Modelo de inteligencia predictiva para pronóstico del estado del ciclo de vida de los servicios de atención médica en entidades privadas del sector salud

• Autor: Herrera Miranda, Juan Carlos
• Formato: tesis doctoral
• Fecha de Publicación: 2024
• Institución: Universidad Nacional Federico Villarreal
• Repositorio: UNFV-Institucional
• Lenguaje: español
• OAI Identifier: oai:repositorio.unfv.edu.pe:20.500.13084/9315
• Enlace del recurso: https://hdl.handle.net/20.500.13084/9315
• Nivel de acceso: acceso abierto
• Materia: Sistemas inteligentes, robótica, domótica; Modelo predictivo; Redes neuronales; Árbol de decisión; Regresión lineal; https://purl.org/pe-repo/ocde/ford#1.02.00

La presente tesis desarrollada tuvo como objetivo el generar un modelo de inteligencia predictiva para el pronóstico del estado del ciclo de vida de los servicios de atención médica en entidades privadas del sector salud, se analizó el caso específico de la clínica Ricardo Palma, Método: la investigación fue aplicada pues se diseñó este modelo que mejora el proceso de información del estado del ciclo de vida de los servicios de atención médica, el modelo implemento algoritmos de redes neuronales de retro propagación, arboles de decisión y regresión lineal, se obtuvo los resultados con el modelo del árbol de decisión, tipo Coarse Tree, un modelo predictivo óptimo con un valor RMSE 30.237 lo cual confirma el performance del modelo del árbol de decisión. El modelo de red neuronal con 10 capas ocultas usando la función de transferencia Sigmoidea tuvo un performance de 6080.83 en la época 6. Esto permite la predicción de la calidad del ciclo de vida de los servicios de la clínica Ricardo Palma con una mejor eficiencia. Por último, el modelo multivariado de regresión lineal en la que se analizaron cuatro modelos, de los cuales el óptimo fue el modelo predictivo Regression Stepwise Linear con un RMSE igual a 11.553 que permite predecir el ciclo de vida de los servicios médicos de la clínica Ricardo palma, con lo que se concluye que los modelos implementados mejorarán el proceso de obtener información, lo cual permite la predicción para eventos futuros con un buen performance.