Resumen de Eficiencia de modelos de predicción de COVID-19 usando curvas ROC y matriz de confusión
Cristian Luis Inca Balseca, Ana Maribel Paredes Proaño, Pedro Javier Cornejo Reyes, Ángel Patricio Mena Reinoso
Utilizando ecuaciones matemáticas es posible diseñar programas informáticos que facilitan la predicción de datos para facilitar la toma de decisiones para el diagnóstico de pacientes afectados por el COVID 19. Con el objetivo de revisar las experiencias en el uso de la curva ROC y la matriz de confusión para la evaluación de programas informáticos para determinar su precisión en pro de garantizar que la información generada por los mismos sea confiable para el diagnóstico correcto y oportuno del COVID 19, se realizó una revisión de la literatura para identificar y evaluar artículos académicos para la evaluación de la calidad de la información generada por programas informáticos en la predicción de casos positivos por COVID 19. Los resultados demuestran que las curvas ROC y la matriz de confusión son métodos útiles para evaluar la eficiencia de programas informáticos garantizando así una adecuada precisión de los datos. El uso de las curvas ROC y la matriz de confusión permitió evaluar con éxito la calidad de los programas informáticos usados para la predicción del COVID-19, la precisión de los modelos matemáticos no depende del algoritmo usado, sino que en gran parte depende de la técnica usada para el levantamiento de la información.
