Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos

David Martínez, Cristian Camilo

Publicación:
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos

dc.contributor.advisor	Bonet Cruz, Isis
dc.contributor.advisor	Camacho Cogollo, Javier Enrique
dc.contributor.author	David Martínez, Cristian Camilo
dc.date.accessioned	2022-01-27T22:34:47Z
dc.date.available	2022-01-27T22:34:47Z
dc.date.issued	2021
dc.description	29 páginas	spa
dc.description.abstract	RESUMEN: La ciudad de Medellín es una de las más grandes en Colombia, y sigue en crecimiento, lo cual implica un reto para muchos sectores, entre ellos el sector de la salud, que tiene que aprovechar al máximo sus recursos para poder cubrir la gran demanda que se genere. Uno de los recursos más esenciales y limitados que puede ofrecer un hospital son las unidades de cuidados intensivos (UCI), pues estás unidades deben estar equipadas con alta tecnología con la capacidad de mantener a un paciente en condiciones constantes y monitoreo las 24 horas, y por estas necesidades, es complicado expandir constantemente estás unidades, obligando a buscar otras alternativas a la atención de más personas con los mismos recursos. Por ello, se plantea la implementación de un sistema de inteligencia artificial, el cual ayude en la administración de las unidades de cuidados intensivos, ofreciendo estimaciones de uso con base a los datos del paciente, para garantizar una planeación más acertada y poder aprovechar en todo momento estás unidades. Para ello se entrenaron diferentes modelos de inteligencia artificial y se evaluó la efectividad de cada uno de estos prediciendo los tiempos de estancia en las unidades de cuidados intensivos y así se determinó el más útil para una institución de salud local. Como resultando, diferentes tipos de modelos tanto de regresión como clasificación categórica fueron entrenados y dentro de estos se puede resaltar modelos basados en arboles de decisiones como el Random Forest con una precisión del 69%, modelos probabilísticos como Naive Bayes con una precisión del 64.3% brindando prioridad sobre los peores casos y dentro de los modelos de regresión podemos destacar el XGBoost con una desviación estándar de 7.43 días de estancia.	spa
dc.description.abstract	ABSTRACT: Currently Medellin is a big city of Colombia and continue growing, and the health sector is not an exception, it requires each day more resources, and use a lot of them to provide the service to the whole city. One of those important resources is the intensive care unit (ICU), because in this place the hospitals have their weak patients, and they can die in any moment if the cares is not the correct. Those units have a lot of tools and equipment to satisfy their function of care the life of the patients, but by that is difficult has a lot of these units, because is expansive, and the hospital require management the resource with the wise possible to receive the max number of patients with the limit of the resource. The current project will implement an artificial intelligence model to help the hospital to management their ICUs trough the predict the length of stay of patient (LOS) on the unit. To achieve this, we will test different types of model with a local hospital dataset and expect that the hospital has a better management of their resource with the estimation and can attend more patients with their ICUs.	eng
dc.description.degreelevel	Pregrado	spa
dc.description.degreename	Ingeniero(a) de Sistemas y Computación	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.bibliographiccitation	David Martínez, C. C. (2021). Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos [tesis de pregrado, Universidad EIA]. Repositorio Institucional Universidad EIA. https://repository.eia.edu.co/handle/11190/4244
dc.identifier.uri	https://repository.eia.edu.co/handle/11190/4244
dc.language.iso	spa	spa
dc.publisher	Universidad EIA	spa
dc.publisher.faculty	Escuela de Ingeniería y Ciencias Básicas	spa
dc.publisher.place	Envigado (Antioquia, Colombia)	spa
dc.publisher.program	Ingeniería de Sistemas y Computación	spa
dc.rights	Derechos Reservados - Universidad EIA, 2021	spa
dc.rights.accessrights	info:eu-repo/semantics/openAccess	spa
dc.rights.coar	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.creativecommons	Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nc-nd/4.0/	spa
dc.subject.proposal	Modelo Predictivo	spa
dc.subject.proposal	UCI	spa
dc.subject.proposal	Tiempo de estancia	spa
dc.subject.proposal	Inteligencia Artificial	spa
dc.title	Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos	spa
dc.type	Trabajo de grado - Pregrado	spa
dc.type.coarversion	http://purl.org/coar/version/c_970fb48d4fbd8a85	spa
dc.type.content	Text	spa
dc.type.driver	info:eu-repo/semantics/bachelorThesis	spa
dc.type.redcol	https://purl.org/redcol/resource_type/TP	spa
dc.type.version	info:eu-repo/semantics/publishedVersion	spa
dspace.entity.type	Publication