Ítem
Acceso Abierto
Propuesta de sistema de gestión analítico para la detección temprana de usuarios con alto riesgo de reingreso al servicio de urgencias de IPS's privadas de alta complejidad en Bogotá
Título de la revista
Autores
Cuellar Fuentes, Sussy Susana
Fecha
2023-03-14
Directores
Díaz-Piraquive, Flor Nancy
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
Data analytics y machine learning son una tendencia mundial que ha tenido un crecimiento en la industria de la atención en salud, debido a la aparición de dispositivos que son capaces de utilizar datos para evaluar la salud de un paciente en tiempo real, liderando la transformación digital en el sector y a su vez ofreciendo una oportunidad extraordinaria para extraer, analizar y procesar grandes cantidades de datos generados en la atención, y de esta forma, orientar al personal de salud identificando tendencias o alertas que arrojen diagnósticos y guíen tratamientos más rápidos y efectivos. Generando un impacto en mejorar los resultados en la atención hospitalaria, así como en la reducción de costos inherentes a dichas atenciones, y la producción de información médica de valor. Los reingresos hospitalarios son un problema frecuente y costoso para el sistema que ha sido ampliamente estudiado a nivel mundial, y aunque no todos los reingresos son evitables, los que sí lo son están relacionados con un cuidado subóptimo y con una mala gestión del proceso de egreso de la institución. La reducción en la tasa de reingresos supone una mejora importante de la calidad del servicio (indicador de calidad) y además representa un ahorro para los sistemas de salud. Es por esto que con este proyecto de investigación, basado en la literatura mundial, se busca proponer a las organizaciones de salud privadas, recomendaciones acerca de la implementación de soluciones modernas e innovadoras de inteligencia artificial para la optimización de recursos de los servicios de urgencias, planteando beneficios como lo son: con mejora el tiempo de recolección de datos facilitando su análisis y dándole valor a los mismos. Dando como resultado un flujo de trabajo que termina siendo costo-efectivo en cuanto a la funcionalidad de las personas en el tiempo y la optimización de servicios que impacta directamente en la reducción de reingresos hospitalarios prevenibles. Tomándolo como una oportunidad para la transformación de la gestión en salud, El futuro de la medicina se basa en datos y análisis
Abstract
Due to the development of devices that can use data to assess a patient's health in real time, which is driving the digital transformation, data analytics and machine learning have become a global trend in the health care sector. Health care providers can be guided by trends or alerts that help diagnose patients and direct quicker and more effective treatments by using the enormous amounts of data generated in care that can be extracted, analyzed, and processed. impacting the production of useful medical data, the improvement of hospital care outcomes, the reduction of costs associated with those outcomes. Hospital readmissions are a common and expensive issue for the system that have been the subject of extensive research throughout the world. While not all readmissions are preventable, those that are are linked to subpar care and ineffective management of the institution's discharge process. The decrease in readmission rates indicates a significant improvement in service quality (a quality indicator) and also results in cost savings for the healthcare systems. Because of this, this research project, which is based on international literature, aims to offer private health organizations advice on the application of cutting-edge artificial intelligence solutions for the optimization of resources in emergency services. It does so by highlighting advantages like faster data collection, easier data analysis, and increased value from the data. Resulting in a workflow that is ultimately more efficient in terms of how well people work over time and how well services are optimized, both of which have a direct bearing on the decline in avoidable hospital readmissions. The future of medicine is based on data and analysis, and it is seen as a chance to transform health management
Palabras clave
Inteligencia artificial , Servicios de salud , Innovaciones tecnológicas , Pacientes con alto riesgo de hospitalización , Atención hospitalaria , Medicina digital , Servicios de urgencias , Ciencia de datos , Machine learning
Keywords
, , , , Health System, , emergency readmissions. , Health services , Patients at high risk of hospitalization , Hospital care , Emergency department , Technological innovations , Digital medicine , Data Science , Artificial intelligence
