Chilam – Laboratorio para la simulación de Sistemas Complejos y Adaptativos

Introducción

La pandemia de Covid-19 causa angustia, pérdidas humanas y crisis económica a todas las naciones del mundo.
A un año del primer paciente infectado con el virus SARS-CoV-2 en Wuhan China, 137 millones de personas se infectaron y casi 3 millones fallecieron por Covid-19.

Objetivo de los modelos

¿Podemos predecir los riesgos de la Covid-19?
La plataforma de inteligencia epidemiolóǵca EpIPUMA genera predicciones entrenadas con datos históricos de miles de condiciones diferentes.

Modelo predictivo de ensamble de personas

EpIPUMA predice el riesgo personal de morir por Covid-19 basado en la vulnerabilidad (grupo de edad) y el riesgo de Covid-19 en el municipio de residencia. La vulnerabilidad al Covid-19 y la exposición al coronavirus SARS-CoV-2 se combinan en el modelo de ensamble, para predecir el número de personas que probablemente morirá en cada municipio.

Mapa. La precisión se define aquí como los municipios en los que se predice el número mas alto de fallecidos (azul), que se confirman por el número de personas fallecidas en el municipio (rojo).

Aprendizaje de máquinas

Un sistema complejo como la pandemia de la Covid-19 es adaptativo y por ello el aprendizaje de máquinas es fundamental en EpIPUMA.
EpIPUMA aprende y evalua las relaciones predictivas al considerar toda la información disponible, por ejemplo demografia, movilidad y vulnerabilidad de las personas.

Nube de palabras. Los factores de riesgo asociados a la detección de casos de Covid-19 en municipios sin casos cambian continuamente.