Solución tecnológica LHS para mejorar los servicios de salud renal en lima metropolitana usando data analytics

• Autor: Mita Soria, Vielka Dargelin
• Formato: tesis de grado
• Fecha de Publicación: 2025
• Institución: Universidad Peruana de Ciencias Aplicadas
• Repositorio: UPC-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorioacademico.upc.edu.pe:10757/685848
• Enlace del recurso: http://hdl.handle.net/10757/685848
• Nivel de acceso: acceso abierto
• Materia: Enfermedad renal crónica; Learning health system; Random forest (RF); Decision tree (DT); Machine learning; Chronic kidney disease; https://purl.org/pe-repo/ocde/ford#2.02.04; https://purl.org/pe-repo/ocde/ford#2.00.00

El sector salud a nivel mundial enfrenta el reto continuo de mejorar los servicios brindados a los pacientes. Por ello, la transformación digital en los servicios de salud juega un papel clave en la integración de nuevas tecnologías como la inteligencia artificial. Sin embargo, el sistema de salud peruano aún no ha dado el gran paso hacia la digitalización de sus servicios, ocupando actualmente el puesto 71 según la Organización Mundial de la Salud. Este artículo propone un sistema de salud inteligente para la gestión y el monitoreo de los servicios de salud privados en Perú, basado en los tres componentes clave de la atención inteligente en salud: health data platform (HDP); intelligent technologies (IT); y intelligent health care suite (HIS). La solución consta de cuatro capas: data source, data warehousing, data analytics, y visualization. En la capa 1, se seleccionan todas las fuentes de datos para crear una base de datos. Se construye el sistema de salud inteligente propuesto, y el almacenamiento de datos se ejecuta mediante el proceso de extracción, transformación y carga en la capa 2. En la capa 3, se utilizan conjuntos de datos y algoritmos para predecir el diagnóstico de enfermedades, obteniendo un algoritmo con el mejor rendimiento. Finalmente, en la capa 4, se diseñan los dashboards e interfaces del sistema. La solución propuesta se aplicó en una clínica dedicada a la prevención de la enfermedad renal crónica. Participaron 100 pacientes y seis expertos en salud renal. Los resultados demostraron que el diagnóstico de la enfermedad mediante el sistema de salud de aprendizaje tuvo una baja tasa de error en los diagnósticos positivos (err = 1,12%). Además, se demostró la satisfacción de los expertos con los paneles de control y las interfaces, así como con la calidad del mismo.