Modelo basado en clasificadores difusos para el diagnóstico de covid-19 en la región Lambayeque, 2020

Abstract

Las medidas de contención, mitigación y prevención que los gobiernos han aplicado en todo el mundo no parecen ser suficientes para evitar la propagación del Covid-19. El número de infectados y muertos sigue aumentando cada día, lo que pone a prueba la capacidad y la infraestructura de los hospitales y centros médicos. Por ello, es necesario desarrollar nuevos métodos de diagnóstico basados en los síntomas de los pacientes que permitan generar alertas tempranas para un tratamiento adecuado. Este trabajo presenta un nuevo método en desarrollo para el diagnóstico del Covid-19, basado en los síntomas de los pacientes y en el uso de clasificadores difusos. Se fuzzificaron once (11) variables: malestar general, contacto externo, edad, sexo, fiebre, tos, disnea, producción de flema, mialgia, dolor de cabeza y diarrea. Con estas variables seleccionadas, se establecieron 4096 reglas de conocimiento y, finalmente, se utilizó el método del centro de masa para generar los resultados del diagnóstico. El método se probó con una base de datos de registros clínicos de pacientes sintomáticos y asintomáticos de Covid-19. Al probar el modelo propuesto con datos de pacientes sintomáticos, obtuvimos un 100% de precisión y un 100% de especificidad. Los pacientes según sus síntomas se clasifican en dos clases, lo que permite detectar a los pacientes que requieren atención inmediata de los que tienen síntomas más leves.

The containment, mitigation and prevention measures that governments have implemented worldwide do not appear to be sufficient to prevent the spread of Covid-19. The number of infected and dead continues to increase every day, straining the capacity and infrastructure of hospitals and medical centers. Therefore, there is a need to develop new diagnostic methods based on patients' symptoms to generate early alerts for appropriate treatment. This paper presents a new method under development for the diagnosis of Covid-19, based on patient symptoms and the use of fuzzy classifiers. Eleven (11) variables were fuzzified: general malaise, external contact, age, sex, fever, cough, dyspnea, phlegm production, myalgia, headache and diarrhea. With these selected variables, 4096 knowledge rules were established and, finally, the center of mass method was used to generate the diagnostic results. The method was tested with a database of clinical records of symptomatic and asymptomatic patients from Covid-19. By testing the proposed model with symptomatic patient data, we obtained 100% precisión and 100% specificity. Patients according to their symptoms are classified into two classes, which allows us to detect patients requiring immediate attention from those with milder symptoms