Services on Demand
Journal
Article
Indicators
- Cited by SciELO
- Access statistics
Related links
- Cited by Google
- Similars in SciELO
- Similars in Google
Share
Revista de la Universidad Industrial de Santander. Salud
Print version ISSN 0121-0807On-line version ISSN 2145-8464
Abstract
POLO-TRIANA, Sonia Isabel et al. Métodos de aprendizaje automático para predecir el comportamiento epidemiológico de enfermedades arbovirales: revisión estructurada de literatura. Rev. Univ. Ind. Santander. Salud [online]. 2023, vol.55, e63. Epub Dec 01, 2023. ISSN 0121-0807. https://doi.org/10.18273/saluduis.55.e:23017.
Introducción:
Los métodos de aprendizaje automático permiten manejar datos estructurados y no estructurados para construir modelos predictivos y apoyar la toma de decisiones.
Objetivo:
Identificar los métodos de aprendizaje automático aplicados para predecir el comportamiento epidemiológico de enfermedades arbovirales utilizando datos de vigilancia epidemiológica.
Metodología:
Se realizó búsqueda en EMBASE y PubMed, análisis bibliométrico y síntesis de la información.
Resultados:
Se seleccionaron 41 documentos, todos publicados en la última década. La palabra clave más frecuente fue dengue. La mayoría de los autores (88,3 %) participó en un artículo de investigación. Se encontraron 16 métodos de aprendizaje automático, el más frecuente fue Red Neuronal Artificial, seguido de Máquinas de Vectores de Soporte.
Conclusiones:
En la última década se incrementó la publicación de trabajos que pretenden predecir el comportamiento epidemiológico de arbovirosis por medio de diversos métodos de aprendizaje automático que incorporan series de tiempo de los casos, variables climatológicas, y otras fuentes de información de datos abiertos.
Keywords : Revisión; Infecciones por arbovirus; Vigilancia en salud pública; Predicción; Aprendizaje automático; Bibliometría.