Aplicación de modelos de Machine Learning para análisis y prevención de COVID-19

Abstract

La finalidad de este trabajo ha sido la aplicación de diferentes técnicas de Machine Learning, utilizando como herramienta el lenguaje de programación Python, para tratar de predecir diferentes variables relacionadas con la evolución de la COVID-19. Las variables por predecir han sido el número de positivos, el número de hospitalizados, el número de ingresos en UCI y el número de defunciones y las predicciones se han hecho a partir de los datos obtenidos del portal SIVIC, gestionado por la Generalidad de Cataluña, por lo que son datos pertenecientes a esta comunidad. Las predicciones se han realizado a una, tres y cinco semanas vista, aunque este rango se podría variar con pequeñas modificaciones. Mediante las técnicas de Machine Learning proporcionadas por Python ha sido posible realizar diferentes estimaciones a partir de los datos existentes, así como la estimación de errores correspondiente para estudiar la calidad de los resultados. El objetivo del trabajo es obtener predicciones fiables, en los periodos de tiempo mencionados, y que estas sean de utilidad para estar prevenidos ante la aparición de nuevos contagios.

The aim of this project has been the application of different Machine Learning techniques, using the Python programming language as a tool, to try to predict different variables related to the evolution of COVID-19. The variables to be predicted are the number of positives, the number of hospitalized patients, the number of admissions to the ICU and the number of deaths, and the forecasts have been made on the basis of data obtained from the SIVIC portal, managed by the Generalidad de Cataluña, and are therefore data pertaining to this community. The predictions have been made one, three and five weeks ahead, although this range could be varied with small modifications. Using Machine Learning techniques provided by Python, it has been possible to make different estimates from the existing data, as well as the corresponding error estimation to study the quality of the results. The aim of the work is to obtain reliable predictions, over the aforementioned periods of time, which will be useful in preventing the emergence of new cases of infection.