Sistema de asignación de citas médicas para servicios de asistencia primaria de salud chilenos
DOI:
https://doi.org/10.53591/easi.v1i2.1849Palabras clave:
Aprendizaje automático, Planificación de citas, Sistema primario de saludResumen
Existen factores que miden el desempeño de los servicios de salud, uno de ellos es el acceso rápido y eficiente a la atención. La gestión del acceso a estos servicios para disminuir la espera en pacientes y usuarios ha sido un tema de relevancia a nivel de políticas públicas. En Chile uno de los mayores desafíos es proporcionar un sistema de asignación de citas médicas, especialmente en la red pública de Asistencia Primaria de Salud (APS). Algunas de las iniciativas son procedimientos administrativos, pero pocas de ellas están en el ámbito de la transformación digital. Esta investigación tiene como objetivo estudiar diferentes algoritmos de aprendizaje automático, entre los que destacan K-vecinos más cercanos, bosques aleatorios, árbol de decisión y máquinas de soporte vectorial. El objetivo es clasificar las citas médicas de acuerdo con las preferencias de usuario y restricciones de recursos, basados en los datos obtenidos de experiencias previas. Se evalúa el potencial de aplicación de estos algoritmos para gestionar un sistema de asignación de citas. Los resultados son aún conservadores, y ponen de manifiesto la necesidad de optimizar los parámetros asociados a estos algoritmos para garantizar una asignación eficiente de citas a los usuarios del sistema.
Citas
Abdalkareem, Z. A., Amir, A., Al-Betar, M. A., Ekhan, P., & Hammouri, A. (2021). Healthcare scheduling in optimization context: A review. Health and Technology, 11(3), 445-469. From https://doi.org/10.1007/s12553-021-00547-5
Ahluwalia, S. C., Damberg, C. L., Silverman, M., Motala, A., & Shekelle, P. G. (2017). What Defines a High-Performing Health Care Delivery System: A Systematic Review. Joint Commission Journal on Quality and Patient Safety, 43(9), 450-459. From https://doi.org/10.1016/j.jcjq.2017.03.010
Almeida, P. F. (2018). Integração de rede e coordenação do cuidado: o caso do sistema de saúde do Chile. Ciência & Saúde Coletiva, 23, 2213-2228. From https://doi.org/10.1590/1413-81232018237.09622018
Annick, A. (2002). El sistema de salud chileno: 20 años de reformas. Salud Pública de México, 44(1), 60-68. From https://www.medigraphic.com/pdfs/salpubmex/sal-2002/sal021i.pdf
Ansell, C. y. (2018). Gobernando la turbulencia: una agenda organizacional-institucional. Perspectivas sobre la gestión pública y la gobernabilidad , 1 (1), 43-57. From https://doi.org/10.1093/ppmgov/gvx013
Arora, A., Bansal, S., Kandpal, C., Aswani, R., & Dwivedi. (2019). Measuring social media influencer index- insights from facebook, Twitter and Instagram. Journal of Retailing and Consumer Services, 49, 86-101. From https://doi.org/10.1016/j.jretconser.2019.03.012
Bass del Campo, G. C. (2012). Modelo de salud familiar en Chile y mayor resolutividad de la atención primaria de salud:?` contradictorios o complementarios? Repositorio Académico Universidad de Chile. From https://repositorio.uchile.cl/handle/2250/138083
Batun, S., & Begen, M. A. (2013). Optimization in Healthcare Delivery Modeling: Methods and Applications. En B. T. Denton (Ed.), Handbook of Healthcare Operations Management. Methods and Applications (pp. 75-119). Springer. From https://doi.org/10.1007/978-1-4614-5885-2_4
Bedregal, P., Zavala, C., Atria, J., Núñez, G., Pinto, M. J., & Valdéz, S. (2009). Acceso a redes sociales y de salud de población en extrema pobreza. Revista médica de Chile, 137(6), 753-758. From http://dx.doi.org/10.4067/S0034-98872009000600004
