Datos de Investigación

Permanent URI for this community

https://digitum.um.es/handle/10201/37686
El objetivo de esta comunidad es poner a disposición de los usuarios aquellos materiales generados o recolectados durante el transcurso de una investigación.

Browse

Browsing Datos de Investigación by Subject "AI"

Now showing 1 - 1 of 1
  • Repository logo
    Publication
    Open Access
    Modelos de Inteligencia artificial SVM-SHAP y Logísticos para identificación de factores de supervivencia y resultados clínicos en residencias de mayores en España.
    Pastor Zorita, Andrea; Bote Díaz, Marcos Alonso; Pastor Seller, Enrique; Enfermería; Escuela Internacional de Doctorado
    Introducción: El cuidado de personas mayores institucionalizadas representa un desafío importante en sociedades envejecidas como España. La creciente demanda de cuidados de larga duración, junto con los recursos limitados, hace necesario identificar los factores que influyen en la calidad asistencial y los resultados clínicos. Este estudio combina métodos de inteligencia artificial y análisis estadísticos para analizar las variables asociadas con la mortalidad, la supervivencia y otros resultados clínicos, proporcionando recomendaciones basadas en evidencia para mejorar la gestión de las residencias de mayores. Asimismo, esta investigación busca contribuir al desarrollo de estrategias efectivas que optimicen los recursos disponibles, promoviendo un cuidado más eficiente y humano. Métodos: Se realizó un estudio observacional en ocho residencias de la comarca Marina Alta, Alicante, con una muestra de 497 residentes. Los datos se recopilaron considerando variables demográficas, clínicas y de infraestructura, como los niveles de dependencia, ratios de personal y resultados clínicos. Los análisis se llevaron a cabo mediante regresión logística binaria y modelos de máquinas de vectores de soporte con kernel de función base radial. Para interpretar las contribuciones de cada variable para Supervivencia, se utilizó SHAP. Todos los análisis se realizaron utilizando R. Resultados: El análisis mostró que una mayor ratio enfermera/residente incrementó significativamente la supervivencia, con un OR = 8.03, IC 95% [4.45, 14.51], p < 0.05. Un incremento del 1% en habitaciones individuales disminuyó la probabilidad de mortalidad, con un OR = 0.23, IC 95% [0.15, 0.35], p < 0.05. Ratios más altas de auxiliares de enfermería redujeron las complicaciones y aumentaron la supervivencia, con un OR = 0.12, IC 95% [0.05, 0.32], p < 0.05. Un aumento en las derivaciones hospitalarias estuvo asociado con una mayor incidencia de úlceras por presión, con un OR = 1.02, IC 95% [1.01, 1.03], p < 0.05. Mayores ratios de auxiliares actuaron como un factor protector, reduciendo la prevalencia de úlceras, con un OR = 0.12, IC 95% [0.05, 0.32], p < 0.05. Discusión: Los hallazgos destacan la relevancia de los recursos humanos y la infraestructura en la mejora de los resultados clínicos y la supervivencia en residencias de mayores. La disponibilidad de habitaciones individuales y personal suficiente son factores clave para reducir la mortalidad y complicaciones. Los modelos avanzados de IA, como el SVM-SHAP, permiten analizar interacciones complejas entre variables, proporcionando información más precisa para guiar decisiones políticas y administrativas basadas en evidencia. El análisis mediante SHAP aporta una perspectiva innovadora en la gestión sanitaria, maximizando los resultados a partir de intervenciones específicas. Conclusiones: El estudio evidencia la necesidad de implementar sistemas estandarizados en España para monitorear y mejorar la calidad asistencial en residencias de mayores. Aumentar las ratios de enfermería, de auxiliares y habitaciones individuales podría traducirse en mejoras significativas en la supervivencia y calidad de vida de los residentes. Los modelos de IA, como el SVM-SHAP, son herramientas valiosas para optimizar la gestión y los cuidados en estos entornos.