Modelo de clasificación machine learning para pronosticar secuelas físicas en pacientes post COVID

Aug 5, 2026

Subido por Patrick

El estudio desarrolla un modelo de clasificación basado en machine learning para pronosticar secuelas físicas en pacientes post-COVID. El Covid-19 puede generar, tras el periodo de recuperación, manifestaciones como tos, pérdida de olfato, dolores musculares y cefalea, con impacto clínico y consecuencias fatales. Se emplearon datos de 1436 observaciones de pacientes positivos del Hospital Universitario Departamental de Nariño, con información sobre la variable de secuelas físicas. El mejor desempeño se obtuvo con árboles de clasificación (AUC=0.73) para apoyar la identificación temprana y la gestión hospitalaria.

IdiomaSpanish

CategoríaSalud y Atención Médica

FormatoPDF

Páginas10

Tiempo de lectura15 min

AccesoGratis para descargar

Tabla de contenidos

Introducción

Transmisión y manifestaciones clínicas de la enfermedad

Necesidad de información sobre secuelas post-COVID

Panorama epidemiológico en Colombia y Nariño

Resumen del estudio

Diseño: modelo de clasificación con machine learning

Datos: 1436 observaciones del hospital

Resultados: desempeño del modelo (AUC 0.73)

Conclusiones y utilidad del modelo

MODELO DE CLASIFICACIÓN MACHINE LEARNING PARA PRONOSTICAR SECUELAS FÍSICAS EN PACIENTES POST COVID MACHINE LEARNING CLASSIFICATION MODEL TO PREDICT PHYSICAL SEQUELS IN POST-COVID PATIENTS José Julián Figueroa Arias, [jjfigueroaa@libertadores.edu.co](jjfigueroaa@libertadores.edu.co)[ ](jjfigueroaa@libertadores.edu.co)José John Fredy González Veloza, [jj](jjgonzalezv02@libertadores.edu.co)[gonzalezv02@libertadores.edu.co](jjgonzalezv02@libertadores.edu.co) RESUMEN El Covid 19 es un virus infeccioso que produce un síndrome respiratorio agudo severo, yentre los síntomas más frecuentes son los síntomas respiratorios, la fiebre y tambiénsíntomas gastrointestinales. Una de las características de este virus es que luego del periodode recuperación, en algunos casos se presentan secuelas físicas tales como tos, pérdida deolfato, dolores musculares, dolor de cabeza, etc, secuelas que han ocasionado víctimas fatales en todo el mundo. Por lo tanto, en este estudio se realizó un modelo de clasificación machine learning para pronosticar secuelas físicas en pacientes postcovid, como muestra seutilizó información de 1436 observaciones de pacientes del Hospital Universitario Departamental de Nariño quienes resultaron positivos para covid 19, luego de larecuperación de estos pacientes se obtuvo información sobre la variable de interés para esté estudio que fue la presentación de secuelas físicas post covid. Se obtuvo que el modelo con mejores métricas de desempeño fue el de árboles de clasificación con auc de 0.73. Seconcluye que el modelo de clasificación es útil para identificar los posibles casos deindividuos con secuelas postcovid y de esa manera gestionar las acciones hospitalarias paradisminuir complicaciones y víctimas fatales después del periodo de recuperación causado por el virus Covid – 19. Palabras clave: Covid 19, secuelas físicas, machine learning, modelo de clasificación. ABSTRACT Covid 19 is an infectious virus that produces a severe acute respiratory syndrome, and among the most frequent symptoms are respiratory symptoms, fever and also gastrointestinal symptoms. One of the characteristics of this virus is that after the recovery period, in some cases there are physical sequelae such as coughing, loss of smell, muscle pain, headache, etc., sequelae that have caused fatalities throughout the world. Therefore, in this study, a machine learning classification model was carried out to predict physical sequelae in postcovid patients, as a sample, information was obtained from 1436 observations of patients from the Nariño Departmental University Hospital who were positive for covid 19, after recovery. Information was obtained from these patients on the variable of interest for this study, which was the presentation of post-COVID physical sequelae. It was found that the model with the best performance metrics was the classification tree with auc of 0.73. It is concluded that the classification model is useful to identify possible cases of individuals with post-covid sequelae and thus manage hospital actions to reduce complications and fatalities after the recovery period caused by the Covid-19 virus. Keywords: Covid 19, physical sequelae, machine learning, classification model. INTRODUCCIÓN El primero de diciembre de 2019, en la ciudad de Wuhan, China se detecta el primer paciente sintomático del virus SARS-CoV-2, las manifestaciones clínicas son similares alas de una neumonía viral. La OMS, en colaboración con la Organización Mundial de Sanidad Animal y la Organización de las Naciones Unidas para la Alimentación y la Agricultura, denominaron a la enfermedad Covid-19 (OMS, 2020) . Diversos estudios argumentan que el Covid – 19 presenta varias rutas de transmisión, entre las cuales seencuentran las rutas por contacto directo tales como inhalación de gotas gruesas ypequeñas, tos y estornudos. También se encontró que la transmisión puede producirse mediante el contacto con personas que tienen el virus Covid 19, pero

Preguntas frecuentes

Qué pretende el estudio sobre los pacientes post-COVID?

Desarrolla un modelo de clasificación con machine learning para pronosticar secuelas físicas en pacientes después de la recuperación de la enfermedad.

Qué datos se usaron para entrenar y evaluar el modelo?

Se utilizó información de 1436 observaciones de pacientes del Hospital Universitario Departamental de Nariño que resultaron positivos para COVID-19.

Cuál fue el modelo con mejor desempeño y cómo se midió?

El mejor desempeño correspondió a árboles de clasificación, con AUC de 0.73.

Aug 5, 2026

Subido por Patrick