000096377 001__ 96377
000096377 005__ 20201120151205.0
000096377 037__ $$aTAZ-TFG-2020-3969
000096377 041__ $$aspa
000096377 1001_ $$aUbide Alaiz, David
000096377 24200 $$aProcess mining in medical context: Analysis of algorithms through Healthcare System Specifications
000096377 24500 $$aMinería de procesos en el contexto médico: Análisis de algoritmos a través de Healthcare System Specifications
000096377 260__ $$aZaragoza$$bUniversidad de Zaragoza$$c2020
000096377 500__ $$aEn colaboración con el Hospital Clínico Universitario "Lozano Blesa"
000096377 506__ $$aby-nc-sa$$bCreative Commons$$c3.0$$uhttp://creativecommons.org/licenses/by-nc-sa/3.0/
000096377 520__ $$aEl problema estudiado en este trabajo nace ante la necesidad de modelización, estudio y generación de vías clínicas en el área de Cirugía Ortopédica y Traumatología del Hospital Clínico Universitario “Lozano Blesa” de Zaragoza. Ante esta necesidad se decide desarrollar un sistema de información a través de una aplicación web que permita gestionar la información y las necesidades propuestas por el equipo médico basándonos en el diseño arquitectural del Healthcare System Specification.<br />El sistema de modelado de base de datos y el servidor para la captación de datos se desarrolló basándose en tecnologías Python a través de una implementación en un servidor Django y SQLite. Se desarrolló una interfaz amigable para el usuario a través de Bootstrap Studio, un software que permite el desarrollo de código HTML de forma intuitiva.<br />En la parte de recuperación y poblado de la información, se precisó de un proceso ETL (Extracción, transformación y carga) a través de orígenes de datos en formato físico de las historias clínicas de los pacientes con la colaboración del equipo médico.Todo ello, apoyado en el desarrollo de scripts Python para la carga y actualización.<br /> <br />Se desarrolló un modelo matemático de las vías clínicas a través de autómatas finitos probabilistas. Estos autómatas son un tipo de máquina de estados que permite trabajar con probabilidades y que se amolda a las diferentes necesidades, extrayendo los caminos más y menos probables que se pueden dar a la hora de tratar una patología. Esto ha permitido observar, entre otras cosas, el por qué hay pacientes que se quedan ingresados hasta 6 días más de lo que deberían y son informaciones fundamentales en el proceso de decisión para crear nuevas vías clínicas.<br />Posteriormente, este modelo se transformaría en un modelo de redes de Petri, que permite la simulación de diferentes situaciones hospitalarias a través del software CPNTools. Asimismo, este modelo, permite evaluar el comportamiento del sistema hospitalario ante unas determinadas condiciones (número de pacientes, recursos médicos, recursos humanos, etc.) que se establezcan y también se puede utilizar para estudiar propiedades del sistema sanitario utilizando técnicas estructurales.<br />Finalmente, el sistema de información que se ha desarrollado facilita una serie de indicadores médicos propuestos a través de un panel de mando en Power BI. Estos indicadores se obtienen utilizando los datos extraídos de las historias clínicas. Este software permite la interacción entre los diferentes indicadores a través de los filtros que se le apliquen.<br /><br />
000096377 521__ $$aGraduado en Ingeniería Informática
000096377 540__ $$aDerechos regulados por licencia Creative Commons
000096377 700__ $$aMahulea, Cristian Florentín$$edir.
000096377 700__ $$aAlbareda Albareda, Jorge$$edir.
000096377 7102_ $$aUniversidad de Zaragoza$$bInformática e Ingeniería de Sistemas$$cIngeniería de Sistemas y Automática
000096377 8560_ $$f736520@unizar.es
000096377 8564_ $$s4613903$$uhttps://zaguan.unizar.es/record/96377/files/TAZ-TFG-2020-3969.pdf$$yMemoria (spa)
000096377 909CO $$ooai:zaguan.unizar.es:96377$$pdriver$$ptrabajos-fin-grado
000096377 950__ $$a
000096377 951__ $$adeposita:2020-11-20
000096377 980__ $$aTAZ$$bTFG$$cEINA
000096377 999__ $$a20200922205823.CREATION_DATE