Predicción del coste sanitario en pacientes psiquiátricos mediante técnicas de aprendizaje estadístico

García Durán, Alberto

Publication:
Predicción del coste sanitario en pacientes psiquiátricos mediante técnicas de aprendizaje estadístico

dc.contributor.advisor	Leiva Murillo, José Miguel
dc.contributor.author	García Durán, Alberto
dc.contributor.departamento	UC3M. Departamento de Teoría de la Señal y Comunicaciones	es
dc.coverage.spatial	east=-3.7190495; north=40.43899529999999; name=Hospital Universitario Fundación Jiménez Díaz, Av. de los Reyes Católicos, 2, 28040 Madrid, España
dc.date.accessioned	2011-12-02T10:57:24Z
dc.date.available	2011-12-02T10:57:24Z
dc.date.issued	2008-09-08
dc.date.submitted	2008-09-16
dc.description.abstract	Este estudio se basará en el reconocimiento de patrones clínicos en el comportamiento de pacientes de psiquiatría, con la ayuda de diversas tareas que se pueden hacer con sistemas de aprendizaje; tales como predicción (clasi cación y estimación), descripción o segmentación. Partiendo de una base de datos, de la cual conoceremos múltiples datos tanto de los pacientes como de sus consultas, deberemos seleccionar cuidadosamente aquellos pacientes y sus variables que consideremos relevantes para el problema en cuestión. Este problema y otros tantos que se nos presentarán, serán abordados en capítulos posteriores. El estudio está está orientado hacia la consecución de un objetivo final: identificar pacientes potencialmente caros, a los que se les es posible proporcionar una mejor atención primaria, permitiendo reducir su coste. Trataremos de abordar el problema de la siguiente manera: Se parte de una base de datos recogidos en un psiquiátrico compuesta de multitud de eventos clínicos de una gran cantidad de pacientes. Cada evento clínico está descrito de manera muy completa, recogiendo información sobre el evento en sí y del paciente en cuestión. A partir de esa información deberemos construir un modelo que caracterice el comportamiento clínico de cada paciente cada cierto tiempo. Se deberá estudiar si este modelo debe describir sólo el comportamiento clínico en sí o incluir también datos del paciente, como pueden ser la edad o el sexo. Una vez establecido el modelo, deberemos obtener, en base a éste, todos los vectores que caractericen a cada paciente y el coste asociado a cada vector. De este modo, cada paciente estará descrito por un conjunto de vectores con sus costes asociados. Aplicar técnicas de clustering para intentar agrupar vectores con patrones similares y que, idealmente, deberán tener costes asociados similares. Utilizar un conjunto de entrenamiento/validación para, con la ayuda de técnicas de regresión/clasi cación, obtener una máquina de regresión/clasi ficación para cada cluster. Evaluar la calidad de los resultados sobre un conjunto de test. Cada muestra de este conjunto será clasi ficada en uno de los clusters y le será aplicado la máquina de regresión/clasifi cación correspondiente. En base a criterios médicos, aplicaremos medidas sobre aquellos pacientes catalogados como caros, para darles un tratamiento estándar e intentar minimizar su coste. El hecho de identi car correctamente como caros a los pacientes que en realidad sí lo son es en donde radicará el éxito del proyecto. El estudio terminará con una serie de conclusiones, en base a los resultados obtenidos con distintos tipos de regresores/clasificadores y el algoritmo de agrupamiento escogido, que determinarán la utilidad o no, de la aplicación de estas técnicas para conseguir el objetivo deseado.	es
dc.description.degree	Ingeniería Técnica en Sonido e Imagen	es
dc.format.mimetype	application/pdf
dc.identifier.uri	https://hdl.handle.net/10016/12696
dc.language.iso	spa	es
dc.rights	Atribución-NoComercial-SinDerivadas 3.0 España
dc.rights.accessRights	open access
dc.rights.uri	http://creativecommons.org/licenses/by-nc-nd/3.0/es/
dc.subject.eciencia	Informática	es
dc.subject.other	Aprendizaje estadístico	es
dc.subject.other	Inteligencia artificial	es
dc.subject.other	Costes sanitarios	es
dc.title	Predicción del coste sanitario en pacientes psiquiátricos mediante técnicas de aprendizaje estadístico	es
dc.type	bachelor thesis	*
dspace.entity.type	Publication