Prototipo de un modelo logístico-inteligente basado en aprendizaje de máquina supervisado, que facilite el acceso oportuno al servicio prehospitalario, en estado de emergencia por Covid-19.

Abstract

La llegada del virus COVID-19 al país significó un gran desafío para todas las áreas de trabajo y una de las áreas mayormente afectadas por el virus fue el sistema de salud pública, que debido a la creciente cantidad de llamadas de emergencia relacionadas con COVID-19, los servicios prehospitalarios terminaron por saturarse, a tal punto que hubo un aumento muy significativo en los tiempos de respuesta a las llamadas de auxilio; lo que derivó en resultados fatales, motivo por el cual el presente estudio propone el diseño de un modelo predictivo de servicios prehospitalarios mediante el uso de algoritmos supervisados de aprendizaje de máquina que permita mejorar los tiempos de respuesta en casos de emergencia relacionados con COVID 19, el mismo que por medio del uso de las metodologías de investigación documental y científica se logra obtener las variables relacionadas con los servicios prehospitalarios, permitiendo determinar que los algoritmos a usar en este trabajo serían Random Forest y K NN, teniendo en cuenta que algoritmos aplicar, se realizar la aplicación de las metodologías de desarrollo de prototipo, Knowledge Discovery in Databases (KKD) y Pasos para la Construcción de un Modelo de Machine Learning, las cuales ayudaron al diseño y desarrollo del prototipo, y de esta forma se vuelve posible obtener de manera tangible los resultados del proceso investigativo, llegando a predecir el hospital más cercano al paciente con caso de COVID-19, obteniendo un porcentaje de precisión de 0,996 en el modelo que usa Random Forest y 0.86 en el de K-NN, permitiendo al modelo ser un asistente de apoyo a la toma de decisión del operador automatizando el proceso, por consiguiente, reduciendo el tiempo de respuesta del servicio prehospitalario.

The arrival of the COVID-19 virus in the country meant a great challenge for all areas of work and one of the areas most affected by the virus was the public health system, which due to the increasing number of emergency calls related to COVID-19, the pre-hospital services ended up being saturated, to such an extent that there was a significant increase in response times to calls for help; This is the reason why this study proposes the design of a predictive model of pre-hospital services through the use of supervised Machine Learning algorithms to improve response times in emergency cases related to COVID-19, the same that through the use of documentary and scientific research methodologies is achieved to obtain the variables related to pre-hospital services, allowing to determine that the algorithms to be used in this work would be Random Forest and K-NN, Taking into account which algorithms to apply, the application of the prototype development methodologies, Knowledge Discovery in Databases (KKD) and Steps for the Construction of a Machine Learning Model, which helped in the design and development of the prototype, and in this way it becomes possible to obtain in a tangible way the results of the research process, predicting the closest hospital to the patient with COVID 19 case, obtaining an accuracy percentage of 0.996 in the model that uses Random Forest and 0.86 in the K-NN model, obtaining an accuracy percentage of 0.86 in the K-NN model. 86 in the K-NN model, allowing the model to be an assistant to support the operator's decision making, automating the process and consequently reducing the response time of the prehospital service.