Predicción de estancias hospitalarias en pacientes geriátricos en un hospital de cuarto nivel de complejidad de la ciudad de Medellín-Antioquia en los años 2021-2022

RESUMEN : Este trabajo se enfocó en definir una metodología de predicción de estancias hospitalarias en pacientes geriátricos de un hospital de cuarto nivel de complejidad en Medellín – Colombia. Se analizó un conjunto de datos que representa un total de 14385 egresos hospitalarios de población mayor de 59 años (75.3 ± 8.9 años) atendida durante el periodo comprendido entre el 1 de enero de 2021 al 31 de diciembre de 2022. Se analizaron 16 variables sociodemográficas y clínicas para un total de 14385 egresos; de los cuales 7727 (53.7%) son mujeres y el 46.3% restante corresponde a los hombres. Se utilizaron cuatro modelos de aprendizaje automático (Regresión Lineal, Regresión Logística, Arboles de decisión y Random Forest) evaluados con las métricas de error cuadrático medio, exactitud (Accuracy) y el coeficiente de determinación. Se obtuvo que el modelo de Random Forest es el más apropiado para este conjunto de datos, ya que supera una precisión de 0.41, explicando la mayor variabilidad en los datos. Tanto la Regresión Lineal como los modelos de Regresión Logística y Árboles de Decisión dado qué alcanzaron una precisión de 0.38, 0.12 y 0.40, respectivamente, lo que presenta desafíos significativos en el contexto de las estancias hospitalarias.

• Autores: Sánchez Jiménez, Astrid Viviana; Restrepo Correa, Vanessa
• Tipo de recurso: Tesis
• Fecha de publicación: 2023
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/37561
• Acceso en línea: https://hdl.handle.net/10495/37561
• Palabra clave: Hospitalización; Hospitalization; Tiempo de Internación; Length of Stay; Salud del Anciano; Health of the Elderly; Análisis de regresión logística; Logistic regression analysis; Estancia hospitalaria; Población geriátrica; Regresión lineal; Arboles de decisión
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/2.5/co/