Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/11182/75
Título : Solución de inteligencia de negocios basada en minería de datos para apoyar la toma de decisiones en el proceso de cirugía del Hospital Departamental Universitario Santa Sofía de Caldas, en la ciudad de Manizales
Autor : Hernández Cáceres, Javier
Rojas Calvo, Wilson Alejandro
Palabras clave : Minería de datos en salud
Clustering
Administración de recursos
Administración de bases de datos
Fecha de publicación : 2016
Resumen : La toma de decisiones en la gestión hospitalaria permite avanzar hacia la atención oportuna y humanizada de los usuarios. La administración de recursos relacionados con el proceso de cirugía, permite alcanzar mejores resultados tanto clínicos como financieros. El aumento exponencial de datos clínicos dificulta cada vez más el acceso a la información mediante métodos tradicionales. La Minería de datos y la Inteligencia de Negocios, ofrecen herramientas que permiten lograr altos niveles de autonomía, disponibilidad y facilidad de acceso a la información. La presente investigación busca implementar una solución de inteligencia de negocios que, basada en Minería de Datos, permita apoyar la Gestión Estratégica del Proceso de Cirugía en el Hospital Departamental Universitario Santa Sofía de Caldas, ubicado en la ciudad de Manizales, Colombia. Se aplica la metodología CRISP-DM y mediante el uso de modelos de datos y técnicas de visualización dimensionales, se generan informes dinámicos personalizables por el usuario, reportes activos y despliegue móvil de datos. Así mismo se aplica clustering como técnica de agrupamiento y usando el algoritmo K-Means se exploran datos buscando identificación de grupos de pacientes que han sido sometidos a procedimientos quirúrgicos y cuyos diagnósticos estaban asociados a cáncer. Se busca ofrecer a los líderes del servicio una solución orientada a procesos analíticos, que integre tanto datos administrativos como asistenciales. Metodología: Se documentan las 6 fases de la metodología CRISP-DM; se utiliza DB2 Web Query como motor de reportes, DB2 for IBMi para el modelo de Data Warehouse, ROAMBI Analytics para la visualización en dispositivos móviles y WEKA como herramienta de minería de datos para la técnica Clustering y específicamente el algoritmo K-Means. Resultados: Motor de reportes de Inteligencia de Negocios, OLAP, Active Reports y dashboards implementados y validados por los interesados, visualización en dispositivos móviles, técnica de minería aplicada, arrojando dos clústeres como grupos de pacientes quirúrgicos y documentación de cada fase abordada en la metodología. Conclusiones: La evaluación de la solución demuestra altos niveles de aceptación por parte de los interesados.
URI : http://hdl.handle.net/11182/75
Aparece en las colecciones: Maestría en Gestión y Desarrollo de Proyectos de Software



Los ítems de DSpace están protegidos por copyright, con todos los derechos reservados, a menos que se indique lo contrario.