Algoritmo computacional para el análisis y toma de decisiones en datos de lugares con mayor incidencia de Covid-19, utilizando estrategias de machine learning

La propagación descontrolada del COVID-19 en China, Italia, Irán y la República de Corea resultó en un porcentaje más alto de casos en comparación con países como Francia, España, Alemania, Emiratos Árabes Unidos y otras naciones europeas. Varios factores contribuyeron a esta notable diferencia en las tasas de incidencia. En China, donde se originó el brote, la falta de preparación inicial y la demora en implementar medidas de contención efectivas permitieron que el virus se propagara rápidamente. La alta densidad poblacional en algunas regiones y la intensa movilidad interna fueron facilitadores adicionales de la transmisión (Huang et al., 2020). Italia fue uno de los primeros países europeos en registrar un gran número de casos debido a la tardanza en imponer medidas de distanciamiento social, la alta proporción de población anciana vulnerable y la arraigada cultura de reuniones familiares frecuentes (Remuzzi & Remuzzi, 2020). En Irán, las autoridades fueron lentas en reconocer la gravedad de la situación y tardaron en implementar medidas de contención adecuadas. Además, la celebración de eventos masivos y la negativa inicial a cancelar las peregrinaciones religiosas aceleraron la propagación del virus (Abdi, 2020). La República de Corea experimentó un brote significativo relacionado con la Iglesia de Shincheonji, cuyos miembros se reunían en lugares cerrados y algunos ocultaron inicialmente sus afiliaciones, dificultando el rastreo de contactos (Lee et al., 2020). En contraste, países como Francia, España, Alemania y los Emiratos Árabes Unidos, si bien tuvieron un número considerable de casos, implementaron medidas de contención más rápidamente y contaban con sistemas de salud más preparados, lo que pudo haber contribuido a una menor tasa de incidencia en comparación con los primeros países mencionados (Legido-Quigley et al., 2020).

• Autores: Castro Camargo, Oscar Andrés
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Corporación Universitaria Remington
• Repositorio: Repositorio institucional Uniremington
• Idioma: spa
• OAI Identifier: oai:repositorio.uniremington.edu.co:123456789/2661
• Acceso en línea: https://repositorio.uniremington.edu.co/handle/123456789/2661
• Palabra clave: Covid-19; Datasets; Análisis de datos; Machine learning; Clasificación; Regresión; Clustering; Enfermedades respiratorias; Toma de decisiones; Aprendizaje automático (Inteligencia artificial)
• Rights: openAccess
• License: Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)