Modelo de series de tiempo para predecir la demanda de atención de pacientes con enfermedad renal crónica, 2022

Journal Title: Investigación Aplicada e Innovación I+i - Year 2024, Vol 18, Issue 1

Abstract

El objetivo principal de este trabajo es pronosticar la demanda de pacientes con enfermedad crónica renal en establecimientos de salud estatales del Perú en 2022 mediante modelos de series de tiempo y realizar un análisis descriptivo de dicha demanda. Este estudio se justifica, ya que no existen estudios de este tipo en Perú, aun sabiendo de las carencias en equipamiento e insumos para el tratamiento de enfermedades renales mediante procedimientos médicos como la diálisis. Se trata de un estudio de alcance descriptivo y exploratorio; el diseño es no experimental, transversal y descriptivo. La población está conformada por 1 064 744 registros de pacientes con información variada como periodo de atención, código de identificación, nombre del establecimiento de salud, entre otros tomados de la Plataforma de Datos Abiertos del Perú. No se realizó un muestreo debido a que se construyeron modelos de series de tiempo en intervalos diarios. Se usaron técnicas estadísticas como gráficos de barras simples y apilados, gráficos circulares y tablas de frecuencias; se construyó un modelo de series de tiempo de tipo forecasting autorregresivo recursivo, mediante Python a través de Jupyter Notebook para su procesamiento. Los resultados más importantes muestran que la mayor demanda se concentra en Lima, con una distribución equilibrada entre hombres y mujeres, y una mayor incidencia en personas de 50 a 70 años, especialmente entre quienes tienen seguro gratuito. Analizando las componentes de la serie de tiempo y haciendo uso de la prueba de Dicky-Fuller, se optó por emplear un modelo forecasting autorregresivo recursivo obteniendo con R2 de 96,62 %. Además, luego de realizar un ajuste de hiperparámetros, se logró obtener un R2 de 94,61 % para el mismo modelo, siendo este menos sobre ajustado y cumpliendo con la mayoría de los supuestos de series de tiempo. Por tanto, podemos concluir que el modelo obtenido es bueno para predecir la demanda de pacientes demanda de atención de pacientes con enfermedad renal crónica, ya que tiene un desempeño óptimo y cumple con todos los supuestos a excepción de la autocorrelación.

Authors and Affiliations

José Luis Espinoza Melgarejo

Keywords

Related Articles

Análisis de los factores asociados a la felicidad utilizando técnicas de Machine Learning

El estudio tiene por objetivo identificar la importancia de los factores asociados a la felicidad y encontrar patrones en la evolución de los países que participan en el informe mundial anual de la felicidad de Gallup ut...

Evaluación del desempeño de los sistemas de control automático en aeronaves comerciales y privadas en el simulador de vuelo FSX

Este estudio tiene como propósito examinar el desempeño de los sistemas de control automático de rumbo y altitud en aeronaves comerciales y privadas mediante el uso del simulador de vuelo FSX. La investigación emplea una...

Evaluación de la calidad de agua generada por un equipo purificador para uso en laboratorios de análisis químico

El presente trabajo de investigación aplicada y descriptiva tiene como objetivo principal evaluar la Calidad del agua purificada para uso de laboratorio de análisis químicos. Es una propuesta muy útil y sencilla que fue...

Desafíos de la realidad extendida en la educación técnica: una revisión sistemática

El presente estudio tiene como objetivo identificar los principales desafíos y beneficios de la implementación de la realidad extendida (XR), que incluye la realidad aumentada (AR), la realidad virtual (VR) y la realidad...

Desconexión sensorial y su influencia en la potencia del motor de combustión interna marca Cat modelo C7

La maquinaria pesada actual cuenta con sensores, los cuales optimizan las tareas relacionadas con la eficiencia del motor. Estos se utilizan para transmitir a la unidad de control un valor determinado. De este modo, se r...

Download PDF file
  • EP ID EP755096
  • DOI https://doi.org/10.71701/revistaii.v.18.2024.88
  • Views 1
  • Downloads 0

How To Cite

José Luis Espinoza Melgarejo (2024). Modelo de series de tiempo para predecir la demanda de atención de pacientes con enfermedad renal crónica, 2022. Investigación Aplicada e Innovación I+i, 18(1), -. https://europub.co.uk./articles/-A-755096