| TAZ-TFG-2020-3969 |
Minería de procesos en el contexto médico: Análisis de algoritmos a través de Healthcare System Specifications
Ubide Alaiz, David
Mahulea, Cristian Florentín (dir.) ; Albareda Albareda, Jorge (dir.)
Universidad de Zaragoza,
EINA,
2020
Informática e Ingeniería de Sistemas department, Ingeniería de Sistemas y Automática area
Graduado en Ingeniería Informática
Abstract: El 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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
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.
Tipo de Trabajo Académico: Trabajo Fin de Grado
Notas: En colaboración con el Hospital Clínico Universitario "Lozano Blesa"
Permalink:
El registro pertenece a las siguientes colecciones:
Academic Works > Trabajos Académicos por Centro > escuela-de-ingeniería-y-arquitectura
Academic Works > End-of-grade works