Aplicación de un modelo de aprendizaje automático para predecir el consumo de tiempo estimado del paciente de...

Área de la Ciencia:

• Informática de la Salud
• Aprendizaje Automático en Atención Médica
• Gestión de Atención Primaria

Sus antecedentes:

• El aumento de los costos de atención médica y la escasez de proveedores de atención primaria tensan el sistema de atención médica de EE. UU.
• La asignación eficiente de recursos es crucial para una prestación de atención médica eficaz.
• La predicción de una alta utilización de atención primaria es clave para la planificación y las intervenciones proactivas.

Objetivo del estudio:

• Desarrollar y evaluar la Puntuación Friedman, un modelo de aprendizaje automático para predecir la utilización de atención primaria.
• Categorizar a los pacientes en grupos de utilización anual de atención primaria baja, alta y muy alta.
• Identificar los predictores clave de una alta utilización de atención primaria.

Principales métodos:

• Se utilizaron datos estructurados de registros de salud electrónicos de pacientes de atención primaria de UCSD Health (2022-2023).
• Se desarrolló un modelo de aprendizaje automático (XGBoost) que incorpora características como la edad, los diagnósticos, los medicamentos y los patrones de atención aguda.
• Se comparó XGBoost con otros cinco algoritmos y se utilizó el análisis SHAP para la importancia de las características.

Principales resultados:

• La Puntuación Friedman, impulsada por XGBoost, demostró una alta capacidad discriminatoria (AUC 0.78-0.89) y una calibración robusta.
• Los predictores clave identificados incluyen el uso de medicamentos, la edad y la carga de enfermedades crónicas, especialmente la depresión.
• El modelo categorizó eficazmente a los pacientes en distintos grupos de utilización.

Conclusiones:

• La Puntuación Friedman proporciona una herramienta confiable e interpretable para identificar a los pacientes con alta utilización de atención primaria.
• Los conocimientos prácticos del modelo pueden guiar la prestación proactiva de atención primaria basada en datos.
• Este enfoque apoya la gestión optimizada de la carga de trabajo y las intervenciones específicas para los pacientes.