Predicción del ausentismo en citas médicas
mediante Machine Learning
Resumen: La programación de citas médicas es una actividad de gran importancia en un hospital, ya que se
deben utilizar de forma eficiente diferentes capitales, tanto humanos como materiales. Uno de los problemas
de este trabajo es la inasistencia de un paciente, lo que disminuye la eficiencia del uso de estos recursos. Para
hacer frente a esto, diversos estudios han propuesto considerar el “ausentismo” para programar las citas
médicas. Sin embargo, predecirlo es una tarea compleja. Esta investigación propone la predicción de la no
asistencia a la citación para tres áreas médicas del Hospital Clínico Regional Dr. Guillermo Grant Benavente en
la ciudad de Concepción, Chile. Para esto se entrenan y evalúan cinco algoritmos de Machine Learning. El
mejor modelo entrenado logró ser una herramienta predictiva del nivel de ausentismo de un paciente para su
próxima consulta y caracterizar a aquellos pacientes con mayores niveles de ausentismo.
Palabras clave: Machine learning, citas médicas, ausentismo.
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
Abstract.- The scheduling of medical appointments is an activity of great importance in a hospital since
different capitals, both human and material, must be used efficiently. One of the problems of this work is the
non-attendance of a patient, which decreases the efficiency of the use of resources. Several studies have
proposed considering "absenteeism" for scheduling medical appointments to address this. However,
predicting it is a complex task. This research proposes the prediction of absenteeism to medical appointments
for three medical areas of the Hospital Clínico Regional Dr. Guillermo Grant Benavente in the city of
Concepción, Chile. For this purpose, five Machine Learning algorithms are trained and evaluated. The best-
trained model managed to be a predictive tool of a patient's absenteeism level for his next appointment and
to characterize those patients with higher levels of no-show.
Keywords: Machine learning, medical appointments, absenteeism.
Prediction of absenteeism in medical appointments using Machine Learning
19
Recibido (27/03/2023), Aceptado (11/07/2023)
https://doi.org/10.47460/uct.v27i120.728
Catalina Isabel Valenzuela-Núñez
https://orcid.org/0000-0002-3536-7051
catalina.valenzuela1701@alumnos.ubiobio.cl
Departamento de Ingeniería Industrial
Facultad de Ingeniería
Universidad del Bío-Bío
Concepción, Chile
Fredy Humberto Troncoso Espinosa
https://orcid.org/0000-0002-9972-3123
ftroncos@ubiobio.cl
Departamento de Ingeniería Industrial
Facultad de Ingeniería
Universidad del Bío-Bío
Concepción, Chile
Guillermo Octavio Latorre-Núñez
https://orcid.org/0000-0003-1655-2611
glatorre@ubiobio.cl
Departamento de Ingeniería Industrial
Facultad de Ingeniería
Universidad del Bío-Bío
Concepción, Chile
I. INTRODUCCIÓN
Todos los centros de salud buscan utilizar sus recursos de la forma más eficiente posible. Para lograr esto,
se requiere de herramientas de apoyo para la toma de decisiones que les ayuden en la programación de sus
recursos.
La programación de citas de pacientes (PAS, por sus siglas en inglés) es una actividad de vital importante
para todos los centros de salud, ya que un paciente requiere de recursos tanto humanos como materiales
(médicos, enfermeras, tecnólogos, equipos, box, etc.) para su atención. Entre las decisiones del problema PAS
se incluyen la asignación de un médico al paciente, un box de atención, además de la búsqueda del mejor
tiempo de atención para todos los pacientes [1]. Existen diversas fuentes de incertidumbre que afectan la PAS
como impuntualidad de los pacientes, el retraso de los médicos, las visitas sin cita previa y/o las urgencias,
pero el mayor impacto lo producen los pacientes que, por diversas razones, no asiste a su cita médica,
afectando los ingresos del centro de salud, y la eficiencia en el uso de los recursos [2]. Además, la salud de los
propios pacientes se puede ver afectada por el aumento en los tiempos de espera indirectos producto del
ausentismo. Las citas médicas a las cuales no asiste el paciente se pueden clasificar como “perdidas” para la
institución de salud en cuestión, puesto que conducen a un control deficiente de la utilización de los recursos
destinados a esta.
