-
TRANSPARENCIA Y ACCESO
A LA INFORMACIÓN -
PARTICIPA
-
ATENCIÓN Y SERVICIOS
- CORREO
- EDITORIAL
- BIBLIOTECA
El grupo de investigación en Software Inteligente y Convergencia Tecnológica GISIC de la Facultad de Ingeniería de la Universidad Católica de Colombia, junto con investigadores expertos en epidemiología del Hospital Universitario San Ignacio, la Clínica La Colina y la Clínica del Country, así como Científicos de Datos de la Secretaria Distrital de Salud e ITPerforma expertos en las plataformas Alteryx para la integración y automatización de flujos de información, Data Robot para Machine Learning automatizado y Tableau para la visualización y análisis descriptivos, han desarrollado el servicio tecnológico para el análisis y visualización de datos de salud pública y registros hospitalarios en la pandemia COVID-19 utilizando Machine Learning Automatizado e Inteligencia Artificial, el cual permite la construcción en tiempo real de modelos predictivos para la detección temprana de casos sintomáticos y asintomáticos, monitoreo e identificación de medidas de mitigación del contagio y formulación de posibles medidas adicionales susceptibles de optimizarse a partir de la analítica predictiva, tales como:
- Readmitidos por enfermedades respiratoria
- Disponibilidad de camas
- Tracking del virus por redes sociales
- Nivel de riesgo por Municipio
- Predecir por dónde el virus se esparcirá próximamente
- Predecir el número de personas con síntomas que no han sido diagnosticados
- Predecir la longitud del periodo de incubación del paciente basado en sus síntomas actuales
- Predecir cuales áreas necesitarían que suplementos
Con base en la información disponibles en los portales de datos públicos de la ciudad de Bogotá como son SALUDATA y Datos Abiertos Bogotá se desarrolló un modelo de predicción de nuevos casos por localidad utilizando Machine Learning. El análisis descriptivo y predictivo puede ser consultado en el siguiente Dashboard.
El Dashboard presenta la curva de casos positivos en Bogotá, para establecer tendencias lineales, exponenciales y polinomiales, así como las cinco localidades con mayor afectación de casos positivos por la pandemia, la relación de casos según grupo hectáreo, la descripción diaria de las últimas dos semanas frente aumento o disminución de nuevos casos, los casos según localidad y el modelo predictivo utilizando series de tiempo para predecir los nuevos casos.
Este modelo es monitoreado diariamente y se buscan nuevas variables para una predicción con mayor precisión.
Informes:
Facultad de Ingeniería
ingenieria@ucatolica.edu.co