Ítem
Acceso Abierto

Solución basada en datos para el fortalecimiento del proceso de quimioterapia en la ruta oncológica del Hospital Universitario Méderi

Mostrar el registro sencillo de la publicación
dc.contributor.advisorSalazar, Erika
dc.creatorHernández Rodríguez, Alejandra
dc.creatorGuiot Martinez, Paula Andrea
dc.creatorParra Torres, Juan Camilo
dc.creator.degreeMagíster en Business Analytics
dc.date.accessioned2025-07-17T12:21:43Z
dc.date.available2025-07-17T12:21:43Z
dc.date.created2025-05-25
dc.descriptionEn 2022, el Fondo Colombiano de Enfermedades de Alto Costo reportó 509,727 casos de cáncer, de los cuales el 62% corresponden a mujeres y el 38% a hombres, con una mediana de edad de 63 años. Según el Instituto Nacional de Cancerología, los servicios oncológicos en Colombia han experimentado un crecimiento notable, siendo la consulta externa el servicio más ofrecido. Según Bibiana Meneses, coordinadora del servicio de oncología en comunicación personal el 18 de noviembre del 2024, El Hospital Universitario Méderi, sujeto de este proyecto empresarial, también registró un incremento del 14.5% en sus servicios oncológicos entre 2020 y 2021. Para 2023, la ruta oncológica en Méderi se consolidó como una de las principales fuentes de ingreso para el hospital, con la quimioterapia como eje central en su impacto financiero. Este proyecto tiene como objetivo desarrollar una solución analítica, basada en la metodología CRISP-DM, para mejorar el desempeño del servicio de quimioterapia, el cual actualmente carece de una herramienta que permita gestionar de manera eficiente el uso de las salas de administración de medicamentos. Como parte de la solución, se diseñó un tablero interactivo que describe las características de los pacientes atendidos con quimioterapia, junto con un modelo predictivo de inasistencia y modelo prescriptivo de programación de citas en los turnos. El propósito es proporcionar al hospital herramientas que faciliten la toma de decisiones orientadas a mejorar el indicador de giro de silla. Mediante la implementación de modelos predictivos, como XGBoost y técnicas de balanceo de clases, se estimó la inasistencia de los pacientes a sus citas, alcanzando un desempeño del 69 % en la predicción de ausencias. Adicionalmente, se desarrolló un modelo prescriptivo, basado en 15 programación lineal entera mixta, que permite asignar de manera óptima a los pacientes en las unidades disponibles (sillas o camas), maximizando el uso del recurso físico. Los resultados evidencian que variables como el ciclo de tratamiento, el turno asignado y la programación en fines de semana o días festivos tienen una influencia significativa en la asistencia de los pacientes. El proyecto sienta las bases para una futura implementación en tiempo real por parte del hospital, lo cual permitiría ajustar los modelos, incorporar técnicas de ensamblado y evaluar su desempeño con el apoyo de expertos clínicos.
dc.description.abstractIn 2022, the Colombian High-Cost Diseases Fund reported 509,727 cancer cases, of which 62% were women and 38% men, with a median age of 63 years. According to the National Cancer Institute, oncology services in Colombia have shown significant growth, with outpatient consultation being the most offered service. According to Bibiana Meneses (personal communication, November 18, 2024), Méderi University Hospital—subject of this business project—also recorded a 14.5% increase in its oncology services between 2020 and 2021. By 2023, the oncological care pathway at Méderi accounted for 45% of hospital revenue, with chemotherapy treatments contributing 42% of that income. This project aims to develop an analytical solution, based on the CRISP-DM methodology, to optimize the chemotherapy service, which currently lacks a tool for efficiently managing the use of drug administration rooms. As part of the solution, an interactive dashboard was designed to describe the characteristics of patients receiving chemotherapy, along with a predictive model for appointment absenteeism. The goal is to provide the hospital with tools that support data-driven decision-making to improve the "chair turnover" indicator. By implementing predictive models such as XGBoost and class balancing techniques, the probability of patient absenteeism was estimated, achieving 69% performance in predicting missed appointments. Additionally, a prescriptive model based on mixed-integer linear programming was developed to optimally assign patients to available units (chairs or beds), maximizing the use of physical resources. 17 The results show that variables such as treatment cycle, assigned shift, and scheduling on weekends or holidays significantly influence patient attendance. This project lays the groundwork for future real-time implementation by the hospital, which would allow for model refinement, integration of ensemble methods, and performance evaluation with the support of clinical experts.
