• español
    • English
    • français
    • português
A+A-
  • English 
    • español
    • English
    • français
    • português
    • Usage guides
      • Guidelines for the advisor work direcor
      • Guidelines for the student who loads degree work
      • APA 7 Edition Standards
      • Tips APA 7 Edition Standards
    • Users
    View Item 
    •   National Open and Distance University UNAD
    • Producción Científica
    • Trabajos de Grado - Especialización
    • Escuela de Ciencias Básicas, Tecnología e Ingeniería
    • Especialización
    • Especialización en Ciencia de Datos y Analítica
    • View Item
    •   National Open and Distance University UNAD
    • Producción Científica
    • Trabajos de Grado - Especialización
    • Escuela de Ciencias Básicas, Tecnología e Ingeniería
    • Especialización
    • Especialización en Ciencia de Datos y Analítica
    • View Item
    JavaScript is disabled for your browser. Some features of this site may not work without it.

    Sistema inteligente de agendamiento de citas médicas para EPS e IPS en Quibdó

    Thumbnail
    QRCode
    View/Open
    whurtadog.pdf (330.8Kb)
    Share
    Date
    2026-02-12
    Author
    Hurtado Gonzalez, Weymar
    Advisor
    Ospino Portillo, Jorge Eliecer

    Citación

           
    TY - GEN T1 - Sistema inteligente de agendamiento de citas médicas para EPS e IPS en Quibdó AU - Hurtado Gonzalez, Weymar Y1 - 2026-02-12 UR - https://repository.unad.edu.co/handle/10596/78688 AB - En la ciudad de Quibdó, los usuarios de las EPS e IPS enfrentan múltiples dificultades para acceder a citas médicas de manera ágil y eficiente. Las largas filas que generan aglomeraciones y riesgos de seguridad, la congestión en las líneas telefónicas y la limitada capacidad de los sistemas administrativos ocasionan retrasos en la atención, frustración en los pacientes y un alto índice de inasistencias. Estos factores afectan directamente la calidad del servicio de salud y la oportunidad de los diagnósticos y tratamientos. El presente trabajo de grado tiene como propósito diseñar e implementar un sistema inteligente de agendamiento de citas médicas apoyado en técnicas de Machine Learning, con el fin de optimizar la gestión de agendas en EPS e IPS de Quibdó. La propuesta contempla el uso de modelos predictivos para anticipar la demanda de citas y predecir el riesgo de inasistencia, lo que permitirá aplicar estrategias de recordatorios inteligentes y sobre-reserva controlada. Asimismo, integra canales accesibles como una aplicación web, WhatsApp, de modo que los pacientes puedan acceder al servicio con independencia de sus recursos tecnológicos. Desde el ámbito académico, el proyecto se enmarca en la línea de profundización en ciencia de datos y analítica, generando un caso práctico de aplicación de algoritmos de aprendizaje automático a un problema social de gran relevancia. A nivel práctico, busca aportar una solución innovadora que mejore la satisfacción de los usuarios, reduzca la carga operativa del personal administrativo y aumente la eficiencia en el uso de los recursos médicos disponibles. Los resultados esperados incluyen un prototipo funcional del sistema, una reducción significativa en los índices de mejoras en los tiempos de respuesta para la asignación de citas y una percepción más positiva del servicio por parte de los pacientes. Asimismo, el proyecto plantea bases sólidas para un posible emprendimiento en salud digital que pueda escalar a otras ciudades con condiciones similares a las de Quibdó ER - @misc{10596_78688, author = {Hurtado Gonzalez Weymar}, title = {Sistema inteligente de agendamiento de citas médicas para EPS e IPS en Quibdó}, year = {2026-02-12}, abstract = {En la ciudad de Quibdó, los usuarios de las EPS e IPS enfrentan múltiples dificultades para acceder a citas médicas de manera ágil y eficiente. Las largas filas que generan aglomeraciones y riesgos de seguridad, la congestión en las líneas telefónicas y la limitada capacidad de los sistemas administrativos ocasionan retrasos en la atención, frustración en los pacientes y un alto índice de inasistencias. Estos factores afectan directamente la calidad del servicio de salud y la oportunidad de los diagnósticos y tratamientos. El presente trabajo de grado tiene como propósito diseñar e implementar un sistema inteligente de agendamiento de citas médicas apoyado en técnicas de Machine Learning, con el fin de optimizar la gestión de agendas en EPS e IPS de Quibdó. La propuesta contempla el uso de modelos predictivos para anticipar la demanda de citas y predecir el riesgo de inasistencia, lo que permitirá aplicar estrategias de recordatorios inteligentes y sobre-reserva controlada. Asimismo, integra canales accesibles como una aplicación web, WhatsApp, de modo que los pacientes puedan acceder al servicio con independencia de sus recursos tecnológicos. Desde el ámbito académico, el proyecto se enmarca en la línea de profundización en ciencia de datos y analítica, generando un caso práctico de aplicación de algoritmos de aprendizaje automático a un problema social de gran relevancia. A nivel práctico, busca aportar una solución innovadora que mejore la satisfacción de los usuarios, reduzca la carga operativa del personal administrativo y aumente la eficiencia en el uso de los recursos médicos disponibles. Los resultados esperados