Selección de los factores influyentes en la predicción de camas hospitalarias en una institución de salud de alto nivel de complejidad, mediante el uso de redes neuronales artificiales

Selección de los factores influyentes en la predicción de camas hospitalarias en una institución de salud de alto nivel de complejidad, mediante el uso de redes neuronales artificiales 

Introducción: En el contexto de cualquier institución hospitalaria, los administradores en salud centran sus esfuerzos en conocer el estado futuro de sus áreas, con el fin de minimizar los riesgos y tomar mejores decisiones. Actualmente, las organizaciones se han centrado en entender y dar valor a los datos generados al interior de sus procesos, mediante el uso de modelos de optimización y herramientas computacionales, con el fin de convertirlos en información valiosa y encontrar soluciones óptimas y competitivas. Métodos: Se analizaron 5 indicadores en institución de corte mensual. Estos se recopilaron a través de archivos obtenidos en formato Microsoft EXCEL-2016 desde enero-2004 hasta diciembre-2018, posterior, se modelaron 3 RNA perceptron multicapa con la ayuda del software IBM SPSS versión 19. Resultados: Se muestra mediante las RNA que los egresos es la variable más importante para la predicción de las camas hospitalarias, esto con una importancia de 63%, 45% y 51% para cada RNA. De igual manera, el modelo 1 se presenta con el más acertado. Por otro lado, el tiempo promedio de estancia es la variable menos importante para pronosticar. Conclusiones: A través de este estudio se logró mostrar que la institución debe dar mayor importancia a factores como son los egresos y el indicador de giro cama. Estos deben ser gestionados de manera constante dentro de la labor administrativa de la institución.

Selection of the influential factors in the prediction of hospital beds in a health institution of high complexity level, through the use of artificial neural networks

Background: In the context of any hospital institution, health administrators focus their efforts on knowing the future state of their areas, in order to minimize risks and make better decisions. Currently, organizations have focused on understanding and giving value to the data generated within their processes, through the use of optimization models and computational tools, in order to convert them into valuable information and find optimal and competitive solutions. Methods: 5 indicators were analyzed in a monthly institution. These were collected through files obtained in Microsoft EXCEL-2016 format from January 2004 to December 2018, later, 3 Multilayer Perceptron RNAs were modeled with the help of IBM SPSS version 19 software. Results: It is shown by the RNA that demand is the most important variable for the prediction of hospital beds, this with an importance of 63%, 45% and 51% for each RNA. Similarly, model 1 is presented with the most successful. On the other hand, the average length of stay is the least important variable to forecast. Conclusions: Through this study it was possible to show that the institution should give greater importance to factors such as demand and the bed spin indicator. These must be constantly managed within the administrative work of the institution.

Investigación completa en:

https://www.researchgate.net/publication/346800557_Seleccion_de_los_factores_influyentes_en_la_prediccion_de_camas_hospitalarias_en_una_institucion_de_salud_de_alto_nivel_de_complejidad_mediante_el_uso_de_redes_neuronales_artificiales_Selection_of_the

http://revistas.unisimon.edu.co/index.php/innovacionsalud/article/view/3737