Algunos de los motivos más frecuentes de inasistencia son el olvido de la cita programada y la poca
comunicación con el establecimiento. Aquellos pacientes con un mayor nivel de inasistencia son aquellos con
actividades relacionadas al servicio de urgencias y de atención postoperatoria.
Para reducir el ausentismo, los centros de salud alrededor del mundo utilizan diversas estrategias, tales
como los recordatorios (vía telefónica, mensajes y correos) lo que es insuficiente para la prestación del
servicio y la gestión de la demanda de estas citas médicas. Además, cabe mencionar que en China es un
problema persistente [3]. En el estudio de [2], realizado en una clínica de Estados Unidos, mencionan la mala
comunicación que existe entre distintas áreas de esta, haciendo más lento el proceso de atención del
paciente y no atendiéndolos en sus horarios correspondientes.
Para hacer frente al a este problema, diversos estudios proponen considerar el “ausentismo” al momento de
realizar la PAS. Entre algunas estrategias que se han aplicado a la PAS se encuentra el overbooking, que
permite mejorar la ocupación del bloque de atención [1], [3]. Lamentablemente, no es fácil para los servicios
hospitalarios poder predecir el nivel de ausentismo de un paciente. Por lo tanto, uno de los principales
desafíos para crear PAS más eficientes, consiste en poder predecir de forma correcta la probabilidad de
asistencia o inasistencia.
Dada la información disponible en los centros médicos en la actualidad, una herramienta que permite la
predicción del ausentismo o inasistencia es Machine Learning. Algunos autores [4] utilizan algoritmos de
Machine Learning para clasificar los perfiles de los usuarios y determinar las probabilidades de asistencia de
los pacientes a su cita médica. Otras investigaciones [5] comparan algoritmos de Machine Learning menos
frecuentes como técnicas de Bagging, Random Forest y Boosting, las cuales muestran un alto rendimiento
predictivo. Trabajos como el de AlMuhaideb et al [6] utiliza datos históricos de una clínica y emplea algoritmos
de Machine Learning para predecir la inasistencia de los pacientes a las intervenciones, permitiendo
reconocer aquellos con alto riesgo de no presentarse, reduciendo así los costos asociados a la tasa de
inasistencia. Otros autores [7] comparan distintos modelos de predicción como AdaBoost, Logistic Regression,
Random Forest, Naive Bayes y multicapa perceptrón, junto a un modelo de optimización, para realizar la PAS
basándose en probabilidades de asistencia que dependen de la etnia del paciente (blanco, afroamericano,
asiático y otros). Sin embargo, Mohammadi et al [8] y Devasahay et al [9] también prueban distintos modelos
para predecir la inasistencia de diferentes clínicas o centros de atención, determinando que los modelos de
Naive Bayes, Decision Tree y Logistic Regression logran las mejores estadísticas de predicción.
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
20
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
21
Las variables más utilizadas en la investigación del problema PAS son: la edad, el género, el día de la semana,
el tiempo de espera entre la fecha de la consulta y la cita, las ausencias anteriores, la hora de la cita y la
distancia con respecto al establecimiento, fecha de creación de la cita, la fecha de registro, la hora de llegada
del paciente, el ingreso estimado y la zona donde vive el paciente [5], [10].
El Hospital Clínico Regional Dr. Guillermo Grant Benavente en la ciudad de Concepción, Chile, es un hospital
de alta complejidad que atiende a gran parte de la población de la provincia de Concepción y que posee un
alto nivel de ausentismo a citas médicas. Este hospital actualmente no incorpora en sus sistemas de
agendamiento la probabilidad de que un paciente no asista, lo que no permite generar una planificación
eficiente. Dado los buenos resultados de la aplicación de algoritmos de Machine Learning para predecir la
asistencia o inasistencia a citas médicas, este trabajo propone el uso de estos algoritmos para predecir el nivel
de ausentismo de un paciente a citas médicas en las tres especialidades con mayor inasistencia de pacientes
que son Ginecología, Neurología y Otorrinolaringología. Para esto se considera una base de datos de cerca de
7.000 registros de citas médicas.
II. DESARROLLO
A. Selección y preprocesamiento
En la primera etapa de selección se escogen los atributos e instancias que se consideran relevantes para el
estudio, y mediante las técnicas de filtrado de registros y atributos, se eliminan las observaciones irrelevantes
para el análisis. Se crea un conjunto objetivo utilizando toda la base de datos disponible. En la limpieza, se
eliminan aquellas variables que pertenecen a la identificación personal de salud o del paciente. Además, se
identifican algunas columnas como la “Hora de Recepción del Paciente" que tiene un 97,63% de celdas vacías,
que también se quitan del conjunto de datos.
