Calculadora de riesgo de muerte Monitor de emociones Tipologías de características

Instrucciones

La calculadora le mostrará una estimación de la probabilidad de fallecer una vez tenga una infección por SARS-COV-2 confirmada.

Ingrese su edad, sexo y, si es mujer, debe especificar si está en embarazo o no. Además, agregue sus comorbilidades, como por ejemplo, Asma o Diabetes.

* Campo obligatorio



Ver detalles

Detalles técnicos de la calculadora de riesgo de muerte

La calculadora consiste en un modelo basado en ensembles de árboles de decisión llamado Light Gradient Boosting Model (LightGBM). A diferencia de otros modelos basados en árboles, este tiene una muy buena eficiencia computacional. Se utilizó una optimización bayesiana para escoger los mejores hiperparámetros. La métrica para el optimizador del modelo fue el área bajo la curva Receiving Operating Characteristic (ROC). Se realizó una calibración de probabilidades con una función sigmoid para hacer las predicciones.

Los datos para entrenar el modelo fueron extraídos de la base de datos recopilados por el Gobierno de México presentes en https://coronavirus.gob.mx/datos/#DownZCSV. Estos datos contienen información clave de los infectados por covid-19 incluyendo su edad, género y comorbilidades.

El resultado final obtuvo un Área bajo la curva ROC (en inglés, AUC) de 90%.


Monitor de emociones
Panel de información sobre las reacciones y emociones de las personas durante la pandemia Covid-19.

Colombia

Ciudades

Cuentas
Instrucciones
  • Selecciona un rango de fechas.
  • Haz clic sobre una emoción en la leyenda para interactuar.
  • Haz doble-clic sobre una emoción en la leyenda para filtrarla.

Seleccione un rango de fechas:


Instrucciones
  • Selecciona un rango de fechas.
  • Selecciona una ciudad.
  • Haz clic sobre una emoción en la leyenda para interactuar.
  • Haz doble-clic sobre una emoción en la leyenda para filtrarla.

Seleccione un rango de fechas:

Seleccione una ciudad:


Instrucciones
  • Selecciona un rango de fechas.
  • Selecciona una cuenta de Twitter.
  • Haz clic sobre una emoción en la leyenda para interactuar.
  • Haz doble-clic sobre una emoción en la leyenda para filtrarla.

Seleccione un rango de fechas:

Seleccione una cuenta:

@

Ver detalles técnicos del modelo

Detalles técnicos del modelo para el módulo Monitor de emociones Twitter

El objetivo del modelo utilizado es la detección y clasificación de emociones en tweets publicados. Para así encontrar y monitorear los cambios en las emociones básicas de los usuarios de Twitter, por regiones o cuentas principales.

Este modelo es ajustado mediante una arquitectura Transformer de compresión de lenguaje, específicamente a través del modelo BETO, basado en redes neuronales pre-entrenadas en un corpus de español y posteriormente ajustadas al lenguaje especifico de Twitter.

Se utilizó TensorFlow para entrenar el modelo de clasificación de sentimiento, y de esta manera se encontraron los pesos que aprende la arquitectura.

Los pesos encontrados son almacenados en un bucket S3 de AWS, donde también se desplegó una instancia EC2 para generar un API de consulta de datos. Mediante la cual es posible clasificar los tweets de acuerdo a sus emociones, para así generar valiosos agregados en rangos de tiempo, por ciudades o cuentas de Twitter.

Realizamos cuatro experimentos de validación como sigue. 1. El modelo BETO, con el mismo pre-proceso de los datos de entrenamiento, pero eliminando los léxicos. 2. Comprobando los léxicos asociados a una emoción en el tweet y etiquetando esa emoción. 3. El modelo BETO, con el mismo pre-proceso que el algoritmo de entrenamiento, pero sin eliminar los léxicos. 4. Igual que el primero, pero utilizando incrustaciones multilingües y una regresión logística.

La siguiente tabla muestra la precisión media, el hamming loss y el Valor F1 medio de los experimentos en el conjunto de datos de validación. El modelo que estamos usando, actualmente, es el que usa incrustaciones multilingües y una regresión logística, es decir, el experimento #4. La precisión promedio y el valor F1 medio son mejores con valores más altos, y el hamming loss es mejor con valores más bajos. Los números resaltados son el mejor resultado para cada métrica.

Los resultados obtenidos con diferentes métricas de validación en el set de validación fueron los siguientes:

Los datos se actualizan 1 vez al día.


Tipologías de caracteristicas socioeconómicas y epidémicas
El sistema permite monitorear el comportamiento socio-económico de los departamentos de Colombia en la medida que se van dando cambios en la dinámica de la pandemia COVID-19.

