Resumen

Para la gestión de los ingresos hospitalarios, la capacidad de predecir la duración de la estancia (LOS) ya en la fase previa al ingreso podría ser útil para controlar la calidad de la atención a los pacientes ingresados. El objetivo de este estudio es desarrollar modelos de redes neuronales artificiales (RNA) para predecir la estancia hospitalaria de pacientes con uno de los tres diagnósticos principales: aterosclerosis coronaria, insuficiencia cardiaca e infarto agudo de miocardio en una unidad cardiovascular de un hospital cristiano de Taipei (Taiwán). Se analizaron un total de 2.377 pacientes de cardiología dados de alta entre el 1 de octubre de 2010 y el 31 de diciembre de 2011. El uso de ANN o modelo de regresión lineal fue capaz de predecir correctamente para el 88,07% a 89,95 pacientes AS en la etapa previa al alta y para el 88,31% a 91,53 en la fase previa al ingreso. Para los pacientes con IAM o IC, la precisión osciló entre el 64,12% y el 66,78 en la fase previa al alta y del 63,69% al 67,47 en la fase previa al ingreso cuando se permitió una tolerancia de 2 días.

• Materias:Procesos de atención Servicio ambulatorio Estancia hospitalaria Análisis cinemáticos Variantes genéticas
• Subjects:Care processes Outpatient service Hospital stay Kinematic analysis Genetic variants
• Palabras claves:estadio previo al ingreso, estadio previo al alta, infarto agudo de miocardio, red neuronal artificial, modelo de regresión lineal, IAM, RNA, LOS, pacientes CAS, hospital cristiano
• Keywords:preadmission stage, predischarge stage, acute myocardial infarction, artificial neural network, linear regression model, AMI, ANN, LOS, CAS patients, Christian hospital