Predicción de cumplimiento de entrega de pedidos farmacéuticos

RESUMEN : En el desarrollo de esta monografía se trabaja alrededor de un servicio farmacéutico que realiza entregas de medicamentos ordenados a pacientes de diferentes municipios de Antioquia. La gestión logística de estos productos farmacéuticos está condicionada por características particulares de los medicamentos. Algunos medicamentos son enviados bajo una condición especial y estos son recibidos por los pacientes, a través del personal interno de la compañía (domiciliarios), por transportadoras o en un gran porcentaje algunos son recogidos directamente por los pacientes o sus cuidadores. Para el desarrollo del trabajo se generó un registro de información de las entregas de pedidos de los últimos tres meses, para pacientes con diferentes patologías. Gran parte del éxito en el tratamiento de los pacientes está relacionado con la adecuada adherencia de estos a las recetas generadas posterior a la consulta con el médico prescriptor, sin embargo, esta también depende de que los medicamentos sean entregados de forma oportuna y a tiempo, siendo esta una de las principales causales que los pacientes manifiestan como justificación para la no toma de los medicamentos, pues se ven afectados si no hay disponibilidad de los fármacos por parte de sus operadores. El objetivo de esta monografía fue determinar si los medicamentos serán entregados dentro de los tiempos establecidos posterior a la solicitud del pedido, a través de algoritmos de clasificación o si por determinadas condiciones se va a incumplir con la promesa de suministro al paciente. A través de los modelos Regresión logística, Random Forest, Naive Bayes y Máquina de soporte de vectores se pudo realizar un acercamiento a la analítica de datos, generando diferentes métricas que permitieron encontrar un modelo de predicción para anteponer el cumplimiento de los pedidos. Con el modelo Random Forest se obtuvo una Área curva ROC de 0.85, facilitando la predicción de cumplimiento y generando como consecuencia que la compañía farmacéutica pueda ser más reactiva para solucionar en el menor tiempo posible los inconvenientes que se pueden presentar.

• Autores: Montoya Escobar, Gustavo Adolfo
• Tipo de recurso: Tesis
• Fecha de publicación: 2022
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/29127
• Acceso en línea: http://hdl.handle.net/10495/29127
• Palabra clave: Farmacia; Pharmacy; Aprendizaje automático (inteligencia artificial); Machine learning; Prescripciones medicas; Medicine - formulae, receipts, prescriptions; Industria farmacéutica; Drug industry; Satisfacción del consumidor; Consumer satisfaction; Logística; Logistics; Demanda; Demand; http://aims.fao.org/aos/agrovoc/c_331401; http://aims.fao.org/aos/agrovoc/c_2171
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/