Servicios Personalizados
Revista
Articulo
Indicadores
- Citado por SciELO
- Accesos
Links relacionados
- Citado por Google
- Similares en SciELO
- Similares en Google
Compartir
Revista de la Universidad Industrial de Santander. Salud
versión impresa ISSN 0121-0807versión On-line ISSN 2145-8464
Resumen
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 01-Dic-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.
Palabras clave : Revisión; Infecciones por arbovirus; Vigilancia en salud pública; Predicción; Aprendizaje automático; Bibliometría.