B.F. Estadística

URI permanente para esta comunidad

https://repositorio.unicordoba.edu.co/handle/ucordoba/1103

Navegar

Examinando B.F. Estadística por Autor "Caicedo Castro, Isaac Bernardo"

Mostrando 1 - 2 de 2
  • Miniatura
    PublicaciónRestringido
    Ajuste de modelos de Machine Learning para pronosticar el ausentismo de usuarios en una IPS
    (Universidad de Córdoba, 2024-07-10) Padilla Avila, Estefani Esther; Cochet Tirado, Brayan Said; Morales Rivera, Mario Alfonso; Perez Cantero, Kevin Luis; Caicedo Castro, Isaac Bernardo; Correa Vanegas, Emelis; Ruiz Sárez, Juan Camilo
    La falta de asistencia a citas médicas programadas se refiere a la situación en la que los usuarios de una empresa de servicios de salud no se presentan a su cita acordada. Esta problemática puede estar influenciada por diversos factores, tales como la edad del paciente, el tipo de cita, el perfil socioeconómico, el lugar de residencia entre otros El ausentismo a las consultas médicas tiene importantes implicaciones para la entidad prestadora del servicio, tanto en términos de costos como de eficiencia. Por lo tanto, es crucial poder estimar la probabilidad de que los usuarios de una institución prestadora de salud (IPS) no se presenten a la cita previamente programada, para proponer soluciones efectivas basadas en esta información. En esta ponencia se presentarán los resultados del entrenamiento de modelos de Machine Learning (ML) para clasificar a los usuarios de la IPS según el riesgo de no asistir a una cita médica previamente programada, considerando algunas características tanto del paciente como de la cita. Además, explica una estrategia de sobre agendamiento de citas basadas en las predicciones hechas por los modelos, que brinde confianza a la IPS para administrar de manera más eficiente la programación de la agenda de los médicos, lo que a su vez contribuirá a la reducción de costos y aumento de la eficiencia de la organización. Esta aplicación de los modelos de ML proporciona una oportunidad para que la empresa optimice la asignación de citas, reduciendo el ausentismo y lo cual se vería reflejado en una atención más oportuna para los afiliados a esta entidad, con tiempos de espera más cortos al solicitar los servicios.
  • Miniatura
    PublicaciónAcceso abierto
    Pronósticos del precio del ganado de primera calidad en Subastar S.A. - Montería: una comparativa entre modelos de series de tiempo clásicos, redes neuronales artificiales y modelos híbridos
    (Universidad de Córdoba, 2024-12-09) Miranda Urango, Yehison Elías; Pérez Cuadrado, Isaac Manuel; Treco Hernández, Manuel; Treco Hernandez, Manuel; Caicedo Castro, Isaac Bernardo; Bru Cordero, Osnamir Elias
    Este estudio analizó y comparó modelos de series de tiempo clásicos, redes neuronales artificiales y métodos híbridos para pronosticar el precio del ganado de primera calidad en Subastar S.A., Montería. Se destacó la importancia económica del sector ganadero en Córdoba y la evolución de la comercialización a través de subastas y plataformas virtuales. Además, se exploró el impacto de la inteligencia artificial en la predicción de precios, con énfasis en la metodología de Box-Jenkins y las redes neuronales. Se encontró que los modelos de redes neuronales híbridos CNN-LSTM y el modelo Transformer fueron los que arrojaron mejores resultados. El objetivo fue identificar el modelo más adecuado para mejorar la planificación económica y reducir riesgos financieros.