Modelos analíticos de registros clínicos para el apoyo del plan de manejo a pacientes con diagnósticos y morbilidades similares

En Colombia el sistema de salud presenta deficiencias relacionadas a la ausencia de recursos de información sobre las diferentes enfermedades y sus respectivos tratamientos. Lo anterior, repercute en la calidad de la atención y bienestar de los pacientes, generando que las instituciones de la salud deban asumir sobrecostos relacionados con la prestación del servicio, y consecuencias adversas a la salud de los pacientes tratados aumentando la complejidad de su tratamiento, que, de haber sido atendidos preventivamente con mayor eficiencia, podría no sólo redundar en mejorar la calidad de vida de los mismos, sino también en descongestionar la atención hospitalaria en el país. Debido a lo mostrado anteriormente se evidencia la necesidad de la implementación de herramientas tecnológicas, que contribuyan a favorecer y mejorar la gestión médica suministrando la información necesaria para el trato adecuado del paciente. En el desarrollo del proyecto se determinó que Spark es la herramienta más adecuada para el procesamiento de una gran cantidad de datos obtenidos por medio de bases de datos relacionales. Adicionalmente, se concluyó que la forma más efectiva para el desarrollo de los modelos de inteligencia artificial es dividir la información por diagnóstico principal para que sea más asertivo el modelo. Finalmente, se determinó que los modelos de clustering son los más adecuados para generar grupos de pacientes con características similares y así poder determinar cuáles son los procedimientos más adecuados para tratar las morbilidades presentadas por dichos pacientes.

• Autores: Pinzón Orjuela, Andrés Felipe; Poch Llorente, Nicolás
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2022
• Institución: Universidad de los Andes
• Repositorio: Séneca: repositorio Uniandes
• Idioma: spa
• OAI Identifier: oai:repositorio.uniandes.edu.co:1992/65725
• Acceso en línea: http://hdl.handle.net/1992/65725
• Palabra clave: Aprendizaje de Máquinas; Visualización de Datos; Plotly; Pyspark; Python; Dash; Machine Learning; Ingeniería
• Rights: openAccess
• License: Attribution-NonCommercial-NoDerivatives 4.0 Internacional