Bloom, D., Khoury, A., & Subbaraman, R. (2018). The promise and peril of universal health care. Science (New York, N.y.), 361(6404), eaat9644. Science, 361(6404), eaat9644. https://doi.org/10.1126/science.aat9644
Brandenburg, L., Gabow, P., Steele, G., Toussaint, J., & Tyson, B. (2015). Innovation and Best Practices in Health Care Scheduling. NAM Perspectives. doi:https://doi.org/10.31478/201502g
Coloma, F., Díaz, C., Espinoza, C., Flores, F., Guelfand, S., Leyton, C., . . . Mora, M. (2020). Análisis descriptivo de interconsultas emitidas en un período de 5 meses en dos centros de salud de la comuna de La Granja. From http://hdl.handle.net/11447/3351
Curtis, S. L.-R. (2018). Strengthening and implementing health technology assessment and the decision-making process in the Region of the Americas. Revista Panamericana de Salud Pública, 41, e165. From https://doi.org/10.26633/RPSP.2017.165
Dixit, S. K., & Sambasivan, M. (2018). A review of the Australian healthcare system: A policy perspective. SAGE Open Medicine, 6, 2050312118769211. https://doi.org/10.1177/2050312118769211
Dois, A., Contreras, A., Bravo, P., Mora, I., Soto, G., & Solís, C. (2016). Principios orientadores del Modelo Integral de Salud Familiar y Comunitario desde la perspectiva de los usuarios. Revista médica de Chile, 144(5), 585-592. From https://doi.org/10.4067/S0034-98872016000500005
Durrani, H. (2016). Healthcare and healthcare systems: Inspiring progress and future prospects. mHealth, 2, 3. https://doi.org/10.3978/j.issn.2306-9740.2016.01.03
Dzyabura, D., Jagabathula, S., & Muller, E. (2019). Accounting for discrepancies between online and offline product evaluations. Marketing. Science, 38(1), 88-106. https://doi.org/10.1287/mksc.2018.1124
Jahromi, A. T., Stakhovych, S., & Ewing, M. (2014). Managing B2B customer churn, retention and profitability. Industrial Marketing. Management, 43(7), 1258-1268. From https://doi.org/10.1016/j.indmarman.2014.06.016
Jiménez, S. B. (2018). Inequidad en el acceso a salud en Chile: Estudio multifactorial basado en la Encuesta CASEN del año 2013. Revista Chilena de Salud Pública, 22(1), 31-40. https://doi.org/10.5354/0719-5281.2018.51018
Kempa-Liehr, A. W., Lin, C. Y., Britten, R., Armstrong, D., Wallace, J., Mordaunt, D., & ’Sullivan, M. (2020). Healthcare pathway discovery and probabilistic machine learning. International Journal of Medical Informatics, 137, 104087. https://doi.org/10.1016/j.ijmedinf.2020.104087
Kim, H. (2021). Do online searches influence sales or merely predict them? The case of motion pictures. European Journal of Marketing, 55(2), 337-362. https://doi.org/10.1108/EJM-08-2019-0655
Pesse-Sorensen, K., Fuentes-García, A., & Ilabaca, J. (2019). Estructura y funciones de la Atención Primaria de Salud según el Primary Care Assessment Tool para prestadores en la comuna de Conchalí-Santiago de Chile. Revista médica de Chile, 147(3), 305-313. http://dx.doi.org/10.4067/S0034-98872019000300305
Pianykh, O. S., Guitron, S., Parke, D., Zhang, C., Pandharipande, P., Brink, J., & Rosenthal, D. (2020). Improving healthcare operations management with machine learning. Nature Machine Intelligence, 2(5), 266-273.https://doi.org/10.1038/s42256-020-0176-3
Rais, A., & Viana, A. (2011). Operations Research in Healthcare: A survey. International Transactions in Operational Research, 18(1), 1-31. https://doi.org/10.1111/j.1475-3995.2010.00767.x
Reynaldos-Grandón, K. S.-A.-M. (2018). Competencias profesionales, gestión clínica y grupos relacionados de diagnósticos. El caso de hospitales públicos chilenos. Revista de Salud Pública, 20, 472-478. From https://doi.org/10.15446/rsap.V20n4.66564
