Utilización del modelo autorregresivo de series temporales ARIMA para la predicción de visitas en el servicio de urgencias del Hospital Clínico Universitario de Valladolid
Serna Pérez, Verena
Ramos Terrades, Oriol , tut. (Universitat Autònoma de Barcelona. Departament de Ciències de la Computació)
Universitat Autònoma de Barcelona. Facultat de Medicina
Universitat Autònoma de Barcelona. Departament d'Arquitectura de Computadors i Sistemes Operatius

Fecha:	2024
Descripción:	10 pag.
Resumen:	El aumento de la demanda de servicios sanitarios es un reto importante para los servicios de urgencias de un hospital. Esta demanda genera presión sobre los recursos y la calidad de atención y hace que la gestión del flujo de pacientes y la asignación de recursos sea elementos clave para el buen funcionamiento del servicio. Los servicios de urgencias son el primer punto de contacto para los usuarios que buscan atención médica urgente. La predicción precisa de la afluencia de pacientes puede resultar muy útil para optimizar el uso de los recursos y mejorar la atención al usuario. En este proyecto se propone la utilización de inteligencia artificial (IA) para desarrollar un modelo de aprendizaje automático basado en la regresión de series temporales que permita predecir el número de visitas que recibirá el servicio de urgencias del Hospital Clínico Universitario de Valladolid en 2023, con los datos de visitas realizadas en 2021 y 2022.
Derechos:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra, i la creació d'obres derivades, sempre que no sigui amb finalitats comercials i que es distribueixin sota la mateixa llicència que regula l'obra original. Cal que es reconegui l'autoria de l'obra original.
Lengua:	Castellà
Titulación:	Màster en Intel·ligència Artificial i Big Data en Salut
Plan de estudios:	Màster en Intel·ligència Artificial i Big Data en Salut [4291]
Documento:	Treball de fi de postgrau
Materia:	Urgencias ; Big Data ; Aprendizaje Automático ; Regresión de Series Temporales ; Modelización predictiva ; Gestión Sanitaria ; ARIMA

11 p, 675.6 KB

El registro aparece en las colecciones:
Documentos de investigación > Trabajos de investigación y proyectos de final de carrera