Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina

Descripción del Articulo

Este estudio desarrolló y validó un modelo predictivo de Machine Learning para anticipar la deserción de citas médicas en el Centro Nacional de Telemedicina (CENATE), donde este problema genera un significativo desperdicio de recursos. Tras analizar retrospectivamente más de 71,000 citas y entrenar...

Descripción completa

Detalles Bibliográficos
Autores: Aylas Barranca, Fabio, Mascaró Collantes, Marco Antonio, Herrera Huarancca, Alina Catia, Coronado Davila, Fernando, Seguro Social de Salud (EsSalud). Centro Nacional de Telemedicina
Fecha de Publicación:2025
Institución:Seguro Social de Salud
Repositorio:ESSALUD-Institucional
Lenguaje:español
OAI Identifier:oai:repositorio.essalud.gob.pe:20.500.12959/5707
Enlace del recurso:https://hdl.handle.net/20.500.12959/5707
Nivel de acceso:acceso abierto
Materia:Telemedicina
Estrategias de eSalud
Tecnología de la Información
Aprendizaje automático
Learning
Centro Nacional de Telemedicina
https://purl.org/pe-repo/ocde/ford#3.04.01
id ESSA_872fe1d4bc51ebc7245781d2d0849a91
oai_identifier_str oai:repositorio.essalud.gob.pe:20.500.12959/5707
network_acronym_str ESSA
network_name_str ESSALUD-Institucional
repository_id_str 4277
dc.title.es_PE.fl_str_mv Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
title Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
spellingShingle Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
Aylas Barranca, Fabio
Telemedicina
Estrategias de eSalud
Tecnología de la Información
Aprendizaje automático
Learning
Centro Nacional de Telemedicina
https://purl.org/pe-repo/ocde/ford#3.04.01
title_short Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
title_full Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
title_fullStr Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
title_full_unstemmed Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
title_sort Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
author Aylas Barranca, Fabio
author_facet Aylas Barranca, Fabio
Mascaró Collantes, Marco Antonio
Herrera Huarancca, Alina Catia
Coronado Davila, Fernando
Seguro Social de Salud (EsSalud). Centro Nacional de Telemedicina
author_role author
author2 Mascaró Collantes, Marco Antonio
Herrera Huarancca, Alina Catia
Coronado Davila, Fernando
Seguro Social de Salud (EsSalud). Centro Nacional de Telemedicina
author2_role author
author
author
author
dc.contributor.author.fl_str_mv Aylas Barranca, Fabio
Mascaró Collantes, Marco Antonio
Herrera Huarancca, Alina Catia
Coronado Davila, Fernando
Seguro Social de Salud (EsSalud). Centro Nacional de Telemedicina
dc.subject.es_PE.fl_str_mv Telemedicina
Estrategias de eSalud
Tecnología de la Información
Aprendizaje automático
Learning
topic Telemedicina
Estrategias de eSalud
Tecnología de la Información
Aprendizaje automático
Learning
Centro Nacional de Telemedicina
https://purl.org/pe-repo/ocde/ford#3.04.01
dc.subject.none.fl_str_mv Centro Nacional de Telemedicina
dc.subject.ocde.es_PE.fl_str_mv https://purl.org/pe-repo/ocde/ford#3.04.01
description Este estudio desarrolló y validó un modelo predictivo de Machine Learning para anticipar la deserción de citas médicas en el Centro Nacional de Telemedicina (CENATE), donde este problema genera un significativo desperdicio de recursos. Tras analizar retrospectivamente más de 71,000 citas y entrenar múltiples algoritmos, se identificó que el modelo XGBoost presentó el mejor equilibrio global (F1-Score: 0.25; recall: 0.53), superando a otros como Random Forest y Regresión Logística. Si bien el modelo permite priorizar citas de alto riesgo, sus resultados confirman la dificultad de predecir este evento de baja prevalencia (7%) con datos principalmente administrativos, por lo que se concluye que para una futura implementación operativa es necesario enriquecer los predictores con variables clínicas o conductuales, calibrar los umbrales de decisión y optimizar las técnicas para el manejo del desbalance de clases.
publishDate 2025
dc.date.accessioned.none.fl_str_mv 2025-09-18T22:06:30Z
dc.date.available.none.fl_str_mv 2025-09-18T22:06:30Z
dc.date.issued.fl_str_mv 2025
dc.type.es_PE.fl_str_mv info:eu-repo/semantics/technicalDocumentation
dc.identifier.uri.none.fl_str_mv https://hdl.handle.net/20.500.12959/5707
url https://hdl.handle.net/20.500.12959/5707
dc.language.iso.es_PE.fl_str_mv spa
language spa
dc.rights.es_PE.fl_str_mv info:eu-repo/semantics/openAccess
dc.rights.uri.es_PE.fl_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
eu_rights_str_mv openAccess
rights_invalid_str_mv https://creativecommons.org/licenses/by-nc-sa/4.0/
dc.format.es_PE.fl_str_mv application/pdf
dc.publisher.es_PE.fl_str_mv Seguro Social de Salud (EsSalud)
dc.publisher.country.es_PE.fl_str_mv PE
dc.source.es_PE.fl_str_mv Seguro Social de Salud (EsSalud)
Repositorio Institucional EsSalud
dc.source.none.fl_str_mv reponame:ESSALUD-Institucional
instname:Seguro Social de Salud
instacron:ESSALUD
instname_str Seguro Social de Salud
instacron_str ESSALUD
institution ESSALUD
reponame_str ESSALUD-Institucional
collection ESSALUD-Institucional
bitstream.url.fl_str_mv https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/1/Desarrollo%20de%20una%20herramienta%20basada%20en%20Machine%20Learning%20para%20la%20detecci%c3%b3n%20de%20deserci%c3%b3n%20de%20citas%20programadas%20para%20pacientes%20del%20Centro%20Nacional%20de%20Telemedicina.pdf
