Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos
29 páginas
- Autores:
-
David Martínez, Cristian Camilo
- Tipo de recurso:
- Fecha de publicación:
- 2021
- Institución:
- Universidad EIA .
- Repositorio:
- Repositorio EIA .
- Idioma:
- spa
- OAI Identifier:
- oai:repository.eia.edu.co:11190/4244
- Acceso en línea:
- https://repository.eia.edu.co/handle/11190/4244
- Palabra clave:
- Modelo Predictivo
UCI
Tiempo de estancia
Inteligencia Artificial
- Rights
- openAccess
- License
- Derechos Reservados - Universidad EIA, 2021
| id |
REIA2_e4a397a18b711ff5f73c3bb3260d1d3b |
|---|---|
| oai_identifier_str |
oai:repository.eia.edu.co:11190/4244 |
| network_acronym_str |
REIA2 |
| network_name_str |
Repositorio EIA . |
| repository_id_str |
|
| dc.title.spa.fl_str_mv |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| title |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| spellingShingle |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos Modelo Predictivo UCI Tiempo de estancia Inteligencia Artificial |
| title_short |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| title_full |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| title_fullStr |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| title_full_unstemmed |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| title_sort |
Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivos |
| dc.creator.fl_str_mv |
David Martínez, Cristian Camilo |
| dc.contributor.advisor.none.fl_str_mv |
Bonet Cruz, Isis Camacho Cogollo, Javier Enrique |
| dc.contributor.author.none.fl_str_mv |
David Martínez, Cristian Camilo |
| dc.subject.proposal.spa.fl_str_mv |
Modelo Predictivo UCI Tiempo de estancia Inteligencia Artificial |
| topic |
Modelo Predictivo UCI Tiempo de estancia Inteligencia Artificial |
| description |
29 páginas |
| publishDate |
2021 |
| dc.date.issued.none.fl_str_mv |
2021 |
| dc.date.accessioned.none.fl_str_mv |
2022-01-27T22:34:47Z |
| dc.date.available.none.fl_str_mv |
2022-01-27T22:34:47Z |
| dc.type.spa.fl_str_mv |
Trabajo de grado - Pregrado |
| dc.type.coar.fl_str_mv |
http://purl.org/coar/resource_type/c_7a1f |
| dc.type.driver.spa.fl_str_mv |
info:eu-repo/semantics/bachelorThesis |
| dc.type.version.spa.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
| dc.type.content.spa.fl_str_mv |
Text |
| dc.type.redcol.spa.fl_str_mv |
https://purl.org/redcol/resource_type/TP |
| dc.type.coarversion.spa.fl_str_mv |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
| status_str |
publishedVersion |
| dc.identifier.uri.none.fl_str_mv |
https://repository.eia.edu.co/handle/11190/4244 |
| dc.identifier.bibliographiccitation.none.fl_str_mv |
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 |
| url |
https://repository.eia.edu.co/handle/11190/4244 |
| identifier_str_mv |
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.language.iso.spa.fl_str_mv |
spa |
| language |
spa |
| dc.rights.spa.fl_str_mv |
Derechos Reservados - Universidad EIA, 2021 |
| dc.rights.uri.spa.fl_str_mv |
https://creativecommons.org/licenses/by-nc-nd/4.0/ |
| dc.rights.accessrights.spa.fl_str_mv |
info:eu-repo/semantics/openAccess |
| dc.rights.creativecommons.spa.fl_str_mv |
Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) |
| dc.rights.coar.spa.fl_str_mv |
http://purl.org/coar/access_right/c_abf2 |
| rights_invalid_str_mv |
Derechos Reservados - Universidad EIA, 2021 https://creativecommons.org/licenses/by-nc-nd/4.0/ Atribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0) http://purl.org/coar/access_right/c_abf2 |
| eu_rights_str_mv |
openAccess |
| dc.format.mimetype.spa.fl_str_mv |
application/pdf |
