Modelo de analítica predictiva para estimar el reingreso de pacientes al servicio de urgencias y la proporción de pacientes hospitalizados en el componente de salud

El proyecto tuvo como objetivo diseñar e implementar un modelo de analítica de datos para predecir el reingreso de pacientes a urgencias y estimar el porcentaje de hospitalización, optimizando la planeación y gestión de recursos en el proceso de referencia y contrarreferencia. Se desarrolló un proceso ETL para depurar y estandarizar la información institucional, y se entrenaron modelos de aprendizaje automático, identificando a LightGBM como el de mejor desempeño. Además, se implementó un tablero analítico en Power BI que facilita la visualización de indicadores y la toma de decisiones basada en evidencia. La iniciativa demuestra la viabilidad técnica y el valor estratégico de aplicar analítica predictiva en los procesos de salud del FOMAG, fortaleciendo una gestión más eficiente, preventiva y orientada a resultados.

• Autores: Guzmán Salas, Lucia; Ortiz Medina, Faiber; Sánchez Palomino, Geovanny
• Fecha de publicación: 2025
• Institución: Universidad de Ibagué
• Repositorio: Repositorio Universidad de Ibagué
• Idioma: spa
• OAI Identifier: oai:repositorio.unibague.edu.co:20.500.12313/5960
• Acceso en línea: https://hdl.handle.net/20.500.12313/5960
• Palabra clave: Fomag - Servicio de urgencias; Analítica Predictiva; Aprendizaje Automático; Salud; Gestión Hospitalaria; Urgencias; Referencia y Contrarreferencia; Power Bi; Predictive Analytics; Machine Learning; Healthcare; Hospital Management; Emergency Services; Referral and counter-referral; Power BI
• Rights: openAccess
• License: http://purl.org/coar/access_right/c_abf2