Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue

Autores
Díaz, Gonzalo; Chiavetta, Anahí; Siches, Julieta; Ferreira, Lorena; Santoro, Federico; Moisés, Silvina; Cappa, Cecilia; González Lebrero, Cecilia; Maffey, Lucía; Fattore, Gladys; Utgés, M. Eugenia; Manteca Acosta, Mariana
Año de publicación
2025
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
Una de las misiones fundamentales del Servicio Meteorológico Nacional (SMN) consiste en brindar información a las autoridades y la sociedad que permita desarrollar herramientas para prevenir y/o combatir adversidades en las que se encuentren involucrados factores meteorológicos. En el marco de este objetivo, dicho Organismo ha sido convocado por el Ministerio de Salud de la Nación y el CeNDIE – ANLIS Malbrán para llevar adelante un plan de predicción de casos de Dengue; una enfermedad viral que se encuentra en aumento en los últimos años y que puede generar desde síntomas gripales hasta cuadros potencialmente mortales. A partir de mesas de trabajo realizadas entre los tres organismos se analizaron distintos enfoques y se pusieron en común distintos conocimientos en el ámbito meteorológico y salud para una óptima implementación de modelos de predicción de casos de dengue, siendo las variables meteorológicas los predictores más relevantes para explicar el comportamiento del mosquito portador del virus (Aedes aegypti). Este trabajo consiste en la aplicación de modelos simples de Machine Learning para la detección de casos de dengue, incorporando tanto datos meteorológicos como epidemiológicos y de vectores, impulsando la sinergia entre las instituciones.
Facultad de Ciencias Astronómicas y Geofísicas
Materia
Meteorología
dengue
machine learning
predicción
MSAL
CeNDIE
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/194026
Acceder
id SEDICI_26aa9747b84d4c09679d885b0ff08b25
oai_identifier_str oai:sedici.unlp.edu.ar:10915/194026
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengueDíaz, GonzaloChiavetta, AnahíSiches, JulietaFerreira, LorenaSantoro, FedericoMoisés, SilvinaCappa, CeciliaGonzález Lebrero, CeciliaMaffey, LucíaFattore, GladysUtgés, M. EugeniaManteca Acosta, MarianaMeteorologíadenguemachine learningpredicciónMSALCeNDIEUna de las misiones fundamentales del Servicio Meteorológico Nacional (SMN) consiste en brindar información a las autoridades y la sociedad que permita desarrollar herramientas para prevenir y/o combatir adversidades en las que se encuentren involucrados factores meteorológicos. En el marco de este objetivo, dicho Organismo ha sido convocado por el Ministerio de Salud de la Nación y el CeNDIE – ANLIS Malbrán para llevar adelante un plan de predicción de casos de Dengue; una enfermedad viral que se encuentra en aumento en los últimos años y que puede generar desde síntomas gripales hasta cuadros potencialmente mortales. A partir de mesas de trabajo realizadas entre los tres organismos se analizaron distintos enfoques y se pusieron en común distintos conocimientos en el ámbito meteorológico y salud para una óptima implementación de modelos de predicción de casos de dengue, siendo las variables meteorológicas los predictores más relevantes para explicar el comportamiento del mosquito portador del virus (Aedes aegypti). Este trabajo consiste en la aplicación de modelos simples de Machine Learning para la detección de casos de dengue, incorporando tanto datos meteorológicos como epidemiológicos y de vectores, impulsando la sinergia entre las instituciones.Facultad de Ciencias Astronómicas y Geofísicas2025info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdfhttp://sedici.unlp.edu.ar/handle/10915/194026spainfo:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A4_T162.pdfinfo:eu-repo/semantics/reference/hdl/10915/193317info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2026-05-13T12:59:52Zoai:sedici.unlp.edu.ar:10915/194026Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292026-05-13 12:59:52.795SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
title Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
spellingShingle Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
Díaz, Gonzalo
Meteorología
dengue
machine learning
predicción
MSAL
CeNDIE
title_short Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
title_full Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
