Construcción de un modelo predictivo para determinar el tiempo de intervenciones quirúrgicas en un Hospital Público de Medellín.

Simple item page
dc.contributor.advisorParra Sánchez, Juan S.
dc.contributor.authorPulgarín Rojas, German D.
dc.contributor.authorBarrero Londoño, Diego A.
dc.date.accessioned2023-10-13T22:16:12Z
dc.date.available2023-10-13T22:16:12Z
dc.date.issued2023
dc.description.abstractLa planificación del uso de quirófanos en los sistemas de atención médica ha dependido históricamente de métodos empíricos debido a la falta de conocimiento sobre el tiempo estimado de las cirugías. En este contexto, el presente trabajo tuvo como objetivo principal desarrollar un modelo predictivo para calcular el tiempo de duración de las cirugías en un Hospital Público de Medellín. Se implementó un modelo supervisado de Machine Learning en diferentes escenarios, incluyendo cirugías generales, especializadas en ortopedia y el conjunto global de las 29especialidades médicas existentes en el estudio. El propósito fue evaluar la capacidad predictiva del modelo en condiciones variables. Bajo la metodología CRISP-DM los resultados obtenidos demuestran que el modelo tuvo una capacidad predictiva superior al 88% de rendimiento, con un desfase máximo de 25 minutos. En este estudio los resultados generados respaldan la aplicación de enfoques predictivos basados en modelos supervisados, destacando el potencial y la relevancia del Machine Learning en el ámbito hospitalario, especialmente en la predicción de tiempos quirúrgicos.spa
dc.format.extent42 p.spa
dc.format.mimetypeapplication/pdfspa
dc.identifier.urihttp://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/1989
dc.publisherUniversidad Católica Luis Amigóspa
dc.publisher.facultyEscuela de Posgradosspa
dc.publisher.placeMedellínspa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
dc.rights.creativecommonshttps://creativecommons.org/licenses/by/4.0/spa
dc.rights.urihttps://creativecommons.org/licenses/by-nd/4.0/spa
dc.sourceUniversidad Católica Luis Amigóspa
dc.sourceRI-UCLAspa
dc.subjectTiempos de cirugíasspa
dc.subjectQuirófanosspa
dc.subjectModelo supervisadospa
dc.subjectCRISP-DMspa
dc.subject.armarca
dc.titleConstrucción de un modelo predictivo para determinar el tiempo de intervenciones quirúrgicas en un Hospital Público de Medellín.spa
dc.type.coarhttp://purl.org/coar/resource_type/c_1843spa
dc.type.driverinfo:eu-repo/semantics/articlespa
dc.type.hasversionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
dc.type.localTesis/Trabajo de grado - Monografía - Especializaciónspa
oaire.accessrightshttp://purl.org/coar/access_right/c_abf2spa
oaire.versionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
thesis.degree.disciplineEscuela de posgrados. Especialización en Big Data e Inteligencia de Negocios.spa
thesis.degree.grantorUniversidad Católica Luis Amigóspa
thesis.degree.levelEspecializaciónspa
thesis.degree.nameEspecialista en Big Data e Inteligencia de Negocios.spa

Files

Original bundle
Now showing 1 - 2 of 2
Thumbnail Image
Name:
ME-CD-658.514_P981_2023.pdf
Size:
690.85 KB
Format:
Adobe Portable Document Format
Download
No Thumbnail Available
Name:
Carta de autorización.pdf
Size:
289.75 KB
Format:
Adobe Portable Document Format
Description:
Download
License bundle
Now showing 1 - 1 of 1
No Thumbnail Available
Name:
license.txt
Size:
1.71 KB
Format:
Item-specific license agreed upon to submission
Description:
Download

Collections

Especialización en Big Data e Inteligencia de Negocios
responsive footer design codepen

Universidad Católica Luis Amigó

"Institución de Educación Superior sujeta a control y vigilancia por el Ministerio de Educación Nacional". Decreto 1075 de 2015 / Resolución 12220 de 2016

Autorización de Tratamiento de Información