Predictive and prescriptive modeling for the clinical management of dengue: a case study in Colombia
Fecha
2023
Autores
Hoyos Morales, William Segundo
Título de la revista
ISSN de la revista
Título del volumen
Editor
Universidad EAFIT
Resumen
In this research, we address the problem of clinical management of dengue, which is composed of diagnosis and treatment of the disease. Dengue is a vector-borne tropical disease that is widely distributed worldwide. The development of approaches to aid in decision-making for diseases of public health concern –such as dengue– are necessary to reduce morbidity and mortality rates. Despite the existence of clinical management guidelines, the diagnosis and treatment of dengue remains a challenge. To address this problem, our objective was to develop methodologies, models, and approaches to support decision-making regarding the clinical management of this infection. We developed several research articles to meet the proposed objectives of this thesis. The first article reviewed the latest trends in dengue modeling using machine learning (ML) techniques. The second article proposed a decision support system for the diagnosis of dengue using fuzzy cognitive maps (FCMs). The third article proposed an autonomous cycle of data analysis tasks to support both diagnosis and treatment of the disease. The fourth article presented a methodology based on FCMs and optimization algorithms to generate prescriptive models in clinical settings. The fifth article tested the previously mentioned methodology in other science domains such as, business and education. Finally, the last article proposed three federated learning approaches to guarantee the security and privacy of data related to the clinical management of dengue. In each article, we evaluated such strategies using diverse datasets with signs, symptoms, laboratory tests, and information related to the treatment of the disease. The results showed the ability of the developed methodologies and models to predict disease, classify patients according to severity, evaluate the behavior of severity-related variables, and recommend treatments based on World Health Organization (WHO) guidelines.
Descripción
En esta investigación, abordamos el problema del manejo clínico del dengue, que se compone del diagnóstico y el tratamiento de la enfermedad. El dengue es una enfermedad tropical transmitida por vectores que está ampliamente distribuida en todo el mundo. El desarrollo de enfoques que ayuden a la toma de decisiones en enfermedades de interés para la salud pública –como el dengue– es necesario para reducir las tasas de morbilidad y mortalidad. A pesar de la existencia de guías para el manejo clínico, el diagnóstico y el tratamiento del dengue siguen siendo un reto. Para abordar este problema, nuestro objetivo fue desarrollar metodologías, modelos y enfoques para apoyar la toma de decisiones en relación con el manejo clínico de esta infección. Nosotros desarrollamos varios artículos de investigación para cumplir los objetivos propuestos de esta tesis. El primer articulo revisó las últimas tendencias del modelamiento de dengue usando técnicas de aprendizaje automático. El segundo artículo propuso un sistema de apoyo a la decisión para el diagnóstico del dengue utilizando mapas cognitivos difusos. El tercer artículo propuso un ciclo autónomo de tareas de análisis de datos para apoyar tanto el diagnóstico como el tratamiento de la enfermedad. El cuarto artículo presentó una metodología basada en mapas cognitivos difusos y algoritmos de optimización para generar modelos prescriptivos en entornos clínicos. El quinto artículo puso a prueba la metodología anteriormente mencionada en otros dominios de la ciencia como, por ejemplo, los negocios y la educación. Finalmente, el último artículo propuso tres enfoques de aprendizaje federado para garantizar la seguridad y privacidad de los datos relacionados con el manejo clínico del dengue. En cada artículo evaluamos dichas estrategias utilizando diversos conjuntos de datos con signos, síntomas, pruebas de laboratorio e información relacionada con el tratamiento de la enfermedad. Los resultados mostraron la capacidad de las metodologías y modelos desarrollados para predecir la enfermedad, clasificar a los pacientes según su severidad, evaluar el comportamiento de las variables relacionadas con la severidad y recomendar tratamientos basados en las directrices de la Organización Mundial de la Salud.