Análisis de datos relacionados con la enfermedad por Coronavirus COVID-19

La enfermedad por Coronavirus COVID-19 causada por el virus SARS-CoV2 continúa siendo una emergencia de salud mundial. Este virus se propaga rápidamente entre los seres humanos y más de 1.110.000 personas han fallecido por esta enfermedad. Los pacientes positivos en el virus SARS-CoV-2, dependiendo del cuadro clínico y los síntomas que presenten, pueden recuperarse en sus domicilios, pero también un porcentaje alto de pacientes necesitan asistencia médica en complejos hospitalarios . Por este motivo, los complejos hospitalarios tienen una demanda alta de camas y equipos médicos. La detección eficaz del virus SARSCoV-2, realizando una prueba RT-PCR, permite realizar un diagnóstico rápido eficiente de la enfermedad por Coronavirus COVID-19 y además puede reducir la demanda de los complejos hospitalarios. Durante estos meses de pandemia, los científicos están realizando una actividad muy importante para el mundo: realizar estudios para obtener una vacuna que proteja a los seres humanos de la enfermedad por Coronavirus COVID-19 y así conseguir la inmunidad en todos los países. Por otro lado, también se están realizando estudios para desarrollar modelos predictivos de tal forma que, conociendo los síntomas que padece un paciente, se estime el riesgo de infección, con el objetivo de ayudar al personal médico debido a la limitación de recursos sanitarios. En este trabajo de Fin de Grado se ha implementado un modelo para detectar si un paciente con unos determinados síntomas está contagiado de la enfermedad por Coronavirus COVID-19. El conjunto de datos necesario para llevar a cabo este trabajo tiene que contener información a nivel de paciente individual, un proceso de búsqueda complejo debido a la protección de datos. Para la implementación del modelo se ha seguido todas las etapas de un proceso de Machine Learning utilizando los lenguajes de programación Python y R en los entornos interactivos de Jupyter Notebook y R Studio Cloud.---ABSTRACT---Coronavirus disease COVID-19 caused by the SARS-CoV-2 virus still remains a global health emergency. This virus spreads rapidly among humans and more than 1,110,000 people have died from this disease. SARS-CoV-2 positive patients, depending on their clinical picture and symptoms, may recover at home, but a high percentage of patients also require medical care in hospitals. For this reason, hospitals have a high demand for beds and medical equipment. An efficient detection of the SARS-CoV-2 virus, by performing an RT-PCR test, allows a fast and efficient diagnosis of Coronavirus COVID-19 disease and can also reduce the demand for medical services. During these months of pandemic, scientists are carrying out a very important activity for the world: studying the development of a vaccine to protect humans from COVID-19 Coronavirus disease and to achieve immunity in all countries. On the other hand, they are also carrying out studies to develop predictive models that estimate the risk of infection based on patient’s symptoms, with the aim of helping medical staff due to the limited health resources. In this Final Degree project, a predictive model has been implemented in order to detect whether a patient with certain symptoms is infected by the Coronavirus COVID-19 disease. The dataset needed to carry out this work has to contain individually patient information, which is a complex search process due to data protection. For the implementation of the model, all the stages of a Machine Learning process have been followed using the programming languages Python and R in the interactive environments of Jupyter Notebook and R Studio Cloud