PREDICCIÓN DEL CUMPLIMIENTO DE SLA EN UN LABORATORIO CLÍNICO
ABSTRACT:
El control del cumplimiento del Tiempo de Servicio en un laboratorio Clínico es una actividad de gran importancia siendo de especial interés el tipo de atención de emergencia. La eficiencia en el cumplimiento del SLA está influenciada por variables internas del laboratorio clínico, así como del paciente. Este estudio tiene como objetivo desarrollar un modelo predictivo para evaluar el cumplimiento del SLA basándonos en variables internas de laboratorio clínico, así como del paciente. Utilizando técnicas avanzadas de aprendizaje supervisado, específicamente modelos de Random Forest, Gradient Boosting, Entropy Decision Tree, Redes Bayesianas, Redes de Soporte Vectorial y Neuronal Network, se analizan datos históricos recolectados entre octubre de 2024 y noviembre de 2024 en un ambiente controlado de laboratorio clínico. Los resultados indican que el modelo de Random Forest ofrece la mejor precisión predictiva, con un accuracy de 0.84, sugiriendo que captura eficazmente las relaciones complejas y no lineales en los datos. Este estudio proporciona herramientas valiosas para optimizar la gestión de cumplimiento del SLA del laboratorio clínico en el tipo de atención de Emergencia, mejorando la eficiencia y asegurando el tiempo de servicio establecido y así como evitar un diagnostico inoportuno de estado de salud del paciente.
INTEGRANTES:
- Barrera Ninamango, Marco Antonio
- Campos Cardenas, Jesus
- Huaman Sanchez, Fernando
- Vilcahuaman Canchanya, Gabriel Milmer