I Simposio de Postgrado 2023. Ingeniería, ciencias e innovación

MÓDULO_ 03 Computación y Ciencias de datos 62 MODELOS DE PREDICCIÓN DE OCUPACIÓN DE CAMAS POR INFECCIÓN RESPIRATORIA AGUDA (IRA) EN EL HOSPITAL PEDIÁTRICO LUIS CALVO MACKENNA Héctor Ramírez 1 , Víctor Riquelme 2 , Cristóbal Bravo S. 3 , Carla Castillo 4 , Pedro Gajardo 5 1 Centro de Modelamiento Matemático, Universidad de Chile. 2 Departamento de Ingeniería Matemática, Universidad de Chile. 3 Departamento de Postgrado, Universidad de Chile. *Email: cristobalbravosilva@gmail.cl RESUMEN El Hospital Dr. Luis CalvoMackenna (HLCM) enfrenta cada invier- no alta demanda de camas debido a las alzas de hospitalizaciones por infecciones respiratorias agudas (IRA). Para ello cuenta con los recursos de la campaña de invierno entregados por el estado y para un uso efectivo es de crucial importancia predecir con precisión el peak de uso de camas por IRA. El objetivo de este trabajo de tesis es robustecer la predicción del peak de demanda hospitalaria por causas respiratorias enpoblación infantilmediante el uso de herra- mientas deMachine Learning ymodelos epidemiológicos. El modelo de predicción del uso de camas desarrollado en esta te- sis tiene como eje central un modelo epidemiológico que modela las hospitalizaciones por IRA (causadas principalmente por el vi- rus sincicial) y como complemento a este modelo se desarrolla un modelo de Deep Learning basado en redes neuronales recurrentes. Los modelos epidemiológicos describen los flujos que existen entre tres grupos: los susceptibles a ser infectados por un virus, los in- fectados y los recuperados. En el modelo escogido, los recuperados poseen una inmunidad que se pierde con el tiempo, pasando a ser susceptibles otra vez. Estos flujos están descritos por un sistema de tres ecuaciones diferenciales. En nuestromodelo, añadimos una hi- pótesis de proporcionalidad entre los infectados del virus sincicial y los hospitalizados en el HLCM. Así, podemos ajustar el modelo a los datos y generar una proyección sobre la ocupación de camas. El modelo epidemiológico se verá complementado y reforzado con un modelo de redes neuronales recurrente que posea como datos de entrada las consultas, las hospitalizaciones, calidad del aire, humedad y temperatura. Esta red es corregida por la proyección generada por el modelo epidemiológico, y con ello se genera una proyección robusta que permite estimar el peak de ocupación de camas por IRA.