Maestría en Ciencia de Datos
URI permanente para esta colecciónhttp://hdl.handle.net/10906/66933
Examinar
Examinando Maestría en Ciencia de Datos por Materia "Administración hospitalaria - Procesamiento de datos"
Mostrando 1 - 1 de 1
- Resultados por página
- Opciones de ordenación
Ítem Análisis predictivo de la morbilidad hospitalaria, buscando definir estrategias para el mejoramiento de la eficiencia en la atención en salud de una IPS de mediana complejidad de la ciudad de Buga(Universidad Icesi, 2023-07-14) Castro Saldarriaga, Mario Germán; Urcuqui López, Christian CamiloEste proyecto se llevó a cabo con el objetivo de implementar un modelo predictivo para mejorar la morbilidad hospitalaria en una IPS de mediana complejidad de la ciudad de Buga, buscando identificar estrategias para mejorar la atención médica, planificar y gestionar eficientemente los recursos, y lograr una atención oportuna al paciente. Para lograr el objetivo, se utilizó el modelo CRISP-DM, el cual cuenta con seis fases para el desarrollo de proyectos de minería de datos, entre las cuales se realizó primero la recolección, limpieza y preparación de datos. Con los datos obtenidos, se construyó el modelo predictivo de series de tiempo ARIMA y Holt-Winters, el cual arrojó un MAPE del 10,32% y una capacidad predictiva del 89,68% para el total de pacientes ingresados en la institución, lo cual es muy bueno. Por otro lado, al analizar cada una de las patologías, se obtuvieron resultados entre 22,4% y 39,99% para MAPE y una capacidad predictiva entre 60% y 77,5%, lo que demuestra que para ciertas patologías, el modelo necesita ajustarse con otras técnicas. Entre las conclusiones, se detalla la necesidad de implementar el modelo para la planificación y atención de pacientes, lo que impacta en indicadores clave como la puntualidad de la atención y la minimización de costos hospitalarios. Como trabajo futuro, se propone utilizar técnicas de aprendizaje automático, como redes neuronales, y extender el estudio a más patologías clínicas.