Técnicas de Aprendizaje Automático aplicadas a la predicción de afluencia de pacientes a unidades de atención primaria

Abstract

La atención sanitaria en Castilla y León tiene como unidad mínima de atención primaria miles de consultorios repartidos por su geografía que reciben pacientes durante todos los días del año para tratar sus necesidades médicas. La organización y planificación de un conjunto tan grande de espacios sanitarios lleva consigo una gran dificultad asociada a la decisión de qué recursos asignar a cada unidad así como cuándo y dónde hacerlo. El objetivo de este trabajo consiste en encontrar junto a la empresa Serbatic un modelo que se pueda emplear como guía en el proceso. Más concretamente la meta final es conseguir predecir con un grado de confianza aceptable la afluencia a cada uno de estos consultorios en el futuro próximo con todas las ventajas que esto supondría para la administración de dichos centros. Hasta lograrlo en este documento se describirá todo el proceso paso a paso desde la planificación del proyecto hasta el testeo de los modelos pasando por las justificaciones teóricas de su elección y desarrollo así como por los detalles de programación que permitan que estos modelos matemáticos se trasladen a código útil.

The health care system in Castilla y León is organized into thousands of primary care offices which treat patients every day of the year. Therefore,it is challenging to decide what resources to assign to every unit as well as when and where to do so in such a large set of healthcare facilities. Ultimately, the objective of this work is to develop a model that can be used as a guide by those responsible for making these decisions, allowing them to predict the influx of patients to each clinic in the near future with a high degree of confidence. Without a doubt, all of this would be beneficial to the administration of these centers. To achieve this goal, this document will provide a step-by-step description from project planning to model testing, covering both the theoretical justifications for their choice and development, as well as the programming details that enable these mathematical models to function as useful code.