Análisis de reingresos de pacientes adultos utilizando redes neuronales recurrentes: caso de estudio en un hospital de tercer nivel de la ciudad de Medellín

RESUMEN : La readmisión hospitalaria de pacientes es un fenómeno muy común a nivel nacional, es costoso y puede conllevar a procesos en los cuales la evaluación en la calidad de los servicios de salud por parte de los centros que lo prestan se puede ver altamente comprometida, debido a que esto es un índice de la calidad de servicio prestado al paciente durante su estancia. Por lo anterior es indispensable mitigar este tipo de impactos, ya que al predecir con anticipación las readmisiones puede aumentar la calidad de la atención hospitalaria y reducir los abultados costos a largo plazo. En el presente artículo se usarán dos técnicas de clasificación basadas en árboles: Árbol de Decisión y Bosques Aleatorios, y la técnica de aprendizaje profundo denominada Redes Neuronales Recurrentes con el objetivo de predecir la ventana de readmisión de un paciente a 3, 28 o más de 28 días desde una base de datos otorgada por un hospital de tercer nivel de la ciudad de Medellín. Los resultados muestran que no existe una correlación marcada entre las diferentes bases de datos por lo cual al aplicar el método de Bosques Aleatorios y Redes Neuronales Recurrentes, no se encuentra una mejora significativa de predicción con respecto al Árbol de Decisión.

• Autores: Rivera Soto, Deiner Alonso
• Tipo de recurso: Trabajo de grado de pregrado
• Fecha de publicación: 2024
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/39752
• Acceso en línea: https://hdl.handle.net/10495/39752
• Palabra clave: Readmisión del Paciente; Patient Readmission; Aprendizaje Automático; Machine Learning; Redes Neurales de la Computación; Neural Networks, Computer; Base de datos; Databases; Readmisión hospitalaria; Redes Neuronales Recurrentes; Predicción; http://vocabularies.unesco.org/thesaurus/concept501; https://id.nlm.nih.gov/mesh/D010359; https://id.nlm.nih.gov/mesh/D000069550; https://id.nlm.nih.gov/mesh/D016571
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/