dc.format.extent110 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.48713/10336_45906
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/45906
dc.language.isospa
dc.publisherUniversidad del Rosario
dc.publisher.departmentEscuela de Administración
dc.publisher.departmentEscuela de Ingeniería, Ciencia y Tecnología
dc.publisher.programMaestría en Business Analytics
dc.rightsAttribution-NonCommercial-NoDerivatives 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto Completo)
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.source.bibliographicCitationAlaeddini, A., Yang, K., Reddy, C., & Yu, S. (2011). A probabilistic model for predicting the probability of no-show in hospital appointments. Health Care Management Science, 14(2), 146–157. https://doi.org/10.1007/s10729-011-9148-9
dc.source.bibliographicCitationAlMuhaideb, S., Alswailem, O., Alsubaie, N., Ferwana, I., & Alnajem, A. (2019). Prediction of hospital no-show appointments through artificial intelligence algorithms. Annals of Saudi Medicine, 39(6), 373–381. https://doi.org/10.5144/0256-4947.2019.373
dc.source.bibliographicCitationAlshaya, S., McCarren, A., & Al-Rasheed, A. (2019). Predicting no-show medical appointments using machine learning. In A. Alfaries, H. Mengash, A. Yasar, & E. Shakshuki (Eds.), Advances in Data Science, Cyber Security and IT Applications (pp. 211–223). Springer. https://doi.org/10.1007/978-3-030-36365-9_16
dc.source.bibliographicCitationAsociación Colombiana de Hospitales y Clínicas. (2025). ¿Quiénes somos?. https://achc.org.co/ Datosmacro.com. (n.d.). Colombia - Gasto público Salud. https://datosmacro.expansion.com/estado/gasto/salud/colombia
dc.source.bibliographicCitationDunstan, J., Villena, F., Hoyos, J. P., Riquelme, V., Royer, M., Ramírez, H., & Peypouquet, J. (2023). Predicting no-show appointments in a pediatric hospital in Chile using machine learning. Health Care Management Science, 26, 313–329. https://doi.org/10.1007/s10729-022-09626-z
dc.source.bibliographicCitationFondo Colombiano de Enfermedades de Alto Costo. (2022). Libro cáncer 2022. https://cuentadealtocosto.org/wp-content/uploads/2023/11/librocancer-2022.pdf
dc.source.bibliographicCitationInstituto Nacional de Cancerología. (2023). Anuario estadístico 2022 (Vol. 20). Instituto Nacional de Cancerología. https://www.cancer.gov.co
dc.source.bibliographicCitationGaviria Uribe, A., Correa, L. F., Dávila Guerrero, C. E., Burgos Bernal, G., & Cruz Vargas, M. F. (2016). Caracterización Registro Especial de Prestadores de Servicios de Salud (REPS) - IPS.
dc.source.bibliographicCitationHospital Universitario Méderi. (2022, junio 29). Ingreso, atención y egreso del paciente en el servicio de hemato-oncología. Almera - Sistema de Gestión Integral. https://sgi.almeraim.com/sgi/?conid=sgimederi
dc.source.bibliographicCitationHospital Universitario Méderi. (2022). Informe Méderi 2022 (p. 47). https://www.mederi.com.co/sites/default/files/2022/informe2/InformeMederi.html
dc.source.bibliographicCitationHospital Universitario Méderi. (2024, mayo). Indicador porcentaje de captación de pacientes con patología crítica oncológica. Almera - Sistema de Gestión Integral. https://sgi.almeraim.com/sgi/seguimiento/?nosgim&c=sgimederi
dc.source.bibliographicCitationIBM Corporation. (1994). Manual CRISP-DM de IBM SPSS Modeler.
