Parra Sánchez, Juan S.Pulgarín Rojas, German D.Barrero Londoño, Diego A.2023-10-132023-10-132023http://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/1989La 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.42 p.application/pdfinfo:eu-repo/semantics/openAccessTiempos de cirugíasQuirófanosModelo supervisadoCRISP-DMhttp://purl.org/coar/access_right/c_abf2http://purl.org/coar/resource_type/c_1843https://creativecommons.org/licenses/by/4.0/a