Acceso usuarios
José Antonio García Pereáñez, David Alberto García Arango, Cianelli Hernández Camarillo, Faviola Herrera Fernández
La incursión del fenómeno de contagio por coronavirus y su posterior clasificación como pandemia, ha sido imprevista e impacta significativamente los indicadores de todos los países a nivel mundial. Los informes económicos que miden las consecuencias de las medidas de los diferentes gobiernos para reducir la tasa de contagios en el marco de la pandemia, dan cuenta de una reducción significativa en ingresos y empleo que finalmente redunda en un decrecimiento de la calidad de vida de la población. En aras de comprender un poco más las consecuencias que trae consigo esta situación de alta incertidumbre, se presentan en este artículo los resultados de la construcción de un análisis predictivo basado en redes neuronales mediante el cual se analizaron 27653 datos de reporte diario de fechas entre el 22 de enero y el 10 de julio de 2020 y que fueron extraídos del proyecto coronanet en los cuales, mediante la interacción de índices por país, se identificó el orden de importancia de predictores de la tasa de mortalidad del virus. Entre los resultados obtenidos se resalta, además de la obtención de un modelo con una precisión del 77,5%, que aunque el tipo de medida adoptada por los gobiernos es un factor incidente en el incremento de mortalidad por país, son las características específicas como el índice de transparencia y el índice de globalización las que permiten un análisis predictivo de la mortalidad.
The incursion of the coronavirus contagion phenomenon and its subsequent classification as a pandemic has been unforeseen and significantly impacts the indicators of all countries worldwide. The economic reports that measure the consequences of the measures of the different governments to reduce the rate of infections in the context of the pandemic, show a significant reduction in income and employment that ultimately results in a decrease in the quality of life of the population. In order to understand a little more the consequences that this situation of high uncertainty brings with it, this article presents the results of the construction of a predictive analysis based on neural networks by means of which 27653 data from the daily report of dates between the January 22 and July 10, 2020 and which were extracted from the coronanet project in which, through the interaction of indices by country, the order of importance of predictors of the virus mortality rate was identified. Among the results obtained, in addition to obtaining a model with a precision of 77.5%, it is highlighted that although the type of measure adopted by governments is an incident factor in the increase in mortality per country, they are specific characteristics such as the transparency index and the globalization index which allow a predictive analysis of mortality.
