Resumen:
La Unidad de Cuidado Intensivos (UCI), es uno de los eslabones centrales de un hospital,
por lo cual, es importante disponer de recursos para atender a todos los pacientes que lo
necesiten. Sin embargo, en los últimos meses el crecimiento de los casos de coronavirus (COVID 19) y, en consecuencia, el aumento del número de pacientes que requieren cuidados intensivos,
han causado el colapso de ésta unidad; por lo que, resulta aun más importante planificar el uso
de los recursos y entregar a la población una atención oportuna, en conjunto con las medidas
tomadas por el gobierno chileno para mitigar la alta demanda de camas, como cuarentenas,
un sistema integrado de salud, residencia sanitarias para casos no tan graves, entre otras.
Debido a lo anterior, son muchas las investigaciones que han estudiado las variables para
predecir o anticipar el comportamiento frente a esta en enfermedad desde distintos ángulos:
económico, biológico, social, etc. Es en este punto donde las actuales herramientas matemáticas
y computacionales buscan aportan a las distintas labores hospitalarias, abriéndose camino en
la gestión de procesos y la planificación de recursos, para todos los pacientes que lo necesiten.
En este trabajo se presentan dos modelos, uno de simulación para la demandad de
camas en una UCI utilizando como datos de entrada: la cantidad de pacientes en UCI para
la región del Biobío para simular tasas de arribos y los tiempos de estadía, sin embargo, no
se obtuvieron los resultados esperados, por lo que se descarto su uso; implementando otro
modelo de predicción basado en técnicas de machine learning tales como: Árbol de Regresión,
Regresión Lineal, Elastic Net y Multilayer Perceptron; y métodos basados en deep learning -
redes neuronales, como: Long Short Term Memory y Multilayer Perceptron, para la proyección
de Unidades de Cuidados Intensivos para pacientes con Coronavirus, en tres regiones de Chile:
Región Metropolitana, Región de Ñuble y Región del Biobío. En ambos modelos, se utilizan
datos reales de reportes entregados por el Ministerio de Chile. De los modelos entrenados para
realizar la proyección, el mejor resultado fue obtenido por el modelo de Árbol de regresión,
donde se proyecta un aumento de casos y luego una estabilización para los próximos 10 días
desde el último día considerado. La importancia de este estudio radica en, el análisis de los
datos entregados por entidades públicas y algunas falencias en el informe de éstos al inicio de
la pandemia, que afectan de igual manera la predicción realizada.