| dc.publisher.spa.fl_str_mv |
Universidad EIA |
| dc.publisher.program.spa.fl_str_mv |
Ingeniería de Sistemas y Computación |
| dc.publisher.faculty.spa.fl_str_mv |
Escuela de Ingeniería y Ciencias Básicas |
| dc.publisher.place.spa.fl_str_mv |
Envigado (Antioquia, Colombia) |
| institution |
Universidad EIA . |
| bitstream.url.fl_str_mv |
https://repository.eia.edu.co/bitstreams/878bcae4-c0be-46de-86a1-c7911b170cd7/download https://repository.eia.edu.co/bitstreams/a51d0fbe-f1de-4904-bd4a-d4d062eed485/download https://repository.eia.edu.co/bitstreams/5836c902-66eb-494f-b8ff-9136e05787ef/download https://repository.eia.edu.co/bitstreams/4c38f9a0-9ac0-431f-8821-5c85b1f68d11/download |
| bitstream.checksum.fl_str_mv |
da9276a8e06ed571bb7fc7c7186cd8fe d7c2004f92ca0687fd00b74f14d4d339 264a613cdbbd6447316238f05748f4ba f39a32f18d3aaa4ff4b6049441951bd0 |
| bitstream.checksumAlgorithm.fl_str_mv |
MD5 MD5 MD5 MD5 |
| repository.name.fl_str_mv |
Repositorio Institucional Universidad EIA |
| repository.mail.fl_str_mv |
bdigital@metabiblioteca.com |
| _version_ |
1814100898642657280 |
| spelling |
Bonet Cruz, Isisc13b9a24cfe250e70b2062e9caa6400dCamacho Cogollo, Javier Enriquee5b1ccf5e96930d4d45902c58ce221de600David Martínez, Cristian Camilo6aaabc5c2da0ef99b4be5585dddbc07f2022-01-27T22:34:47Z2022-01-27T22:34:47Z2021https://repository.eia.edu.co/handle/11190/4244David 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/11190/424429 páginasRESUMEN: 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.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.PregradoIngeniero(a) de Sistemas y Computaciónapplication/pdfspaUniversidad EIAIngeniería de Sistemas y ComputaciónEscuela de Ingeniería y Ciencias BásicasEnvigado (Antioquia, Colombia)Derechos Reservados - Universidad EIA, 2021https://creativecommons.org/licenses/by-nc-nd/4.0/info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)http://purl.org/coar/access_right/c_abf2Modelo predictivo para el pronóstico de tiempos de estancia de pacientes en unidades de cuidados intensivosTrabajo de grado - Pregradoinfo:eu-repo/semantics/bachelorThesisinfo:eu-repo/semantics/publishedVersionTexthttps://purl.org/redcol/resource_type/TPhttp://purl.org/coar/version/c_970fb48d4fbd8a85http://purl.org/coar/resource_type/c_7a1fModelo PredictivoUCITiempo de estanciaInteligencia ArtificialPublicationLICENSElicense.txtlicense.txttext/plain; charset=utf-82515https://repository.eia.edu.co/bitstreams/878bcae4-c0be-46de-86a1-c7911b170cd7/downloadda9276a8e06ed571bb7fc7c7186cd8feMD57ORIGINALDavidMartínez_2021_ModeloPredictivoPronostico.pdfDavidMartínez_2021_ModeloPredictivoPronostico.pdfTrabajo de gradoapplication/pdf477774https://repository.eia.edu.co/bitstreams/a51d0fbe-f1de-4904-bd4a-d4d062eed485/downloadd7c2004f92ca0687fd00b74f14d4d339MD58TEXTDavidMartínez_2021_ModeloPredictivoPronostico.pdf.txtDavidMartínez_2021_ModeloPredictivoPronostico.pdf.txtExtracted texttext/plain42663https://repository.eia.edu.co/bitstreams/5836c902-66eb-494f-b8ff-9136e05787ef/download264a613cdbbd6447316238f05748f4baMD59THUMBNAILDavidMartínez_2021_ModeloPredictivoPronostico.pdf.jpgDavidMartínez_2021_ModeloPredictivoPronostico.pdf.jpgGenerated Thumbnailimage/jpeg9011https://repository.eia.edu.co/bitstreams/4c38f9a0-9ac0-431f-8821-5c85b1f68d11/downloadf39a32f18d3aaa4ff4b6049441951bd0MD51011190/4244oai:repository.eia.edu.co:11190/42442023-07-25 17:07:14.972https://creativecommons.org/licenses/by-nc-nd/4.0/Derechos Reservados - Universidad EIA, 2021open.accesshttps://repository.eia.edu.coRepositorio Institucional Universidad EIAbdigital@metabiblioteca.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 |