B. Transformación
Consiste en transformar los registros de forma apropiada para la extracción de información. Se decide
añadir una nueva variable que contabilice el número de veces que el paciente ha asistido y faltado a sus citas
médicas, como se observa en la Fig. 1.
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Fig. 1. Nuevo atributo creado a partir del historial del paciente
Antes de comenzar con la determinación de factores relevantes para la aplicación de los algoritmos, es
importante conocer a priori algunas características presentes en la base de datos. Como se observa en la Fig.
3, las edades de los pacientes que más se ausentan a su cita médica comprenden entre 1 y 15 años y luego
tienen un alza entre los 18 y 40 años aproximadamente, con un total de 15.333 registros (Fig. 2).
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
C. Selección de variables
La selección de variables requiere evaluar criterios que dividan los datos de forma adecuada. Para lograr
esto se utilizan medidas de relevancia como la ganancia de información que examinan la precisión de la
clasificación, comprobando la idoneidad de los modelos para realizar buenas predicciones [14]. La ganancia
de información se basa en la entropía, midiéndose la utilidad de una cierta característica en la clasificación, es
decir, se utiliza para medir la relevancia del atributo en la clase. Cuanto mayor sea este valor, mayor será la
relevancia del atributo. Se seleccionaron las variables con una ganancia de información mayor o igual al
promedio. Para su aplicación se transformaron las variables numéricas o categóricas. De un total de 27
atributos, se consideraron 22 para la confección del modelo.
D. Minería de datos
En la etapa de minería de datos se determinan los algoritmos de Machine Learning. Como se señaló
anteriormente, se probaron cinco algoritmos: Árbol de Decisión, Red Neuronal, Support Vector Machine,
Regresión Logística y Naive Bayes.
Los algoritmos se aplicaron utilizando el software RapidMiner. Este permite el desarrollo de procesos
mediante el encadenamiento de operadores a través de un entorno gráfico, utilizado en investigación y
aplicaciones empresariales.
El proceso de entrenamiento, validación y prueba de los modelos se muestra en la Fig. 3. La primera fila
muestra el conjunto de datos de enero a mayo de 2021. Los primeros cuatro meses son para el
entrenamiento del modelo, y el quinto mes es para el ajuste de parámetros y validación. Luego del ajuste de
parámetros y validación, se entrenan los algoritmos con la información hasta mayo y se prueba su
desempeño con el mes de junio de 2021. Debido a la existencia de un desbalance de clases (asistente y
ausente), se utiliza la técnica “SMOTE” para generar un conjunto de datos balanceados para el proceso de
entrenamiento, validación y prueba. Para ajustar los parámetros de los algoritmos y probar si el desempeño
se utilizó validación cruzada.
22
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Fig. 2. Nuevo atributo creado a partir del historial del paciente
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
23
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
La Tabla 2 muestra, que, a partir de las cuatro medidas de avaluación utilizadas, los algoritmos de mejor
desempeño son Support Vector Machine, Red Neuronal y Árbol de Decisión.
Fig. 4. Slump del concreto normal y con incorporación de la fibra de acero.
Fig. 3. Conjunto de entrenamiento y validación para el modelo.
Tabla 2. Resultados de desempeño de modelos aplicados.
III. METODOLOGÍA
Este trabajo consistió en la medición de la predicción de ausencias médicas en las especialidades de mayor
ausentismo, Ginecología, Neurología y Otorrinolaringología del Hospital Clínico Regional Dr. Guillermo Grant
Benavente, por esas tres, las de mayor concurrencia de pacientes y, por ende, las de mayor falta de los
mismos.
Para preprocesar los cerca de 7.000 registros de citas médicas, entrenar los algoritmos de Machine Learning
y evaluar sus resultados, se aplicó el proceso de Descubrimiento de Conocimiento en Bases de Datos (KDD).
El proceso KDD involucra cinco fases que se pueden observar en la Fig. 4 y que se describen a continuación
[11]
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
24
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Selección: se crea un conjunto de datos objetivo, seleccionando todos los datos o una muestra
representativa de estos, sobre el cual se realiza el proceso de descubrimiento.
