Show simple item record

dc.contributor.advisorRafael Gaitan Ospina
dc.coverage.spatialcead_-_josé_acevedo_y_gómez
dc.creatorJosé Alberto Acevedo Salcedo
dc.date.accessioned2024-09-10T19:09:56Z
dc.date.available2024-09-10T19:09:56Z
dc.date.created2024-09-10
dc.identifier.urihttps://repository.unad.edu.co/handle/10596/63709
dc.description.abstractEste proyecto tiene como objetivo desarrollar una estrategia logística que mejore la distribución de recursos humanos y materiales en los servicios de atención domiciliaria de clínicos IPS en Bogotá, asegurando una atención eficiente y de alta calidad mediante técnicas de Machine Learning. Para ello, se identificarán las variables clave en el proceso de atención domiciliaria, revisando estudios de caso, literatura relevante y datos históricos. Además, se investigó el uso actual de Machine Learning en la logística de la salud para crear un marco teórico sobre su implementación y efectividad. Finalmente, se esbozan las estrategias basadas en modelos de Machine Learning u otras alternativas relacionadas la ciencia de datos para garantizar una distribución óptima de los recursos. Este enfoque busca no solo optimizar la eficiencia operativa de los servicios de atención domiciliaria sino también mejorar la calidad del servicio prestado a una población en crecimiento, con patologías crónicas y cada vez más longeva.
dc.formatpdf
dc.titleModelo para el cálculo de capacidad instalada en servicios de atención domiciliaria en Clínicos IPS
dc.typeMonografía
dc.subject.keywordssalud
dc.subject.keywordsaprendizaje automático
dc.subject.keywordsaprendizaje supervisado
dc.subject.keywordsno supervisado
dc.subject.keywords
dc.subject.keywords
dc.description.abstractenglishThis project aims to develop a logistics strategy that improves the distribution of human and material resources in the home care services of IPS clinics in Bogotá, ensuring efficient and high-quality care through Machine Learning techniques. To do this, the key variables in the home care process will be identified, reviewing case studies, relevant literature and historical data. Additionally, the current use of Machine Learning in healthcare logistics be investigated to create a theoretical framework on its implementation and effectiveness. Finally, strategies based on Machine Learning models or other alternatives related to data science be outlined to guarantee optimal distribution of resources. This approach seeks not only to optimize the operational care of home services but also to improve the quality of the service provided to a growing population, with chronic pathologies and increasingly long-lived.
dc.subject.categoryCiencia de datos,Machine Learning


Files in this item

Thumbnail

This item appears in the following Collection(s)

Show simple item record