ClusteringProposal Supportfor theCOVID-19 Making Decision Process in a Data Demanding Scenario

Abstract

The COVID-19 disease surprised the world in the last monthsdue to the number of infections and deaths have been increased in an exponential way.Since the pandemic was established by the World Health Organization, different strategies have been proposedfordealingdiverse problems in cities that the coronavirus affected. This work presents a method to decision making support processes, specificallyin environment with few data and variables to be considered. Thus, artificial neural networks architectures were employed to cluster the informationavailable intheBogota city, and provide a tool that allows generatingadditional findings in a simultaneous mode, andexpressed as a visualmap. The present proposal reachedsensitivity measures around 75%, obtaining100% for thebest cases.

La enfermedad COVID-19 ha sorprendido al mundo en los últimos meses debido a que el número de contagios y muertes se ha incrementado de forma exponencial.Desde que se estableció la pandemia por parte de la Organización Mundial de la Salud, se han propuesto diferentes estrategias para hacer frente a los diversos problemas en las ciudades que el coronavirus afectó. Este trabajo presenta un método de apoyo a los procesos de toma de decisiones, concretamente en entornos con pocos datos y variables a considerar. Así, se emplearon arquitecturas de redes neuronales artificiales para agrupar la información disponible en la ciudad de Bogotá, y proporcionar una herramienta que permite generar hallazgos adicionales de manera simultánea, y expresados como un mapa visual. La presente propuesta alcanzó medidas de sensibilidad en torno al 75%, obteniendo un 100% para los mejores casos.