Machine Learning para la detección de la enfermedad del Covid-19

• Autor: Rivera Delgado, Magno Stevens
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Cesar Vallejo
• Repositorio: UCV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.ucv.edu.pe:20.500.12692/163262
• Enlace del recurso: https://hdl.handle.net/20.500.12692/163262
• Nivel de acceso: acceso embargado
• Materia: Machine Learning; Covid-19; Detección; https://purl.org/pe-repo/ocde/ford#2.02.04

En el marco del Objetivo de Desarrollo Sostenible (ODS) de Trabajo Decente y Crecimiento Económico; esta investigación de tipo aplicada evaluó el impacto del machine learning (ML) en la mejora de la detección de la enfermedad del Covid-19, durante el segundo semestre de 2024 Los objetivos del estudio fueron reducir el tiempo promedio de atención en la detección del COVID-19, incrementar la eficiencia en la detección del COVID-19, y aumentar los pacientes con atención en la detección del COVID-19. Los resultados mostraron una mejora significativa en el Grupo Experimental (GE) en comparación con el Grupo Control (SC); en el tiempo promedio de atención, donde el GE mostró una mejora con respecto al GC en un 93.35%, validado mediante la prueba U de Mann-Whitney (p < 0.01); asimismo, la eficiencia de la detección mejoró en un 26.7%, con la prueba U de Mann-Whitney (p < 0.01) y finalmente, la cantidad de personas atendidas se incrementó en 78.56% en el GE, también respaldado por la prueba U de Mann-Whitney (p < 0.01). En conclusión, el uso de ML mejoró significativamente la detección del COVID-19, mejorando la eficiencia de la atención, tiempos de detección y la cantidad de atenciones, contribuyendo a los ODS.