Por favor, use este identificador para citar o enlazar este ítem:
https://hdl.handle.net/11000/26761
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Landete, Mercedes | - |
dc.contributor.author | Sancho Campos, Alberto | - |
dc.contributor.other | Departamentos de la UMH::Estadística, Matemáticas e Informática | es_ES |
dc.date.accessioned | 2022-05-02T12:10:54Z | - |
dc.date.available | 2022-05-02T12:10:54Z | - |
dc.date.created | 2021-06 | - |
dc.identifier.uri | http://hdl.handle.net/11000/26761 | - |
dc.description.abstract | Actualmente estamos viviendo una situaci on muy dif cil, donde la pandemia provocada por el COVID-19 nos hace tener que mantener unas restricciones para poder asegurar que la propagaci on del virus se mantiene y no aumenta masivamente. Por tanto, dadas las restricciones que se han establecido y la situaci on actual, en este TFG hemos desarrollado modelos relacionados con la asignaci on y cesi on de respiradores, esta cesi on ser a de hospitales que tienen respiradores su cientes a hospitales que necesitan respiradores por falta de ellos. Otro de estos modelos trata sobre la localizaci on de puestos de emergencias y asignaci on y log stica de recursos, donde este modelo plani car a las cantidades de varios tipos de suministros, que se coloquen previamente y se determine la ubicaci on de estos, se haga para que se determine el reparto de respiradores, material sanitario (mascarillas, batas, respiradores) y medicamentos a diferentes hospitales, en condiciones de incertidumbre si ocurriera otra nueva ola de COVID-19. El tercer modelo trata de como se realizar a la vacunaci on contra el COVID-19 si se realizase tanto en centros m edicos y hospitales como farmacias, es decir, que la vacunaci on se realice en farmacias m as centros m edicos y hospitales. El cuarto modelo est a relacionado con la restricci on del distanciamiento social, donde se tiene en cuenta el riesgo que sufren las personas de infectarse en ciertas instalaciones, el tiempo que han pasado estas personas en esas instalaciones y el coste que tendr a con nar a las personas y cerrar estas instalaciones. Para nalizar, el ultimo modelo desarrollado es un modelo de m aquinas de vectores soporte, donde a ra z de una encuesta que se le har a a personas que han pasado el COVID-19, se har a una clasi caci on y predicci on acerca de si otras personas nuevas que realicen la encuesta una vez han pasado el COVID-19 tienen anticuerpos o no, y poder decir si esas personas ser an inmunes. | es_ES |
dc.format | application/pdf | es_ES |
dc.format.extent | 92 | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Universidad Miguel Hernández de Elche | es_ES |
dc.rights | info:eu-repo/semantics/openAccess | es_ES |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | COVID-19 | es_ES |
dc.subject | combinatoria | es_ES |
dc.subject | estadística | es_ES |
dc.subject | optimización | es_ES |
dc.subject.other | CDU::3 - Ciencias sociales::31 - Demografía. Sociología. Estadística::311 - Estadística | es_ES |
dc.title | Modelos de optimización combinatoria adaptados al COVID-19 | es_ES |
dc.type | info:eu-repo/semantics/bachelorThesis | es_ES |
Ver/Abrir:
TFG Alberto Sancho Campos.pdf
4,72 MB
Adobe PDF
Compartir:
La licencia se describe como: Atribución-NonComercial-NoDerivada 4.0 Internacional.