Predicción de la duración de las estancias en los hospitales

Data Science Virtual Machine
Power BI
SQL Server

Idea de solución

Si le gustaría que expandamos este artículo con más información, como posibles casos de uso, servicios alternativos, consideraciones de implementación o una guía de precios, comuníquese a través de los Comentarios de GitHub.

Esta solución permite contar con un modelo predictivo para la duración de la estancia en las admisiones hospitalarias. La duración de la estancia se define como el número de días que transcurren desde la fecha de admisión inicial hasta la fecha en la que el paciente es dado de alta en un centro hospitalario determinado.

Arquitectura

Diagrama de la arquitectura Descargue un SVG de esta arquitectura.

Implementación

Puede encontrar instrucciones sobre la implementación y más detalles sobre la implementación técnica en el repositorio de GitHub sobre la predicción de la estancia en los hospitales.

Información general

Esta solución permite contar con un modelo predictivo para la duración de la estancia en las admisiones hospitalarias. La duración de la estancia se define como el número de días que transcurren desde la fecha de admisión inicial hasta la fecha en la que el paciente es dado de alta en un centro hospitalario determinado. Puede haber una variación significativa de la duración de las estancias entre los distintos centros, y entre las condiciones de la enfermedad y las especialidades, incluso dentro del mismo sistema sanitario. La predicción avanzada de la duración de las estancias en el momento de la admisión puede mejorar considerablemente la calidad de la atención, así como la eficacia de la carga de trabajo operativa y facilitar el planeamiento preciso de las altas, lo que da lugar a la reducción de otras medidas de calidad, como las readmisiones.

Perspectiva empresarial

Hay dos usuarios empresariales diferentes en la administración de hospitales que pueden esperar beneficiarse de unas predicciones más confiables sobre la duración de las estancias. Son los siguientes:

  • El director de información médica (CMIO), que se encuentra en la línea divisoria entre los profesionales informáticos o técnicos y los profesionales sanitarios en un centro de atención médica. Sus tareas suelen incluir el uso de análisis para determinar si se están asignando correctamente los recursos en una red de hospital. Como parte de este trabajo, el CMIO debe ser capaz de determinar qué instalaciones están sobrecargadas y, en concreto, qué recursos de esas instalaciones se deben reforzar para reajustar esos recursos con la demanda.
  • El administrador de la línea de atención al paciente, que está directamente implicado en la atención a los pacientes. Este rol requiere la supervisión del estado de cada paciente y asegurarse de que hay personal disponible para atender las necesidades de atención específicas de los pacientes. Un administrador de la línea de atención al paciente también necesita administrar el alta de sus pacientes. La capacidad de predecir la duración de la estancia de un paciente permite a los administradores de la línea de atención al paciente determinar si los recursos de personal serán los adecuados para administrar la salida de un paciente.

Perspectiva del científico de datos

Machine Learning Services de SQL Server es una característica de SQL Server que ofrece la posibilidad de ejecutar scripts de R con datos relacionales. Para realizar un análisis predictivo y aprendizaje automático, se pueden usar plataformas y paquetes de código abierto, además de paquetes de Microsoft R. Los scripts se ejecutan en la base de datos sin mover los datos fuera de SQL Server o a través de la red.

Esta solución le guía por los pasos necesarios para crear y perfeccionar los datos, entrenar los modelos de R y realizar puntuaciones en la máquina de SQL Server. La tabla de base de datos con la puntuación final de SQL Server proporciona la duración de la estancia prevista para cada paciente. Después, estos datos se visualizan en Power BI. (En esta plantilla se utilizan datos simulados para ilustrar la característica).

Los científicos de datos que prueban y desarrollan soluciones pueden trabajar cómodamente desde su IDE de R preferido en su equipo local, mientras insertan el proceso en SQL Server. Las soluciones completadas se implementan en SQL Server mediante la integración de llamadas en R en los procedimientos almacenados. Estas soluciones se pueden automatizar posteriormente con SQL Server Integration Services y el agente de SQL Server.

Esta solución incluye el código R que un científico de datos necesita en la carpeta R. Muestra los procedimientos almacenados (archivos .sql) que se pueden implementar en la carpeta SQLR. Haga clic en el botón Implementar en Azure para probar la automatización y toda la solución estará disponible en la suscripción de Azure.

Precios

La suscripción de Azure usada para la implementación incurrirá en cargos por el consumo de los servicios que se usen en esta solución. Para obtener información detallada sobre los precios, visite la página de precios de Azure.

Componentes

Pasos siguientes