ML-dHPa

Machine Learning - densidad Horaria Pacientes Acumulados

Creado por Ignacio Martinez Soriano / @coloratto67

Definición del problema.


En las Urgencias Hospitalarias, la saturacion de pacientes puede producir el colapso del servicio.


Pretendemos desarrollar un algoritmo de aprendizaje supervisado, basado en clasificacion. Para poder predecir el momento que pueda ocurrir una situación de colapso en Urgencias.

Machine Learning

Aprendizaje Supervisado

Clasificación

Estos algoritmos, permiten predecir el valor de una variable "label", teniendo en cuenta un conjunto de características "features".


Elección de caracteristicas iniciales:

  1. Indicador dHPa.
  2. Entrada pacientes a la hora.
  3. Altas de Pacientes a la Hora.
  4. Recursos ocupados en Urgencias. Camas Observacion.
  5. Facultativos trabajando a la Hora.
  6. Camas libres de Hospitalización.

AZure-ML

Pasos para la creación del Modelo.


  1. Eleccion del Algoritmo de entrenamiento , donde se identifican las reglas de decisión.
  2. Puesta en Producción mediante WebServicies

Proceso:


  1. Crear el Data Set.

  2. Preparar dos grupos del Data-Set. Uno para Entrenamiento 80% y otro para Evaluación 20%

  3. Elegir el Algoritmo de Clasificación.

  4. Elegir módulo de Entrenamiento.

  5. Módulo de evaluación.

Producción del Modelo Generado

  1. Alimentacion diaria de datos, franja horaria.
  2. Aplicar Modelo de Producción
  3. Generar Alerta. En caso de Colapso
  4. Observar los valores de las Características
  5. Según valores obtenidos que actuaciones debemos realizar para solucionar el colapso.

Conclusiones

Además de crear un algoritmo predictivo hay que desarrollar un algoritmo prescriptivo