Evaluación del impacto de las medidas de confinamiento sobre la propagación de la enfermedad COVID-19 mediante técnicas de aprendizaje automático

Abstract

RESUMEN: El brote de la enfermedad COVID-19, causada por el virus SARS-CoV- 2, ha afectado a más de 170 países, acumulando más de 25 millones de contagios y miles de muertes en todo el mundo. Siendo así una de las mayores pandemias mundiales vividas en la historia. No existe tratamiento efectivo contra la enfermedad, lo que ha hecho que los gobiernos adopten medidas de confinamiento para frenar la expansión del virus. En este trabajo se aplican técnicas de aprendizaje automático para evaluar el impacto de las medidas de confinamiento sobre la propagación de la enfermedad en España. El objetivo es diseñar un modelo que pueda aplicar- se sobre los datos a nivel provincial y que permita predecir la evolución de la pandemia en un periodo corto de plazo. En particular, se pretende estudiar qué medidas de distanciamiento social fueron más efectivas a la hora de frenar su expansión. Se han calculado tanto el número básico reproductivo como el porcentaje de incremento de casos a partir del número de contagios por día. Posteriormente se han ajustado un modelo random forest y una red neuronal perceptrón multicapa y se ha comprobado cuál de los dos tiene mejor desempeño. Finalmente, se ha evaluado qué medidas de confinamiento tuvieron mayor impacto a la hora de frenar el virus creando nuevos escenarios y viendo como afectan a las variables objetivo.

ABSTRACT: The outbreak of COVID-19 disease, caused by the SARS-CoV-2 virus, has affected more than 170 countries, accumulating more than 25 million infections and thousands of deaths worldwide. This is one of the largest global pandemics in history. There is no effective treatment against the disease, which has led governments to adopt containment measures to stop the spread of the virus. In this paper, machine learning techniques are applied to assess the impact of containment measures on the spread of the disease in Spain. The objective is to design a unique model that can be applied to data by province and that will allow the prediction of the evolution of the pandemic in a short period of time. In particular, it is intended to study which social distancing measures were most effective in slowing its expansion. Both the basic reproductive number and the percentage of increase in cases based on the number of infections per day have been calculated. Subsequently, a random forest model and a multi-layer perceptron neural network have been adjusted and it has been proven which of the two has better performance. Finally, it has been evaluated which containment measures had the greatest impact in stopping the virus by creating new scenarios and seeing how they affect the target variables.