técnicas de Machine Learning para efectuar una aproximación al comportamiento epidemiológico de la malaria en un departamento en Colombia durante el periodo 2015 2023 debido a que la comprensión de la enfermedad a partir de diferentes modelos va a permitir realizar predicciones temporales, prácticas y aplicables, optimizando tiempo y recursos.Item Tuberculosis and its impact worldwide and in Colombia, a literature review.(Pontificia Universidad Javeriana Cali) Hernández Rico, Álvaro Antonio; Tibaduiza Rodríguez, Iván Alonso; Arrieta Sibaja, José David