| dc.contributor.advisor | Ospino Portillo, Jorge Eliecer | |
| dc.coverage.spatial | cead_-_quibdo | |
| dc.creator | Hurtado Gonzalez, Weymar | |
| dc.date.accessioned | 2026-02-12T19:24:01Z | |
| dc.date.available | 2026-02-12T19:24:01Z | |
| dc.date.created | 2026-02-12 | |
| dc.identifier.uri | https://repository.unad.edu.co/handle/10596/78688 | |
| dc.description | | |
| dc.description.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 | |
| dc.format | pdf | |
| dc.title | Sistema inteligente de agendamiento de citas médicas para EPS e IPS en Quibdó | |
| dc.type | Proyecto aplicado | |
| dc.subject.keywords | Atención médica | |
| dc.subject.keywords | Programación de citas | |
| dc.subject.keywords | Aprendizaje automático | |
| dc.subject.keywords | Salud digital | |
| dc.subject.keywords | Quibdó | |
| dc.description.abstractenglish | Access to timely and efficient healthcare services is a fundamental right that directly affects people’s well-being and quality of life. In the city of Quibdó, patients of Health
Promoting Entities (EPS) and Healthcare Provider Institutions (IPS) face serious
challenges when scheduling medical appointments. Long queues that force patients to
arrive early in unsafe conditions, congested phone lines, inefficient administrative
systems, and high rates of no-shows are among the most critical issues.
This undergraduate research project proposes the design and implementation of an
intelligent appointment scheduling system based on Machine Learning techniques to
optimize healthcare management in EPS and IPS in Quibdó. The proposed system will
include accessible digital channels such as a responsive web application, WhatsApp to
guarantee inclusivity for all users, regardless of their technological resources. Predictive
models will be applied to identify patterns of attendance and non-attendance, anticipate
service demand, and implement smart reminders that reduce no-shows.
From an academic perspective, the project is framed within the Machine Learning
specialization line, applying classification and prediction models to a real social problem.
Practically, it seeks to improve user satisfaction, reduce administrative workload, and
optimize medical agendas.
The expected results include a functional prototype of the system, a significant reduction
in appointment scheduling response times, and a more positive patient perception of the
service. Furthermore, the project lays a solid foundation for a potential digital health
venture that could scale to other cities with similar conditions to Quibdó. | |
| dc.subject.category | Salud digital | |
| dc.subject.category | Desarrollo web | |
| dc.subject.category | Machine learning | |
