Modelo de machine learning para predicción de brotes de leishmaniasis en la provincia de La Convención

• Autores: Baptista Ojeda, Ernie, Vigil Bravo, Franco Jair
• Formato: tesis de grado
• Fecha de Publicación: 2024
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/676440
• Enlace del recurso: http://hdl.handle.net/10757/676440
• Nivel de acceso: acceso abierto
• Materia: Machine Learning; Leishmaniasis; Predicción; Brotes; NTD’s; Outbreaks; Prediction; NTDs; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#1.00.00

La leishmaniasis forma parte de un grupo de enfermedades denominadas ETD (Enfermedades Tropicales Desatendidas) que afecta a comunidades pobres y olvidadas y reporta más de 5.000 casos en regiones como Brasil, Perú y Colombia categorizándose como endémicas en las regiones mencionadas. En este estudio, presentamos un modelo de aprendizaje automático (Random Forest) para predecir casos en el futuro y predecir posibles brotes utilizando datos meteorológicos y epidemiológicos de la provincia de la Convención (Cusco - Perú). Comprender cómo las variables climáticas afectan los brotes de leishmaniasis es un problema importante para ayudar a crear y generar nuevos sistemas de prevención. Se utilizaron varias técnicas para obtener mejores métricas y mejorar el rendimiento de nuestro modelo, entre ellos la generación de datos sintéticos y optimización de hiperparámetros. Los resultados mostraron dos factores climáticos importantes para analizar y ningún brote durante los primeros 3 meses de 2023 en la provincia de La Convención.