Abstract
La tuberculosis (TB) es la décimo tercera causa de muerte en el mundo,
en Colombia el país ha adoptado la “Estrategia Mundial denominada Fin a
la TB 2016-2035” a fin de mitigar el contagio y muertes por la enferme
dad. En el análisis de la TB se han definido variables tales como la edad,
sexo, las condiciones de salubridad y residencia del paciente. Variables
que están asociadas al desarrollo más temprano de esta enfermedad,
no obstante, no se ha confirmado que necesariamente sean estas quie
nes determinen una condición mortal en el paciente. Es por ello que a
través de un modelo machine learning se determinan las características
más importantes que están relacionadas con la evolución de la enferme
dad TB y caracterizar los perfiles de pacientes con TB, de acuerdo a la
información de las bases de datos de la plataforma de notificación de
eventos en salud pública SIVIGILA y así poder estimar el porcentaje de
mortalidad que puede llegar a tener un paciente de TB. Realizando la
implementación se pudo mejorar el modelo base del modelo basado en
reglas siendo el Quadratic Discriminant Analysis el mejor por sus métri
cas las cuales no son muy buenas pero tienen una tendencia de superar
el modelo base
References
Becker, A., Blüthgen, C., van, V., Sekaggya-Wiltshire, C., Castelnuovo, B., Kambugu, A., Fehr, J.,
and Frauenfelder, T. (2018). Detection of tuberculosis patterns in digital photographs of chest x-ray
images using deep learning: Feasibility study. The international journal of tuberculosis and lung disea
se : the official journal of the International Union against Tuberculosis and Lung Disease, 22:328–335, DOI:
5588/ijtld.17.0520.
Curioso, W. H. and Brunette, M. J. (2020). Inteligencia artificial e innovación para optimizar el proceso
de diagnóstico de la tuberculosis. Revista Peruana de Medicina Experimental y Salud Pública, 37(3):554–8,
DOI: 10.17843/rpmesp.2020.373.5585, https://doi.org/10.17843/rpmesp.2020.373.5585.
Larico Cruz, C. M. (2009). Conocimientos de las medidas preventivas y actitudes en el autocuidado
de pacientes con tuberculosis pulmonar en el centro de salud los libertadores en noviembre–diciembre
Melendez, J., Sánchez, C. I., Philipsen, R. H. H. M., Maduskar, P., Dawson, R., Theron, G., Dheda, K.,
and van Ginneken, B. (2016a). An automated tuberculosis screening strategy combining x-ray-based
computer-aided detection and clinical information. Scientific reports, 6:25265, ISSN: 2045-2322, DOI:
1038/srep25265.
Melendez, J., Sánchez, C. I., Philipsen, R. H. H. M., Maduskar, P., Dawson, R., Theron, G., Dheda, K.,
and van Ginneken, B. (2016b). An automated tuberculosis screening strategy combining x-ray-based
computer-aided detection and clinical information. Scientific reports, 6:25265, ISSN: 2045-2322, DOI:
1038/srep25265, https://europepmc.org/articles/PMC4850474.
Organization, W. H. (2019). Global tuberculosis report 2019. World Health Organization.
SIVIGILA (2022).
Data: Sistema de vigilancia en salud pública.
https://colab.research.google.com/drive/ Accedido: 16 de mayo de 2022".
Disponible en