Instrucciones
Si quiere observar el comportamiento socioeconómico de los departamentos de Colombia en la medida que se van dando cambios en la dinámica de la pandemia COVID19 en la próxima semana, usted debe:
  • Ubicarse en el mapa, aquí observa agrupaciones de departamentos que dada la dinámica del COVID19 y la dinámica de las variables socioeconómicas agrupa a los departamentos con características similares.
  • Si es de su interés seguir observando la evolución en el tiempo de la conformación de los grupos de departamentos, todas las semanas encontrará un mapa de Colombia actualizado en el que se forman grupos de departamentos de acuerdo al comportamiento de las variables socioeconómicas.
  • Cada semana usted podrá conocer cuál será el estado futuro (de la próxima semana) de los departamentos de Colombia, teniendo en cuenta las variables del comportamiento del COVID19 y las socioeconómicas.
Ver detalles técnicos del modelo

Detalles técnicos de los modelos utilizados en este módulo de pronósticos

El sistema considera un grupo de variables sociales, económicas, demográficas, geográficas, entre otras, y particularmente del modelo SEIRD, en especial prediciendo los casos de infectados en cada departamento, para determinar cómo van evolucionando en el tiempo. Para ello, el sistema considera tres grupos (tipos) de departamentos con características similares, y a partir de eso determina a cuál de ellos pertenece cada departamento. De esta manera, en el tiempo (evolución), el sistema va identificando cómo los departamentos van cambiando de tipo/grupo.

Se usó una Red Neuronal Convolucional para predecir a 7 días los casos de infectados en cada departamento. Esta red se reentrena cada 7 días, de esta manera se predicen los casos positivos de los siguientes 7 días. De manera sucesiva se reentrena la red y se siguen prediciendo los próximos 7 días.

Estos modelos presentaron por departamento R2 promedio de 68.5%, 67.2%, 65.5% y 68.1% en cada semana. Además, se evaluó la capacidad predictiva del modelo para cada semana con la métrica "Error absoluto medio porcentual" (MAPE), con 35.7%, 38.1%, 32.2% y 36.4% respectivamente.

Para crear los clusters de departamentos se usó el algoritmo de K-means con k=3. El valor de k fue determinado por las métricas Silueta y Davies-Boulding, ambas métricas coincidieron que el valor apropiado para agrupar a los departamentos era k=3. Los índices de Silueta para cada semana son: 0.4, 0.401, 0.4 y 0.399 respectivamente, lo que indica que los 3 grupos construidos están muy bien formados. Los índices de Davies-Boulding para cada semana son: 0.87, 0.869, 0.87 y 0.87 respectivamente.

Los valores anteriores indican que hay distancias muy pequeñas entre los departamentos que componen los grupos, por lo que se puede decir que hay una gran similitud intragrupo y grandes diferencias entre grupos; es decir, los departamentos que componen cada grupo debido a las características que los identifican, son muy similares entre sí.

Los grupos de departamentos se encuentran caracterizados así:

Patrón del Grupo 1: Número de casos de infección de COVID19 alto a moderadamente-alto. Indicadores medios-bajos o bajos en servicios de atención a la infancia, hacinamiento crítico, rezago escolar. A su vez, una tasa baja a media-baja en trabajo informal, inasistencia escolar. También, un alto índice de pobreza. El porcentaje de personas entre 15 y 64 años es moderadamente alto y el número de hombres en este rango de edad es mayor al de mujeres.
Patrón del Grupo 2: Temperaturas durante el día muy altas, número medio a medio bajo de casos infectados de COVID19 pronosticados. Por otro lado, tienen altas tasas de pobreza, de hacinamiento, trabajo informal. También, tienen tasas bajas de asistencia a la escuela, rezago escolar, de servicios de atención a la infancia. Finalmente, tienen un porcentaje bajo de personas entre 15 y 64 años y el porcentaje de hombres es bajo.
Patrón del Grupo 3: El número de casos infectados pronosticados por el COVID19, los índices de servicios de atención a la infancia, de hacinamiento, de asistencia a la escuela, de rezago escolar y trabajo informal son moderadamente bajos, además, la tasa de pobreza es moderadamente alta. Finalmente, el porcentaje de personas entre 15 y 64 años es moderadamente bajo.

Los datos para entrenar los modelos y crear los clústeres fueron extraídos de la base de datos del Instituto Nacional de Salud (INS), los cuales los podemos encontrar en https://www.datos.gov.co, la base de datos contiene información de los casos positivos, los recuperados, las muertes y el número de pruebas realizadas de COVID19 en cada departamento. Otra fuente de datos es una de las bases del Departamento Administrativo Nacional de Estadística (DANE), los datos se encuentran disponibles en https://dane.maps.arcgis.com/apps/MapSeries/index.html?appid=340192703f5948f884585d93181711b5. También se hizo uso de información disponible en el Departamento Nacional de Planeación (DNP), para ver información detallada visitar la página https://terridata.dnp.gov.co/index-app.html#/descargas. Se tuvo otra fuente de datos suministrada por el Instituto de Hidrología, Meteorología y Estudios Ambientales (IDEAM), la cual contiene información por departamento de la temperatura, lluvias, humedad entre otras, la información se encuentra disponible en http://www.ideam.gov.co/web/tiempo-y-clima/clima.