Sistema de pronóstico geolocalizado de atenciones de urgencia

Abstract

l objetivo de la investigación fue determinar a través de un nuevo modelo predictivo con la ayuda de la minería de datos y la técnica de predicción de minería de datos de regresión lineal, a través de un sistema de geolocalización para medir los impactos y cambios de atención de urgencia en los hospitales. Mediante una comparación de metodología, herramientas de minería de datos y software de modelos de proyección, se optará la mejor opción en base de su funcionalidad, escalabilidad, características, entre otros. Además, se recolectó datos en el período 2010 - 2019 del área de atención de urgencias. En un estudio transversal, las variables se identifican en un momento dado y se determinan las relaciones entre ellas. Se concluyó las enfermedades respiratorias son las de mayor impacto las que generan más atenciones de urgencia en los hospitales de acuerdo a los modelos de regresión lineal múltiple y regresión logística ordinal. También se concluyó que la mejor técnica de series de tiempo el Holt-Winter’s el cual nos arroja una precisión de 97.3% mostrando las cantidades que se esperan en las atenciones de urgencia del año 2020 en los hospitales. Se recomienda que se realicen de vuelta con una cantidad de datos mayor para ver el comportamiento de la cantidad de atenciones de urgencia en los hospitales y ver cuál es la enfermedad que es la que más atenciones obtenidas en los siguientes años. Esto agregando más variables tomando otras normativas de clasificación de enfermedades otras técnicas para ver el impacto y saber cuál es la enfermedad más frecuente en los hospitales de cada localidad geográfica también tomar otras técnicas de series de tiempo para encontrar nuevos porcentajes de pronóstico de atenciones de urgencia.