| Journal: | Innovación y software |
| Database: | PERIÓDICA |
| System number: | 000446215 |
| ISSN: | 2708-0935 |
| Authors: | Mayta Avalos, César1 Valdivia Mamani, Jesús Cristian1 Rosales Castilla, Fernando1 Gines Colana, Milca1 |
| Institutions: | 1Universidad Nacional Jorge Basadre Grohmann, Tacna. Perú |
| Year: | 2021 |
| Season: | Sep-Feb |
| Volumen: | 2 |
| Number: | 2 |
| Pages: | 14-26 |
| Country: | Perú |
| Language: | Español |
| Document type: | Artículo |
| Approach: | Aplicado, descriptivo |
| Spanish abstract | Con el desarrollo de la pandemia en Perú, la cantidad de fallecidos ha ido en aumento y lamentablemente no se han tomado las medidas adecuadas, esto por no tener una herramienta que nos permita saber la cantidad de fallecidos posibles en un tiempo determinado. El objetivo del presente artículo es proponer una herramienta capaz de predecir la cantidad de fallecidos por COVID-19 en función del tiempo. La metodología utilizada fue redes neuronales artificiales utilizando series temporales con información obtenida del Ministerio de Salud del estado peruano a través de su portal de datos abiertos. Los resultados alcanzados tuvieron un error cuadrático medio de 0.0037 y pérdida de 0.0480. Los resultados obtenidos a lo largo del artículo confirman la validez de esta herramienta y la efectividad en la predicción de la cantidad de fallecidos a causa del COVID 19 |
| English abstract | With the development of the pandemic in Peru, the number of deaths has been increasing and unfortunately the appropriate measures have not been taken, this because we do not have a tool that allows us to know the number of possible deaths in a given time. The objective of this article is to propose a tool capable of predicting the number of deaths from COVID-19 as a function of time. The methodology used was artificial neural networks using time series with information obtained from the Ministry of Health of the Peruvian state through its open data portal. The results achieved had a mean square error of 0.0037 and a loss of 0.0480. The results obtained throughout the article confirm the validity of this tool and its effectiveness in predicting the number of deaths from COVID 19 |
| Disciplines: | Medicina, Ciencias de la computación |
| Keyword: | Salud pública, Redes, COVID-19, Predicción, Mortalidad, Inteligencia artificial, Series de tiempo |
| Keyword: | Public health, Networks, COVID-19, Prediction, Mortality, Artificial intelligence, Time series |
| Full text: | Texto completo (Ver PDF) Texto completo (Ver HTML) |