incluyen un prototipo funcional del sistema, una reducción significativa en los índices de mejoras en los tiempos de respuesta para la asignación de citas y una percepción más positiva del servicio por parte de los pacientes. Asimismo, el proyecto plantea bases sólidas para un posible emprendimiento en salud digital que pueda escalar a otras ciudades con condiciones similares a las de Quibdó}, url = {https://repository.unad.edu.co/handle/10596/78688} }RT Generic T1 Sistema inteligente de agendamiento de citas médicas para EPS e IPS en Quibdó A1 Hurtado Gonzalez, Weymar YR 2026-02-12 LK https://repository.unad.edu.co/handle/10596/78688 AB En la ciudad de Quibdó, los usuarios de las EPS e IPS enfrentan múltiples dificultades para acceder a citas médicas de manera ágil y eficiente. Las largas filas que generan aglomeraciones y riesgos de seguridad, la congestión en las líneas telefónicas y la limitada capacidad de los sistemas administrativos ocasionan retrasos en la atención, frustración en los pacientes y un alto índice de inasistencias. Estos factores afectan directamente la calidad del servicio de salud y la oportunidad de los diagnósticos y tratamientos. El presente trabajo de grado tiene como propósito diseñar e implementar un sistema inteligente de agendamiento de citas médicas apoyado en técnicas de Machine Learning, con el fin de optimizar la gestión de agendas en EPS e IPS de Quibdó. La propuesta contempla el uso de modelos predictivos para anticipar la demanda de citas y predecir el riesgo de inasistencia, lo que permitirá aplicar estrategias de recordatorios inteligentes y sobre-reserva controlada. Asimismo, integra canales accesibles como una aplicación web, WhatsApp, de modo que los pacientes puedan acceder al servicio con independencia de sus recursos tecnológicos. Desde el ámbito académico, el proyecto se enmarca en la línea de profundización en ciencia de datos y analítica, generando un caso práctico de aplicación de algoritmos de aprendizaje automático a un problema social de gran relevancia. A nivel práctico, busca aportar una solución innovadora que mejore la satisfacción de los usuarios, reduzca la carga operativa del personal administrativo y aumente la eficiencia en el uso de los recursos médicos disponibles. Los resultados esperados incluyen un prototipo funcional del sistema, una reducción significativa en los índices de mejoras en los tiempos de respuesta para la asignación de citas y una percepción más positiva del servicio por parte de los pacientes. Asimismo, el proyecto plantea bases sólidas para un posible emprendimiento en salud digital que pueda escalar a otras ciudades con condiciones similares a las de Quibdó OL Spanish (121)
    Bibliographic managers
    Refworks
    Zotero / EndNote / Mendeley
    BibTeX
    CiteULike
    Keywords
    Atención médica Google Scholar
    Programación de citas Google Scholar
    Aprendizaje automático Google Scholar
    Salud digital Google Scholar
    Quibdó Google Scholar
    Regional / Country coverage
    cead_-_quibdo
    Metadata
    Show full item record
    PDF Document
    Description of the content
    En la ciudad de Quibdó, los usuarios de las EPS e IPS enfrentan múltiples dificultades para acceder a citas médicas de manera ágil y eficiente. Las largas filas que generan aglomeraciones y riesgos de seguridad, la congestión en las líneas telefónicas y la limitada capacidad de los sistemas administrativos ocasionan retrasos en la atención, frustración en los pacientes y un alto índice de inasistencias. Estos factores afectan directamente la calidad del servicio de salud y la oportunidad de los diagnósticos y tratamientos. El presente trabajo de grado tiene como propósito diseñar e implementar un sistema inteligente de agendamiento de citas médicas apoyado en técnicas de Machine Learning, con el fin de optimizar la gestión de agendas en EPS e IPS de Quibdó. La propuesta contempla el uso de modelos predictivos para anticipar la demanda de citas y predecir el riesgo de inasistencia, lo que permitirá aplicar estrategias de recordatorios inteligentes y sobre-reserva controlada. Asimismo, integra canales accesibles como una aplicación web, WhatsApp, de modo que los pacientes puedan acceder al servicio con independencia de sus recursos tecnológicos. Desde el ámbito académico, el proyecto se enmarca en la línea de profundización en ciencia de datos y analítica, generando un caso práctico de aplicación de algoritmos de aprendizaje automático a un problema social de gran relevancia. A nivel práctico, busca aportar una solución innovadora que mejore la satisfacción de los usuarios, reduzca la carga operativa del personal administrativo y aumente la eficiencia en el uso de los recursos médicos disponibles. Los resultados esperados incluyen un prototipo funcional del sistema, una reducción significativa en los índices de mejoras en los tiempos de respuesta para ...
    Format
    pdf
    Type of digital resource
    Proyecto aplicado
    Content relationship
    Salud digital
    Desarrollo web
    Machine learning
    URI
    https://repository.unad.edu.co/handle/10596/78688
    Collections
    • Especialización en Ciencia de Datos y Analítica [247]
    Usage guidesNormativityGuidelines for the advisor work direcorGuidelines for the student who loads degree workAPA 7 Edition StandardsTips APA 7 Edition Standards

