Modelo predictivo de mineria de datos de apoyo a la gestion hospitalaria sobre la morbilidad de pacientes hospitalizados

• Autor: Saldaña Valqui, Edwin John
• Formato: tesis de grado
• Fecha de Publicación: 2016
• Institución: Universidad Privada Antenor Orrego
• Repositorio: UPAO-Tesis
• Lenguaje: español
• OAI Identifier: oai:repositorio.upao.edu.pe:20.500.12759/1927
• Enlace del recurso: https://hdl.handle.net/20.500.12759/1927
• Nivel de acceso: acceso abierto
• Materia: MDHM; Modelo predictivo de minería de datos; https://purl.org/pe-repo/ocde/ford#2.02.04

La minería de datos en el sector salud permite identificar los perfiles de salud en los pacientes, ayuda a comprender el patrón de comportamiento, a través del historial de información almacenada que hace posible su gestión cotidiana, siendo así esta información diversa y compleja. El presente trabajo de investigación, propone aplicar un marco estándar de actividades de minería datos, creando un modelo predictivo, que sirva de apoyo a la Gestión Hospitalaria sobre la morbilidad con pacientes hospitalizados, basado en el algoritmo de análisis de serie de tiempo, Modelo ARIMA (AutoRegresive Integrated Moving Average) de Box y Jenkis (Box G.E.P. & Jenkins, 1973), con información histórica de los últimos 7 años de los pacientes del Hospital Víctor Ramos Guardia. En la investigación, se tomó como referencia la metodología CRISP-DM (Cross Industry Standard Process For Data Mining), que consiste en la comprensión del negocio, comprensión de los datos, preparación de los datos, modelado, evaluación y despliegue. Por lo tanto se realizó la extracción de los datos, transformación de los datos, carga de datos, limpieza de datos, diseño del datamart “HEALTHMINING”, la selección y creación de variables que sirvieron como datos de entrada para mi modelo, para posteriormente crear un modelo de pronósticos, que me permitió conocer los casos de morbilidad en pacientes hospitalizados del hospital VRG para los próximos tres años.