Facultad de Ingeniería

URI permanente para esta comunidadhttps://hdl.handle.net/20.500.12640/3729

Examinar

Filtros

2023 - 20242

Ajustes

Idioma: search.filters.itemlanguage.EspañolTema: search.filters.subject.Hospitales

Resultados de la búsqueda

Mostrando 1 - 2 de 2
  • Miniatura
    ÍtemAcceso Abierto
    Optimización del proceso de atención de consultas ambulatorias en la especialidad de ginecología de la clínica Uroginec mediante la filosofía Lean Healthcare
    (Universidad ESAN, 2024) Guzman Arroyo, Alvaro Braulio; Quiroz Uchalin, Nicole Andrea; Saenz Carrillo, Jorge Alvaro
    El Instituto Médico Especializado Uroginec EIRL, conocida como Clínica Uroginec, es una clínica privada en Chimbote que ofrece servicios médicos especializados en urología y ginecología. Se realizó un diagnóstico al proceso de consultas ambulatorias en ginecología dado que es la especialidad más visitada en la clínica. Se identificó que existen demoras en el tiempo de atención, una inadecuada gestión de documentos internos, alto costo operativo y deficiencias en el proceso. Por este motivo, el presente trabajo busca optimizar el tiempo de atención ambulatoria mediante la metodología de Lean Healthcare, el ciclo de Deming e ISO 9001:2015. Para evaluar la solución planteada, se desarrolló una simulación del flujo del proceso de estudio para comprobar si existe una mejora de los indicadores establecidos. Como mejora, se obtuvo que el tiempo promedio de atención para las solicitudes de consultas ambulatorias de 5.7 semanas redujo a 4.7 semanas, la utilización de los recursos mejoraba y que los costos del proceso se reducían en s/3,458, incrementando de esta forma la eficiencia del proceso.
  • Miniatura
    ÍtemEmbargo
    Predicción del tipo de parto en el departamento de ginecología-obstetricia del Hospital Santa Rosa mediante Machine Learning
    (Universidad ESAN, 2023) Perez Garcia, Adams Smith; Seminario Vergaray, Raul Francisco
    En el presente trabajo, se uso Machine Learning en el ámbito de aprendizaje supervizado. para predecir los tipos de partos de las gestante atendidas en el Hospital Santa Rosa, buscando optimizar los recursos de la institución tanto material como humano. Para la creación del Modelo se recopiló toda la información existente en el hospital santa rosa y el ministerio de salud (Minsa) mediante un cruce de información, luego de la limpieza de datos, se utilizo el 80% para el aprendizaje y uN 20% para la para corroborar la predicción. El modelo predominante para nuestro trabajo fue el Árbol de decisión, donde se identifico la variable y ( tipos de partos existentes) y las variables x ( diagnosticas por lo que existe complicaciones durante el parto). con lo cual el modelo se pudo recrear.