Respuesta inmediata ante grandes emergencias: modelo matemático basado en redes neuronales y árboles de decisión

Sánchez Losada JA, Romero Sánchez S, Caamiña García M, Habed Lobos N, Jiménez Carrascosa JF, Touza Garma B, Gil González AM, Sanz Mata P, Ramiro Moyano J

Objetivo: En la gestión de recursos ante incidentes con múltiples víctimas (IMV), el factor

incertidumbre en un entorno de caos inicial se convierte en el peor enemigo del decisor.

El objetivo fue diseñar un modelo matemático predictivo en este entorno de decisiones

para mejorar la fase inicial de la gestión de recursos ante una gran emergencia.

Método: Se partió de una base de datos de incidentes reales con múltiples víctimas en

Castilla-La Mancha en los últimos cinco años, sobre la que se trabajó con 10 variables

categorizadas en función de su peso en la gravedad de la emergencia. Se diseñó una

red neuronal, que aprende sobre los casos reales, y por otro lado se generó un árbol

de decisión con el fin de buscar la mejor respuesta entre ambos modelos. Se ha encontrado

una importante limitación metodológica, ya que prácticamente todos los IMV

analizados son accidentes de tráfico.

Resultados: El modelo basado en árboles de decisión da más información y mayor

variabilidad que la red neuronal e identifica 6 grupos homogéneos en función del

“número de afectados iniciales”, “tipología del incidente” y “entorno” (p < 0,05). Conclusiones: Es posible crear un modelo matemático predictivo con las variables consideradas que permite una mejor gestión de recursos ante un IMV, pero se necesita un mayor número de casos reales pasados y con tipología más diversa, para ser aplicadas a casos reales futuros con la metodología propuesta.

Caamiña García M, Gil González AM, Habed Lobos N, Jiménez Carrascosa JF, Ramiro Moyano J, Romero Sánchez S, Sanz Mata P, Sánchez Losada JA, Touza Garma B