1. Repositorio Institucional del Tecnológico Nacional de México (RI - TecNM)
2. Tesis de Posgrado
3. Morelos
4. Centro Nacional de Investigación y Desarrollo Tecnológico
5. Tesis CENIDET "O"
6. Tesis Doctorado "O"
7. Tesis de Doctorado en Computación "O"

Title:	Predicción de dispersión de contagios de enfermedades infecciosas utilizando redes sociales
Authors:	Wences Olguín, Pedro
metadata.dc.subject.other:	Epidemiología, COVID-19, Red social X, Geolocalización, PLN, Deep Learning, Minería de texto, BERT, Gompertz, Series temporales, Ventanas móviles, Geoespacial, Índice de riesgo.
Issue Date:	2025-11-25
Publisher:	Tecnológico Nacional de México
metadata.dc.publisher.tecnm:	Centro Nacional de Investigación y Desarrollo Tecnológico
Description:	La identificación temprana y el monitoreo efectivo de enfermedades infecciosas son esenciales para la gestión de pandemias, como la del COVID-19. Estos procesos permiten implementar medidas preventivas y de contención de manera rápida y precisa, reduciendo la propagación del virus y salvando vidas. Además, facilitan la asignación adecuada de recursos médicos y logísticos, y mejoran la comunicación pública. Las instituciones de salud suelen enfrentar demoras en la actualización y reporte de casos confirmados, lo que resulta en información desactualizada. La información desactualizada tiene como consecuencia, que las personas tomen decisiones no conscientes de las áreas de mayor contagio y, por ende, aumentar el riesgo de contagio. En este sentido, está tesis presenta un enfoque innovador de identificación temprana y monitoreo efectivo de enfermedades infecciosas como alternativa a los métodos tradicionales. Este enfoque, hace uso de datos generados en tiempo real a través de la red social X. Utilizando técnicas de procesamiento de lenguaje natural y análisis de datos, ofreciendo una solución innovadora para la gestión oportuna de pandemias. El enfoque presentado en esta tesis utiliza la información proporcionada por X para monitorear la propagación del COVID-19. El enfoque se compone de tres fases principales. La primera fase, emplea un clasificador binario basado en BERT y redes convolucionales para etiquetar automáticamente las publicaciones en las que los usuarios afirman estar enfermos de COVID-19. La segunda fase, se encarga de predecir el número de casos positivos de COVID-19 utilizando la función Gompertz, lo que permite realizar predicciones hasta 7 días en el futuro basadas en los casos afirmativos registrados diariamente. La tercera fase, identifica las zonas de contagio, calcula un índice de riesgo y asigna un nivel de riesgo (alto, medio-alto, medio o bajo) a cada zona. El enfoque desarrollado en esta tesis fue validado mediante pruebas experimentales, demostrando que la información generada en redes sociales puede ser una herramienta valiosa para la detección temprana y el monitoreo de enfermedades infecciosas. Los resultados obtenidos indican que el uso de X como fuente de datos en tiempo real mejora significativamente la gestión de la pandemia, proporcionando información actualizada y precisa sobre la propagación del COVID-19. La investigación demuestra que las redes sociales basadas en la ubicación (Location-Based Social Networking, LBSN) son una fuente rica de datos que puede ser aprovechada para mejorar la detección y monitoreo de enfermedades infecciosas, ofreciendo una alternativa eficaz a las demoras en la actualización de datos por parte de las instituciones de salud.
metadata.dc.type:	info:eu-repo/semantics/doctoralThesis
Appears in Collections:	Tesis de Doctorado en Computación "O"

This item is protected by original copyright View License

This item is licensed under a Creative Commons License