title_fullStr Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
title_full_unstemmed Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
title_sort Aplicación de modelos de machine learning con variables epidemiológicas y meteorológicas para la predicción de casos de la enfermedad del dengue
dc.creator.none.fl_str_mv Díaz, Gonzalo
Chiavetta, Anahí
Siches, Julieta
Ferreira, Lorena
Santoro, Federico
Moisés, Silvina
Cappa, Cecilia
González Lebrero, Cecilia
Maffey, Lucía
Fattore, Gladys
Utgés, M. Eugenia
Manteca Acosta, Mariana
author Díaz, Gonzalo
author_facet Díaz, Gonzalo
Chiavetta, Anahí
Siches, Julieta
Ferreira, Lorena
Santoro, Federico
Moisés, Silvina
Cappa, Cecilia
González Lebrero, Cecilia
Maffey, Lucía
Fattore, Gladys
Utgés, M. Eugenia
Manteca Acosta, Mariana
author_role author
author2 Chiavetta, Anahí
Siches, Julieta
Ferreira, Lorena
Santoro, Federico
Moisés, Silvina
Cappa, Cecilia
González Lebrero, Cecilia
Maffey, Lucía
Fattore, Gladys
Utgés, M. Eugenia
Manteca Acosta, Mariana
author2_role author
author
author
author
author
author
author
author
author
author
author
dc.subject.none.fl_str_mv Meteorología
dengue
machine learning
predicción
MSAL
CeNDIE
topic Meteorología
dengue
machine learning
predicción
MSAL
CeNDIE
dc.description.none.fl_txt_mv Una de las misiones fundamentales del Servicio Meteorológico Nacional (SMN) consiste en brindar información a las autoridades y la sociedad que permita desarrollar herramientas para prevenir y/o combatir adversidades en las que se encuentren involucrados factores meteorológicos. En el marco de este objetivo, dicho Organismo ha sido convocado por el Ministerio de Salud de la Nación y el CeNDIE – ANLIS Malbrán para llevar adelante un plan de predicción de casos de Dengue; una enfermedad viral que se encuentra en aumento en los últimos años y que puede generar desde síntomas gripales hasta cuadros potencialmente mortales. A partir de mesas de trabajo realizadas entre los tres organismos se analizaron distintos enfoques y se pusieron en común distintos conocimientos en el ámbito meteorológico y salud para una óptima implementación de modelos de predicción de casos de dengue, siendo las variables meteorológicas los predictores más relevantes para explicar el comportamiento del mosquito portador del virus (Aedes aegypti). Este trabajo consiste en la aplicación de modelos simples de Machine Learning para la detección de casos de dengue, incorporando tanto datos meteorológicos como epidemiológicos y de vectores, impulsando la sinergia entre las instituciones.
Facultad de Ciencias Astronómicas y Geofísicas
description Una de las misiones fundamentales del Servicio Meteorológico Nacional (SMN) consiste en brindar información a las autoridades y la sociedad que permita desarrollar herramientas para prevenir y/o combatir adversidades en las que se encuentren involucrados factores meteorológicos. En el marco de este objetivo, dicho Organismo ha sido convocado por el Ministerio de Salud de la Nación y el CeNDIE – ANLIS Malbrán para llevar adelante un plan de predicción de casos de Dengue; una enfermedad viral que se encuentra en aumento en los últimos años y que puede generar desde síntomas gripales hasta cuadros potencialmente mortales. A partir de mesas de trabajo realizadas entre los tres organismos se analizaron distintos enfoques y se pusieron en común distintos conocimientos en el ámbito meteorológico y salud para una óptima implementación de modelos de predicción de casos de dengue, siendo las variables meteorológicas los predictores más relevantes para explicar el comportamiento del mosquito portador del virus (Aedes aegypti). Este trabajo consiste en la aplicación de modelos simples de Machine Learning para la detección de casos de dengue, incorporando tanto datos meteorológicos como epidemiológicos y de vectores, impulsando la sinergia entre las instituciones.
publishDate 2025
dc.date.none.fl_str_mv 2025
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/194026
url http://sedici.unlp.edu.ar/handle/10915/194026
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/isbn/978-950-34-2665-4
info:eu-repo/semantics/altIdentifier/url/https://cenamet.org.ar/congremet/wp-content/uploads/2025/11/A4_T162.pdf
info:eu-repo/semantics/reference/hdl/10915/193317
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1865172499830931456
score 13.115601

Publicaciones similares