Las vacunas son uno de los pasos más importantes en la lucha contra enfermedades virales como COVID-19. Determinar la influencia del número de pacientes vacunados en la población infectada representa un problema complejo. Por esta razón, el objetivo de esta investigación es modelar la influencia del número total de pacientes vacunados o completamente vacunados en el número de pacientes infectados y fallecidos. Se utilizan cinco algoritmos de modelado diferentes: Regresión Lineal (LR), Regresión Logística (LogR), Operador de Encogimiento y Selección Absoluta Mínima (LASSO), Perceptrón Multicapa (MLP) y Regresión de Vectores de Soporte (SVR). Se realiza un análisis de correlación cruzada para determinar los desfases óptimos en los datos para ayudar a obtener mejores puntajes. Se realiza la validación cruzada de los modelos y se evalúan utilizando el Error Porcentual Absoluto Medio (MAPE). El modelado se realiza para cuatro países diferentes: Alemania, India, Reino Unido (UK) y Estados Unidos de América (USA). Se encuentran modelos con un error por debajo del 1% para todos los casos modelados, siendo los mejores modelos logrados ya sea por los métodos LR o MLP. Los resultados obtenidos indican que la influencia de las tasas de vacunación en el número de pacientes confirmados y fallecidos existe y puede ser modelada utilizando métodos de ML con una precisión relativamente alta.