https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/2/license.txt
https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/3/Desarrollo%20de%20una%20herramienta%20basada%20en%20Machine%20Learning%20para%20la%20detecci%c3%b3n%20de%20deserci%c3%b3n%20de%20citas%20programadas%20para%20pacientes%20del%20Centro%20Nacional%20de%20Telemedicina.pdf.txt
https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/4/Desarrollo%20de%20una%20herramienta%20basada%20en%20Machine%20Learning%20para%20la%20detecci%c3%b3n%20de%20deserci%c3%b3n%20de%20citas%20programadas%20para%20pacientes%20del%20Centro%20Nacional%20de%20Telemedicina.pdf.jpg
bitstream.checksum.fl_str_mv 6fd5858ccc56fad87e48f134ec249df8
8a4605be74aa9ea9d79846c1fba20a33
95bec01f1144222adade52558aafc4f1
9326ee4017f37dad80c9824853c06150
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
MD5
MD5
repository.name.fl_str_mv Repositorio Seguro Social de Salud – ESSALUD
repository.mail.fl_str_mv bibliotecacentral@essalud.gob.pe
_version_ 1844611828200505344
spelling Aylas Barranca, FabioMascaró Collantes, Marco AntonioHerrera Huarancca, Alina CatiaCoronado Davila, FernandoSeguro Social de Salud (EsSalud). Centro Nacional de Telemedicina2025-09-18T22:06:30Z2025-09-18T22:06:30Z2025https://hdl.handle.net/20.500.12959/5707Este estudio desarrolló y validó un modelo predictivo de Machine Learning para anticipar la deserción de citas médicas en el Centro Nacional de Telemedicina (CENATE), donde este problema genera un significativo desperdicio de recursos. Tras analizar retrospectivamente más de 71,000 citas y entrenar múltiples algoritmos, se identificó que el modelo XGBoost presentó el mejor equilibrio global (F1-Score: 0.25; recall: 0.53), superando a otros como Random Forest y Regresión Logística. Si bien el modelo permite priorizar citas de alto riesgo, sus resultados confirman la dificultad de predecir este evento de baja prevalencia (7%) con datos principalmente administrativos, por lo que se concluye que para una futura implementación operativa es necesario enriquecer los predictores con variables clínicas o conductuales, calibrar los umbrales de decisión y optimizar las técnicas para el manejo del desbalance de clases.application/pdfspaSeguro Social de Salud (EsSalud)PEinfo:eu-repo/semantics/openAccesshttps://creativecommons.org/licenses/by-nc-sa/4.0/Seguro Social de Salud (EsSalud)Repositorio Institucional EsSaludreponame:ESSALUD-Institucionalinstname:Seguro Social de Saludinstacron:ESSALUDTelemedicinaEstrategias de eSaludTecnología de la InformaciónAprendizaje automáticoLearningCentro Nacional de Telemedicinahttps://purl.org/pe-repo/ocde/ford#3.04.01Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicinainfo:eu-repo/semantics/technicalDocumentationORIGINALDesarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina.pdfDesarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina.pdfapplication/pdf357870https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/1/Desarrollo%20de%20una%20herramienta%20basada%20en%20Machine%20Learning%20para%20la%20detecci%c3%b3n%20de%20deserci%c3%b3n%20de%20citas%20programadas%20para%20pacientes%20del%20Centro%20Nacional%20de%20Telemedicina.pdf6fd5858ccc56fad87e48f134ec249df8MD51LICENSElicense.txtlicense.txttext/plain; charset=utf-81748https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/2/license.txt8a4605be74aa9ea9d79846c1fba20a33MD52TEXTDesarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina.pdf.txtDesarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina.pdf.txtExtracted texttext/plain32235https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/3/Desarrollo%20de%20una%20herramienta%20basada%20en%20Machine%20Learning%20para%20la%20detecci%c3%b3n%20de%20deserci%c3%b3n%20de%20citas%20programadas%20para%20pacientes%20del%20Centro%20Nacional%20de%20Telemedicina.pdf.txt95bec01f1144222adade52558aafc4f1MD53THUMBNAILDesarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina.pdf.jpgDesarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina.pdf.jpgGenerated Thumbnailimage/jpeg3244https://repositorio.essalud.gob.pe/bitstream/20.500.12959/5707/4/Desarrollo%20de%20una%20herramienta%20basada%20en%20Machine%20Learning%20para%20la%20detecci%c3%b3n%20de%20deserci%c3%b3n%20de%20citas%20programadas%20para%20pacientes%20del%20Centro%20Nacional%20de%20Telemedicina.pdf.jpg9326ee4017f37dad80c9824853c06150MD5420.500.12959/5707oai:repositorio.essalud.gob.pe:20.500.12959/57072025-09-19 03:00:45.014Repositorio Seguro Social de Salud – ESSALUDbibliotecacentral@essalud.gob.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
score 13.888046
Desarrollo de una herramienta basada en Machine Learning para la detección de deserción de citas programadas para pacientes del Centro Nacional de Telemedicina
Nota importante:
La información contenida en este registro es de entera responsabilidad de la institución que gestiona el repositorio institucional donde esta contenido este documento o set de datos. El CONCYTEC no se hace responsable por los contenidos (publicaciones y/o datos) accesibles a través del Repositorio Nacional Digital de Ciencia, Tecnología e Innovación de Acceso Abierto (ALICIA).

Ejemplares Similares