Preprocesamiento: en esta etapa se analiza la calidad de los datos, se aplican operaciones como la
remoción de registros que están significativamente fuera del rango de valores esperados, se seleccionan
estrategias para el manejo de información desconocida, filas duplicadas y técnicas estadísticas para su
reemplazo.
Transformación: en la tercera etapa se buscan características útiles para representar los datos. Las
técnicas de reducción de estos están orientadas a obtener una representación reducida de los originales,
manteniendo en lo posible, la integridad y la información existente de los datos. No se considera
estrictamente obligatoria, ya que usualmente se utiliza cuando los tiempos de ejecución o el tamaño son
mayores de lo que se espera. Las técnicas más relevantes son la selección de atributos, selección de
instancias o la discretización.
Minería de datos: el objetivo de esta etapa es la búsqueda y descubrimiento de patrones insospechados y
de interés, aplicando algoritmos de Machine Learning.
Interpretación: aquí se interpretan los patrones descubiertos y posiblemente se retorna a las anteriores
etapas para posteriores iteraciones. Por otra parte, se consolida el conocimiento descubierto para verificar
y resolver conflictos potenciales.
Árbol de Decisión: es uno de los algoritmos más útiles y potentes en la minería de datos, su principal
ventaja consiste en facilitar la comprensión del conocimiento, explicando el comportamiento de una
determinada decisión.
Red Neuronal: están inspiradas en las redes neuronales biológicas, pues consisten en un gran número de
elementos simples de procesamiento llamados nodos (neuronas) que están organizados en capas. Son
algoritmos adaptativos que aprenden de la experiencia.
Support Vector Machines (SVM): la tarea de este algoritmo es encontrar la mejor separación posible entre
clases de elementos. Debido a que los problemas de aprendizaje automático tienen un gran número de
dimensiones, se encuentra el hiperplano que maximiza el margen de separación entre clases.
Regresión Logística: es un modelo estadístico en el cual se desea conocer la relación entre una variable
dependiente cualitativa dicotómica con una o más variables explicativas independientes.
Naive Bayes: es un clasificador probabilístico que calcula un conjunto de probabilidades contando la
frecuencia y combinaciones de valores en un conjunto de datos utilizando el teorema de Bayes.
Los algoritmos de Machine Learning supervisado seleccionados según su aplicación en la literatura son:
Para la evaluación de los algoritmos de Machine Learning, se utilizarán cuatro medidas de desempeño,
accuracy (Exactitud), precisión, recall (Exhaustividad) y AUC (Área bajo la curva). Las primeras tres medidas se
basan en datos resumidos en la matriz de desempeño de cada modelo llamada matriz de confusión, donde el
accuracy representa la proporción total de predicciones correctamente clasificadas por el modelo, el precision
corresponde al porcentaje de elementos correctamente clasificados como clase 1 y el recall indica el
porcentaje de observaciones que pertenecen a la clase 1 y que fueron correctamente clasificadas por el
modelo. La matriz de confusión, mostrada en la Tabla 3, es una herramienta que muestra, explícita y
efectivamente, el comportamiento de los algoritmos teniendo como ventaja la fácil interpretación de los
resultados obtenidos.
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
25
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Las filas de la matriz representan los valores de las clases predictivas y las columnas, los valores de las clases
actuales. El valor de “True Positives (TP)” representa los elementos de la clase 1 que fueron correctamente
predichos por el modelo y “Falses Negatives (FN)” representan los elementos de la clase 1 que fueron
incorrectamente predichos, es decir los errores tipo I. Asimismo, “True Negatives (TN)” son los elementos de la
clase 0 que fueron correctamente predichos por el modelo y “Falses Positives (FP)” los elementos que fueron
incorrectamente predichos, es decir los errores tipo II [12] (Tabla 3).
Tabla 3. Resultados de desempeño de modelos aplicados.
Pacientes que tienen una cita médica mediante el sistema de interconsulta del hospital (pacientes que son
derivados desde otros centros de asistencia para ser evaluados por un especialista).
Pacientes que tienen una nueva consulta (pacientes que por primera vez solicitan atención en una
especialidad).
