Análisis del uso de técnicas de Machine Learning para la identificación automática de fallas en la prescripción de antibióticos

RESUMEN: Con el objetivo de cumplir con el sistema de vigilancia para el adecuado uso de antimicrobianos en la clínica León XIII de la IPS Universitaria, fue necesario asignar personal para hacer la revisión de las prescripciones de antibióticos realizadas diariamente a los pacientes hospitalizados; dicho proceso es altamente demandado y costoso ya que el personal que se requiere es de alta formación y la tarea de revisión de cada prescripción es demandante. Por lo tanto, el propósito de este trabajo es evaluar la capacidad de técnicas de Machine Learning (ML) para apoyar la toma de decisiones en este contexto, permitiendo de esa manera liberar de carga al personal médico de la unidad encargada. Los modelos de ML podrían determinar la probabilidad de que una prescripción se haya realizado de forma adecuada, de modo que le facilite al conjunto de especialistas del Departamento de Infectología (DI) direccionar sus esfuerzos a los casos que tengan mayor probabilidad de presentar errores. Este problema se aborda como un problema de clasificación de dos clases, una clase positiva que indica que tiene una alta probabilidad de que sea necesario hacer revisión manual por ser una prescripción inadecuada y la clase negativa, es decir, que no es necesaria la revisión por ser un tratamiento adecuado. Posteriormente se presenta una variante en la que la clase positiva se subdivide en tres grupos dependiendo de las causas por las cuales la prescripción se considera inadecuada.

• Autores: Navas Muriel, Deiry Sofia
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2021
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/21864
• Acceso en línea: http://hdl.handle.net/10495/21864
• Palabra clave: Automatización; Automation; Medicamento; Drugs; Tratamiento médico; Medical treatment; Desbalance; Machine Learning; Múltiples etiquetas; Random Forest; RNA; SMOTE; SVM; Prescripciones de antibióticos; XGBoost; http://vocabularies.unesco.org/thesaurus/concept3401; http://vocabularies.unesco.org/thesaurus/concept5033; http://vocabularies.unesco.org/thesaurus/concept5457
• Rights: openAccess
• License: http://creativecommons.org/publicdomain/zero/1.0/