TY - JOUR AU - Polo-Triana, Sonia Isabel AU - Ramírez-Sierra, Yuly Andrea AU - Arias-Osorio, Javier Eduardo AU - Martínez-Vega, Ruth Aralí AU - Lamos-Díaz, Henry PY - 2022/11/28 Y2 - 2024/03/28 TI - Métodos de aprendizaje automático para predecir el comportamiento epidemiológico de enfermedades arbovirales: revisión estructurada de literatura JF - Salud UIS JA - Salud UIS VL - 55 IS - SE - Artículo de Revisión DO - 10.18273/saluduis.55.e:23017 UR - https://revistas.uis.edu.co/index.php/revistasaluduis/article/view/12580 SP - AB - <p><strong>Introducción: </strong>los métodos de aprendizaje automático permiten manejar datos estructurados y no estructurados para construir modelos predictivos y apoyar la toma de decisiones. <strong>Objetivo: </strong>identificar los métodos de aprendizaje automático aplicados para predecir el comportamiento epidemiológico de enfermedades arbovirales utilizando datos de vigilancia epidemiológica<strong>. Metodología: </strong>se realizó búsqueda en EMBASE y PubMed, análisis bibliométrico y síntesis de la información. <strong>Resultados: </strong>se seleccionaron 41 documentos, todos publicados en la última década. La palabra clave más frecuente fue dengue. La mayoría de los autores (88,3 %) participó en un artículo de investigación. Se encontraron16 métodos de aprendizaje automático, el más frecuente fue Red Neuronal Artificial seguido de Máquinas de Vectores de Soporte.<strong> Conclusiones: </strong>en la última década se incrementó la publicación de trabajos que pretenden predecir el comportamiento epidemiológico de arbovirosis por medio de diversos métodos de aprendizaje automático que incorporan series de tiempo de los casos, variables climatológicas, y otras fuentes de información de datos abiertos. </p> ER -