Predictive and prescriptive modeling for the clinical management of dengue: a case study in Colombia

En esta investigación, abordamos el problema del manejo clínico del dengue, que se compone del diagnóstico y el tratamiento de la enfermedad. El dengue es una enfermedad tropical transmitida por vectores que está ampliamente distribuida en todo el mundo. El desarrollo de enfoques que ayuden a la toma de decisiones en enfermedades de interés para la salud pública –como el dengue– es necesario para reducir las tasas de morbilidad y mortalidad. A pesar de la existencia de guías para el manejo clínico, el diagnóstico y el tratamiento del dengue siguen siendo un reto. Para abordar este problema, nuestro objetivo fue desarrollar metodologías, modelos y enfoques para apoyar la toma de decisiones en relación con el manejo clínico de esta infección. Nosotros desarrollamos varios artículos de investigación para cumplir los objetivos propuestos de esta tesis. El primer articulo revisó las últimas tendencias del modelamiento de dengue usando técnicas de aprendizaje automático. El segundo artículo propuso un sistema de apoyo a la decisión para el diagnóstico del dengue utilizando mapas cognitivos difusos. El tercer artículo propuso un ciclo autónomo de tareas de análisis de datos para apoyar tanto el diagnóstico como el tratamiento de la enfermedad. El cuarto artículo presentó una metodología basada en mapas cognitivos difusos y algoritmos de optimización para generar modelos prescriptivos en entornos clínicos. El quinto artículo puso a prueba la metodología anteriormente mencionada en otros dominios de la ciencia como, por ejemplo, los negocios y la educación. Finalmente, el último artículo propuso tres enfoques de aprendizaje federado para garantizar la seguridad y privacidad de los datos relacionados con el manejo clínico del dengue. En cada artículo evaluamos dichas estrategias utilizando diversos conjuntos de datos con signos, síntomas, pruebas de laboratorio e información relacionada con el tratamiento de la enfermedad. Los resultados mostraron la capacidad de las metodologías y modelos desarrollados para predecir la enfermedad, clasificar a los pacientes según su severidad, evaluar el comportamiento de las variables relacionadas con la severidad y recomendar tratamientos basados en las directrices de la Organización Mundial de la Salud.

• Autores: Hoyos Morales, William Segundo
• Fecha de publicación: 2023
• Institución: Universidad EAFIT
• Repositorio: Repositorio EAFIT
• Idioma: spa
• OAI Identifier: oai:repository.eafit.edu.co:10784/32540
• Acceso en línea: http://hdl.handle.net/10784/32540
• Palabra clave: Dengue; Modelamiento predictivo; Modelamiento prescriptivo; Inteligencia artificial; Aprendizaje automático; Sistema de apoyo a la decisión clínica; Mapas cognitivos difusos; Aprendizaje federado; APRENDIZAJE AUTOMÁTICO (INTELIGENCIA ARTIFICIAL); CIENCIA DE LA INFORMACIÓN; PROCESAMIENTO ELECTRÓNICO DE DATOS; Predictive modeling; Prescriptive modeling; Artificial intelligence; Machine learning; Clinical decision-support system; Fuzzy cognitive maps; Federated learning
• License: Todos los derechos reservados