Machine Learning Aplicado al Análisis de Internaciones (Salud)
El trabajo final de la diplomatura se divide en dos ejes:
En el primero, se estudian series de tiempo de internaciones mensuales ocurridas en establecimientos del subsector público de la Provincia de Buenos Aires. Periodo: 2017 - 2023. El objetivo de los modelos de
Machine Learning aplicados es predecir la cantidad de internaciones que debe afrontar mensualmente el subsector público de la PBA. Se propone como hipótesis que la cantidad de internaciones presenta estacionalidad y aumenta anualmente en condiciones de normalidad.
En una segunda instancia, se trabajan modelos ML para la predicción del tipo de egreso (defunción u alta médica) en internacones con causa principal debida a diagnóstico por enfermedades cardiovasculares, causa de defunción historicamente mas frecuente en la provincia. Se construyen arboles de decisión, random forest y XG boost, y se compararon sus rendimientos para la clasificación. Los modelos construidos, han permitido clasificar con gran precision y sensibilidad los casos de alta, y aquellos que
corren mayores riesgos de deceso, en función de las variables seleccionadas, registradas en CIPRES.
Expone: Lupe Marin