dc.source.bibliographicCitationIE-10. (1992). Clasificación Estadística Internacional de Enfermedades y Problemas Relacionados con la Salud. PAHO/WHO. https://ais.paho.org/classifications/chapters/pdf/volume1.pdf
dc.source.bibliographicCitationInstituto Nacional de Cancerología. (2022). Boletín de servicios oncológicos (p. 26). https://www.cancer.gov.co/recursos_user/files/libros/archivos/Boletin_de_servicios_oncol%C3%B3gicos(2).pdf
dc.source.bibliographicCitationIntellat. (2024). Los mejores hospitales de América Latina.
dc.source.bibliographicCitationLa República. (2024, mayo 3). Las EPS adeudan más de $12 billones a 221 hospitales y clínicas del sistema de salud. https://www.larepublica.co/empresas/las-eps-adeudan-mas-de-12-billones-a-los-hospitales-y-clinicas-de-colombia-3853323
dc.source.bibliographicCitationMéderi. (2023). Informe de gestión 2022.
dc.source.bibliographicCitationMéderi. (2024). Informe de gestión 2022-2023.
dc.source.bibliographicCitationMéderi. (2024). Informe de gestión institucional 2023.
dc.source.bibliographicCitationMéderi. (2024). Almera - Sistema de Gestión Integral. Bogotá, Colombia. https://sgi.almeraim.com/sgi/seguimiento/?nosgim#
dc.source.bibliographicCitationMéderi. (s.f.). En Méderi somos. https://www.mederi.com.co/sobre-nosotros/en-mederi-somos
dc.source.bibliographicCitationMinisterio de Hacienda y Crédito Público. (2024, febrero). Presupuesto General de la Nación 2023. Informe de ejecución del presupuesto General de la Nación 2023.
dc.source.bibliographicCitationMinisterio de Salud y Protección Social. (2014). Resolución número 000247 de 2014. https://www.funcionpublica.gov.co/eva/gestornormativo/norma.php?i=39368
dc.source.bibliographicCitationDatosmacro.com. (n.d.). Colombia - Gasto público Salud. https://datosmacro.expansion.com/estado/gasto/salud/colombia
dc.source.instnameinstname:Universidad del Rosario
dc.source.reponamereponame:Repositorio Institucional EdocUR
dc.subjectIndicador Giro Silla
dc.subjectOncología
dc.subjectQuimioterapia
dc.subjectCRISP-DM
dc.subjectSolución analítica
dc.subjectOptimización
dc.subjectXGBoost
dc.subject.keywordChair Turnover Indicator
dc.subject.keywordOncology
dc.subject.keywordChemotherapy
dc.subject.keywordCRISP-DM
dc.subject.keywordAnalytical Solution
dc.subject.keywordOptimization
dc.subject.keywordXGBoost
dc.titleSolución basada en datos para el fortalecimiento del proceso de quimioterapia en la ruta oncológica del Hospital Universitario Méderi
dc.title.TranslatedTitleData-driven solution for strengthening the chemotherapy process in the Oncology Pathway at Méderi University Hospital
dc.typemasterThesis
dc.type.hasVersioninfo:eu-repo/semantics/acceptedVersion
dc.type.spaArtículo
local.department.reportEscuela de Administración
local.department.reportEscuela de Ciencias e Ingeniería
local.regionesBogotá
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Solucion_basada_en_datos_para_el_fortalecimiento_del_proceso_HernandezRodriguez-Alejandra-2025.pdf
Tamaño:
4.45 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Maestría en Business Analytics