Ausentismo en turnos médicos programados: una implementación de técnicas de aprendizaje automático
Date
2025-09
Authors
Costa, Juan
relationships.isContributorOfPublication
Carlos Gelormini-Lezama
Spiousas, Ignacio
Journal Title
Journal ISSN
Volume Title
Publisher
Universidad de San Andrés. Departamento de Ciencias de la Vida y del Comportamiento
Abstract
El ausentismo en turnos médicos programados representa una problemática crítica en el sistema de salud público, al generar costos económicos, ineficiencias administrativas y demoras en la atención de pacientes. En el presente trabajo se desarrolla un modelo predictivo de aprendizaje automático de RandomForest para identificar los turnos con mayor probabilidad de inasistencia en los Centros de Atención Primaria de Salud en Pilar (Argentina). Se analizaron variables relacionadas con las características del turno (días de espera, especialidad, horario), características del paciente (edad, sexo, historial de ausencias, distancia al CAPS) y factores contextuales (clima, lluvia). Los modelos construidos priorizaron accuracy y recall respectivamente, alcanzando un AUC cercano a 0.73 y un recall de hasta 0.83, lo que permite detectar de manera eficaz a pacientes con alto riesgo de ausentismo. Sobre la base de estos resultados, se diseña una intervención de semaforización y contacto telefónico diferenciado, orientada a reducir las inasistencias en los clínica médica. Los hallazgos contribuyen a optimizar la gestión de recursos en salud pública y ofrecen un marco replicable para otros sistemas con desafíos similares.
Description
Fil: Costa, Juan. Universidad de San Andrés. Departamento de Ciencias de la Vida y del Comportamiento; Argentina.