Dashboard interactivo con modelo de red neuronal LSTM para la segmentación y análisis de la población afectada por infección respiratoria aguda grave (IRAG) en Bogotá

Abstract

Este documento de trabajo presenta un sistema de monitoreo epidemiológico para la Infección Respiratoria Aguda Grave (IRAG) en Bogotá. Este sistema integra la depuración y el análisis exploratorio de 71.326 registros del SIVIGILA-INS (2018-2023) con un modelo predictivo basado en una red neuronal multicapa LSTM. Tras comparar árboles de decisión y bosques aleatorios con datos de series temporales semanales enriquecidos con variables demográficas y componentes estacionales seno-coseno, el LSTM (optimizado con normalización, abandono y detención temprana) ofreció el mejor equilibrio entre ajuste y generalización. El modelo proyecta aproximadamente 5.000 casos para 2024-2025, concentrados (60%) en poblaciones vulnerables y (67%) en estratos socioeconómicos más bajos, con un pico de casos desplazándose hacia bebés y adultos jóvenes. Los resultados se despliegan en un tablero interactivo de Power BI que permite la segmentación por año, sexo, grupo de edad, estrato socioeconómico y vulnerabilidad, proporcionando evidencia clara para priorizar intervenciones de salud y reducir las desigualdades en salud pública.