Resumen de Models for individualized COVID-19 diagnostic prediction

Mariel Victorino Aguilar, Abel Lerma Talamantes, Claudia Lerma

• español

  Desde que la pandemia del COVID-19, el mundo ha vivido el gran número de infecciones en periodos cortos de tiempo, dando lugar a las olas de contagio provocadas por las distintas variaciones del SARS-COV-2. Los servicios de salud, así como el personal, se han visto superados, esto especialmente en los países más pobres. Actualmente y después de dos años, la pandemia continua y según expertos llegó para quedarse de forma estacionaria, por lo que hoy más que nunca la importancia de las vacunas y de los métodos de detección de la enfermedad, para frenar el número de contagios y evitar que la pandemia siga extendiéndose y así el virus siga mutando. Las pruebas de detección han resultado escasas y caras para la mayoría de población, por lo que los métodos alternativos a los de laboratorio podría ser un factor decisivo para que las personas puedan autoaislarse antes de seguir contagiando a más personas. Uno de los métodos más eficaces ha sido lo que involucran predicciones estadísticas de diagnóstico de COVID-19 en un paciente, a partir de ciertas variables. En este artículo se identificaron que los modelos de predicción más comunes se desarrollaron a partir de la regresión logística e inteligencia artificial, el objetivo de este trabajo es demostrar los altos porcentajes de predicción de resultado de prueba por COVID-19 de estos métodos alternativos a las pruebas de laboratorio, para mostrar que son confiables como alternativas a ellas, y aplicarlas a la población como método de control de la pandemia de COVID-19. Se identificaron las variables predictoras más importantes en los distintos modelos desarrollados en varias regiones del mundo y se discuten las oportunidades, limitaciones y perspectivas de este método de predicción.

• English

  Since the COVID-19 pandemic, the world has experienced a large incidence of infections in short periods of time, giving rise to waves of contagion caused by the different variations of SARS-COV-2. Health services, as well as personnel, have been overwhelmed, especially in the poorest countries. Currently and after two years, the pandemic continues and according to experts it is here to stay, which highlights the importance of vaccines and methods of detecting the disease, to curb the number of infections and avoid that the pandemic continues to spread and thus the virus continues to mutate. Detection tests have been scarce and expensive for most of the population, so alternative methods to laboratory ones could be a decisive factor so that people can self-isolate before continuing to infect more people. One of the most effective methods have been statistical predictions of the diagnosis of COVID-19 in a patient, based on certain variables. In this article, it was identified that the most common prediction models were developed from logistic regression and machine-learning, which have shown high percentages of predicting test results for COVID-19. The most important predictor variables in the different models developed in various regions of the world were identified and the opportunities, limitations and perspectives of this prediction method are discussed.