Behavioral Analysis of COVID-19 Medical Data using Artificial Intelligence

Authors

  • Roberto Carlos Hernández Aparicio Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
  • María del Carmen Santiago Díaz Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
  • Ana Claudia Zenteno Vázquez Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
  • Judith Pérez Marcial Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla
  • Gustavo Trinidad Rubín Linares Facultad de Ciencias de la Computación, Benemérita Universidad Autónoma de Puebla

DOI:

https://doi.org/10.47187/perspectivas.6.2.224

Keywords:

COVID-19, Artificial Intelligence, Multiple Choice, Decision Tree

Abstract

The COVID-19 pandemic has generated a global health crisis, and having tools that allow the disease to be efficiently managed is of vital importance. In this context, artificial intelligence offers a unique opportunity to analyze large volumes of medical data and obtain valuable information that can contribute to medical decision-making and improve management of the pandemic. In this work, artificial intelligence techniques are applied to model the results obtained from COVID-19 databases in Mexico.

Métricas

References

Información basíca sobre la COVID-19. (n.d.). https://www.who.int/es/news- room/questions-and-answers/item/coronavirus-disease-covid-19.

Enfermedad por el Coronavirus (COVID-19) | OPS/OMS | Organización Panamericana de la Salud. (n.d.). https://www.paho.org/es/enfermedad-por- coronavirus-covid-19.

Jurídico, F. (2021, 5 junio). La inteligencia artificial podría ser la solución contra el coronavirus Foro jurídico. Foro Jurídico. https://forojuridico.mx/la-inteligencia-artificial-podria-ser-la-solucion-contra-el-coronavirus/.

Asale, R.-. (n.d.). epidemia | Diccionario de la lengua española. «Diccionario De La Lengua Española» - Edición Del Tricentenario. https://dle.rae.es/epidemia.

Hernández-Morales, M. D. R., Maldonado-Castañeda, S., Mancilla-Hernández, E., Amaro-Zarate, I., Aguirre-Barbosa, M., & Nazarala-Sanchez, S. (2023). [Frequency of clinical characteristics and factors associated with mortality in patients hospitalized for COVID-19 in Puebla, Mexico]. Revista Alergia Mexico (Tecamachalco, Puebla, Mexico : 1993), 69(2), 67–71. https://doi.bibliotecabuap.elogim.com/10.29262/ram.v69i2.1146.

Sánchez-Xicotencatl, C. O., Campillo-Labrandero, M., Esparza-Meza, E. M., Stincer-Gómez, D., Rojo-Solís, A. L. T., & Aveleyra-Ojeda, E. (2022). Experiencias de los adolescentes frente al confinamiento y la pandemia de la COVID-19. Revista de Psicopatologia y Psicologia Clinica, 27(3), 169–178. https://doi.org/10.5944/rppc.30938.

Jacalyn Duffin. (2022). COVID-19 : A History. McGill-Queen’s University Press. https://ebsco.bibliotecabuap.elogim.com/login.aspx?direct=true&db=e000xww&AN= 3561910&lang=es&site=eds-live.

COVID-19 Tablero México. (n.d.). COVID - 19 Tablero México. https://datos.covid- 19.conacyt.mx/.

Elsheikh, A. H., Saba, A. I., Panchal, H., Shanmugan, S., Alsaleh, N. A., & Ahmadein, M. (2021). Artificial intelligence for Forecasting the Prevalence of COVID-19 Pandemic: An Overview. Healthcare, 9(12), 1614. https://doi.org/10.3390/healthcare9121614.

Santos, A. J. D., Almeida, D., De Jesus, E. M., Santos, J. B. D., Da Silva, M. M., & Barreto, M. (2020). Inteligência artificial e COVID-19. En EDUFBA eBooks. https://doi.org/10.9771/9786556300757.009.

Vaishya R, Javaid M, Khan IH, et al. Artificial Intelligence (AI) applications for COVID-19 pandemic. Diabetes Metab. Syndr. Clin. Res. Rev. 2020 [acesso em 2021 ago 23]; 14(4):337-339. Disponible en https://doi.org/10.1016/j.dsx.2020.04.012.

Lalmuanawma, S., Hussain, J., & Chhakchhuak, L. (2020). Applications of Machine learning and Artificial intelligence for COVID-19 (SARS-COV-2) pandemic: a review. Chaos, Solitons & Fractals, 139, 110059. https://doi.org/10.1016/j.chaos.2020.110059.

¿Qué es la minería de datos? La minería de datos, explicada - AWS. (n.d.). Amazon Web Services, Inc. https://aws.amazon.com/es/what-is/data-mining/.

Barrientos Martínez, R. E., Cruz Ramírez, N., Acosta Mesa, H. G., Rabatte Suárez, I., Gogeascoechea Trejo, M. del C., Pavón León, P., & Blázquez Morales, S. L. (2009). Árboles de decisión como herramienta en el diagnóstico médico. Revista Médica de la Universidad Veracruzana, 9(2). https://www.uv.mx/rm/num_anteriores/revmedica_vol9_num2/contenido/index.htm.

J. Curvas ROC (Receiver-Operating-Characteristic) y sus aplicaciones. Ana Rocío del Valle Benavides, Universidad de Sevilla,Departamento de Estadística e Investigación Operativa.

Batista, G.E.A.P.A, Prati, R.C, Monard, M.C. A study of the behavior of several methods for balancing machine learning training data, SIGKDD Explor Newslett, 6(1),20-29, (2004).

Información referente a casos COVID-19 en México - datos.gob.mx/busca. (n.d.). https://datos.gob.mx/busca/dataset/informacion-referente-a-casos-covid-19-en-mexico.

Published

2024-05-14

How to Cite

[1]
R. C. Hernández Aparicio, M. del C. Santiago Díaz, A. C. Zenteno Vázquez, J. Pérez Marcial, and G. T. Rubín Linares, “Behavioral Analysis of COVID-19 Medical Data using Artificial Intelligence”, Perspectivas, vol. 6, no. 2, May 2024.

Issue

Section

Artículos arbitrados

Similar Articles

You may also start an advanced similarity search for this article.