Clasificación de la mortalidad por COVID-19 de adultos mayores en la Ciudad de México: Un enfoque de Inteligencia Computacional

Abstract

En la actualidad, la inteligencia computacional concentra una amplia variedad de métodos y algoritmos que se aplican para hacer frente a problemas complejos del mundo real. Es en el campo de la salud donde su uso se vuelve significativo para entender el comportamiento de una determinada enfermedad, como COVID-19. El presente documento, a manera de tesina, expone los resultados obtenidos del trabajo realizado bajo la Modalidad de Titulación por Actividad de Investigación, aprobado por el Comité de Titulación de la División de Ingeniería Eléctrica de la Facultad de Ingeniería. Objetivo. Implementar un método de inteligencia computacional para la clasificación de la mortalidad de adultos mayores contagiados con SARS-CoV-2 en la Ciudad de México. Método. La propuesta de solución para el análisis de la mortalidad de adultos mayores en la Ciudad de México, a consecuencia de COVID-19, fue dividido en cuatro etapas: i) adquisición de la fuente de datos, ii) selección de variables, iii) clasificación mediante bosques aleatorios, y iv) validación. Resultados. Con base en los resultados obtenidos, las comorbilidades con mayor grado de importancia en la clasificación fueron enfermedades crónicas renales, diabetes, enfermedades cardiovasculares y obesidad. Por otra parte, las comorbilidades con menor grado de importancia fueron: hipertensión, asma e inmunosupresión. Las variables relacionadas con la enfermedad pulmonar obstructiva crónica y el tabaquismo proporcionaron un porcentaje bajo de ganancia de información. Conclusiones. El algoritmo de bosques aleatorios obtuvo una exactitud promedio de 96.04% y una precisión de 98%, lo que significa una notable clasificación de la mortalidad de los adultos mayores contagiados con SARS-CoV-2 en la Ciudad de México.