Salazar-Fernández, C. N. (2020). Autopercepción de salud en adultos mayores: moderación por género de la situación financiera, el apoyo social de amigos y la edad. Revista médica de Chile, 148(2), 196-203., 196-203. http://dx.doi.org/10.4067/s0034-98872020000200196
Salminen, J., Yoganathan, V., Corporan, J., Jansen, B. J., & Jung, S. (2019). Machine learning approach to auto-tagging online content for content marketing efficiency: A comparative analysis between methods and content type. Journal of Business Research, 101, 203-217. From https://doi.org/10.1016/j.jbusres.2019.04.018
Samorani, M. H. (2022). Overbooked and overlooked: machine learning and racial bias in medical appointment scheduling. Manufacturing & Service Operations Management, 24(6), 2825-2842. https://doi.org/10.1287/msom.2021.0999
Sánchez-Franco, M. J., Navarro-García, A., & Rondán-Cataluña, F. J. (2019). A naive Bayes strategy for classifying customer satisfaction: A study based on online reviews of hospitality services. Journal of Business Research, 101, 499-506. https://doi.org/10.1016/j.jbusres.2018.12.051
Schütte, S., Acevedo, P. N., & Flahault, A. (2018). Health systems around the world – a comparison of existing health system rankings. J Glob Health, 8(1), 010407. https://doi.org/10.7189/jogh.08.010407
Srinivas, S., & Ravindran, A. R. (2018). Optimizing outpatient appointment system using machine learning algorithms and scheduling rules: A prescriptive analytics framework. Expert Systems with Applications, 102, 245-261. https://doi.org/10.1016/j.eswa.2018.02.022
Syam, N., & Sharma, A. (2018). Waiting for a sales renaissance in the fourth industrial revolution: Machine learning and arti fi cial intelligence in sales research and practice. Industrial Marketing Management, 69, 135-146. https://doi.org/10.1016/j.indmarman.2017.12.019
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2022 Berta Guerrero, Luis Pizarro, Vannessa Duarte
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Las contribuciones publicadas en la revista EASI se rigen por la licencia de acceso abierto CC BY-NC-ND 4.0 (Creative Commons Reconocimiento-NoComercial-SinDerivadas 4.0). Esta licencia te empodera como autor, y garantiza la amplia difusión de tu investigación mientras protege tus derechos.
Para autores:
- Los autores pueden reproducir y distribuir la obra en cualquier formato no comercial, siempre que la obra indique los autores y datos de la revista EASI, y no contravenga los puntos mencionados en el apartado de los permisos y prácticas editoriales.
- La revista obtiene una licencia para publicar y distribuir el manuscrito original.
Para lectores/usuarios:
Acceso y distribución gratuita: cualquier lector o usuario puede acceder, descargar, copiar, imprimir y compartir el artículo publicado libremente según los términos de la licencia CC BY-NC-ND 4.0.
Reconocimiento obligatorio: si un tercero utiliza el material publicado, debe dar crédito al creador proporcionando el nombre, el título del artículo y el nombre de la revista, lo que garantiza la propiedad intelectual del autor(es) y ayuda a construir su reputación académica.
Uso no comercial: solo se permite el uso no comercial del trabajo publicado. No comercial significa que no está destinado principalmente ni dirigido al aprovechamiento comercial o la compensación monetaria por parte de ningún tercero.
No se permiten modificaciones: el contenido del artículo publicado no se puede cambiar, mezclar o reconstruir a partir del trabajo del autor. Esto asegura la integridad y precisión de los resultados de la investigación.