    Browse

    All of DSpaceCommunities & CollectionsBy Issue DateAuthorsTitlesSubjectsThis CollectionBy Issue DateAuthorsTitlesSubjects

    My Account

    LoginRegister
    GTM statisticsGTM statistics
    Indexed by:
    logo_Open Archives Initiative
    logo_Biblioteca Digital Ecuatoriana
    logo_OpenDOAR
    logo_Open ROAR
    logo_Google Scholar
    logo_Lyrasis
    logo_WorldCat
    logo_FAO
    logo_AGRIS
    logo_Alianza de Servicios de Información Agropecuaria
    logo_Siembra
    logo_Fedesarrollo
    logo_Colombia Digital
    logo_Hemeroteca UNAD
    logo_RED DE REPOSITORIOS LATINOAMERICANOS
    logo_OAIster
    logo_La Referencia
    logo_Open AIRE
    logo_Core
    logo_Base
    logo_CLACSO
    logo_OpenAlex
    logos isopreadGreat Work to PlaceIcontec - Great Work to Place

    Línea anticorrupción: 3232641617 ext. 1544

    En Bogotá D.C. (Colombia) Teléfono: 323 264 1617 - Línea gratuita nacional: 323 264 1617

    Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional

    Universidad Nacional Abierta y a Distancia UNAD de Colombia - © Copyright UNAD 2024

    Síguenos en: