Ítem
Desconocido
Determinación de eventos adversos prevenibles en la gestión del riesgo asistencial de una institución hospitalaria
Título de la revista
Autores
Soba Loaiza, José David
Fecha
2025-02-17
Directores
Roldan Jimenéz, Diego Gerardo
ISSN de la revista
Título del volumen
Editor
Universidad del Rosario
Buscar en:
Métricas alternativas
Resumen
Este proyecto busca automatizar la clasificación de eventos adversos como prevenibles o no prevenibles en una institución hospitalaria colombiana mediante técnicas de procesamiento de lenguaje natural y aprendizaje automático. Se analizaron 418 reportes que incluyen variables categóricas y descripciones textuales, estas últimas representadas mediante enfoques estáticos y dinámicos. Los clasificadores evaluados incluyeron modelos lineales y basados en árboles de decisión, aplicados tanto a las variables categóricas como a las representaciones textuales. Los resultados obtenidos abordan de manera efectiva la necesidad de automatizar la clasificación de estos eventos adversos en la búsqueda de mejorar su evaluación y monitoreo, alineándose con las mejores prácticas en seguridad del paciente.
Abstract
This project aims to automate the classification of adverse events as preventable or non-preventable in a Colombian hospital using natural language processing and machine learning techniques. A total of 418 reports were analyzed, including categorical variables and textual descriptions, the latter represented through both static and dynamic approaches. The evaluated classifiers included linear models and decision tree-based models, applied to both categorical variables and textual representations. The obtained results effectively address the need to automate the classification of these adverse events, improving their evaluation and monitoring while aligning with best practices in patient safety.
Palabras clave
Procesamiento de Lenguaje Natural , Aprendizaje automático , Eventos adversos , Seguridad del paciente
Keywords
Natural Language Processing , Machine Learning , Adverse Events , Patient Safety
