2026-04-27T19:55:13Zhttps://uvadoc.uva.es/oai/requestoai:uvadoc.uva.es:10324/778262025-09-17T19:04:29Zcom_10324_38col_10324_852
Análisis funcional de datos de ingresos urgentes en psiquiatría
García Alonso, Paula
Larriba González, Yolanda
Pérez Álvarez, Andrea
Universidad de Valladolid. Facultad de Ciencias
En este Trabajo Fin de Grado se analiza la relación entre condiciones ambientales y los
ingresos urgentes psiquiátricos desde la perspectiva del Análisis de Datos Funcionales.
Se analiza un conjunto de datos formado por 4104 pacientes ingresados en la Unidad de
Psiquiatría del Hospital de León (2011-2022), con registro de temperaturas, humedad y contaminantes desde el día del ingreso hasta 20 días previos. Estas series temporales se modelizan como
funcionaes continuas, capturando la dinámica completa en lugar de valores aislados.
Se realiza un análisis descriptivo funcional de las variables permitiendo identificar tendencias
temporales, zonas de mayor o menor dispersión y patrones de dependencia entre los días previos
a la hospitalización. A continuación, se aplican técnicas de reducción de la dimensionalidad para
extraer los principales patrones de variación. En esta fase exploratoria, se identifican perfiles
funcionales diferenciados por nivel, variabilidad local y momentos de mayor exposición. En conjunto, estos patrones explican una gran parte de la variabilidad observada y sientan las bases
para futuras estrategias de modelización predictiva más elaboradas.
This Final Degree Project analyzes the relationship between environmental conditions and
emergency psychiatric admissions from the perspective of Functional Data Analysis.
A dataset consisting of 4104 patients admitted to the Psychiatric Unit of León Hospital
(2011-2022) is analyzed, with records of temperature, humidity, and pollutants from the day of
admission up to 20 days prior. These time series are modeled as continuous functions, capturing
the complete dynamics rather than isolated values.
A descriptive functional analysis of the variables is performed, allowing for the identification
of temporal trends, areas of greater or lesser dispersion, and patterns of dependence between days
prior to hospitalization. Dimensionality reduction techniques are then applied to extract the main
patterns of variation. In this exploratory phase, functional profiles are identified, differentiated
by level, local variability, and times of greatest exposure. Together, these patterns explain a
large part of the observed variability and lay the groundwork for more sophisticated predictive
modeling strategies in the future.
2025-09-17T07:37:12Z
2025-09-17T07:37:12Z
2025
info:eu-repo/semantics/bachelorThesis
https://uvadoc.uva.es/handle/10324/77826
spa
info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-nd/4.0/
Attribution-NonCommercial-NoDerivatives 4.0 Internacional