El resultado de la predicción de un algoritmo de Machine Learning supervisado de clasificación es un valor
entre 0 y 1 y no un 0 o un 1. Por regla general si este valor es mayor o igual a 0,5 se determina que la
predicción será de la clase 1 y si es menor a este valor de la clase 0. A este valor de decisión se le conoce
como valor de umbral. La variación de este valor de umbral afecta los valores de la matriz de confusión y, por
tanto, los valores de las medidas de desempeño. Una forma de medir el desempeño predictivo de un
algoritmo considerando todos los valores de umbral posibles es mediante la curva ROC y el valor del área bajo
su curva AUC [13]. La curva ROC en una gráfica que relaciona la tasa verdadero positivo con la tasa falso
positivo, para distintos valores de umbral. El valor del AUC varía entre 0 y 1. A mayor valor, mejor es el
desempeño de un algoritmo.
IV. RESULTADOS
En la Tabla 2 se comparan los resultados de los diferentes modelos. Se observa que todos tienen un
desempeño superior al 60% en cada una de las métricas analizadas. Por lo tanto, todos los modelos pueden
dar una estimación aceptable sobre la predicción de ausencia del paciente. La técnica que mejor se adapta al
comportamiento de los datos fue la de Support Vector Machine (SVM), el cual fue seleccionado dado su alto
valor de Recall y AUC.
Un resultado importante de la aplicación del algoritmo SVM es la obtención de los pesos de las variables
consideradas. El algoritmo maximiza la separación de las clases y el hiperplano de separación permiten
evidenciar la importancia de cada atributo en la separación de las clases. La importancia de cada atributo se
muestra en la Tabla 4. Dado estos valores, es posible caracterizar a los pacientes con mayor nivel de
ausentismo. Estas características son:
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
26
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Las actividades que se encuentran dentro del ausentismo son la evaluación postoperatoria, lactancia
materna y telemedicina de otorrinolaringología.
Los establecimientos de donde son derivados los pacientes que pertenecen al grupo de ausentismo son
centros de atención familiar ubicados alrededor de la comuna de Concepción.
La diferencia de días entre la fecha de creación del registro y la fecha de la cita real se encuentran entre 15
y 24 días (mediano plazo) y más de 25 días (lejano plazo).
Pacientes que tienen un alto índice de ausentismo (tienen un registro de más de cinco veces sin asistir a
una cita médica).
En la Tabla 4 se observa el peso de cada atributo considerado para el estudio con su respectivo peso.
Tabla 4. Características de pacientes con ausentismo y sin ausentismo.
E. Costos de clasificación e implementación del modelo
Para un análisis más profundo para la implantación de este modelo, se analizan los costos de error de
clasificación. Como se observa en la matriz de confusión de la Tabla 3, existen dos tipos de errores el tipo I y
tipo II. En esta investigación el error tipo I ocurre cuando un algoritmo predice que un paciente asistirá a su
cita médica, pero en realidad no lo hará. El error tipo II ocurre cuando el algoritmo predice que un paciente se
ausentará cuando realmente asistirá a su cita médica. Ambos errores están asociados a un costo económico
para el hospital al utilizar un algoritmo de Machine Learning. Llamaremos a CEI como el costo del error tipo I y
a CEII el costo de error tipo II. Llamaremos TFN a la tasa de ocurrencia del error tipo I, es decir los falsos
negativos dividido los fasos negativos más los verdaderos positivos y llamaremos TFP a la tasa de ocurrencia
de los falsos positivos, es decir, los falsos positivos dividido por los falsos positivos más los verdaderos
negativos.
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
27
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
De esta forma, el costo esperado por error de clasificación queda expresado de la siguiente manera:
Si expresamos esta curva de costos en términos de los ejes de la curva ROC, es decir reemplazando en la
ecuación (1) E(Costo) = 0 y (2) TFN = 1 - TTP , la curva de costos queda representada por la siguiente ecuación:
Al intersecar esta curva de costos con la curva ROC podemos obtener el valor de umbral de clasificación que
minimiza el costo de error de clasificación E(Costo).
De acuerdo a la información del hospital el costo del error tipo I implica tiempo ocioso del box y equipos,
acumulación del tiempo de espera por el servicio, horas laborales adicionales del médico y personal asociado.
Por otro lado, el costo del error tipo II está asociado a tomar acciones preventivas como llamada recordatoria
para la cita médica del paciente y el costo de oportunidad de la utilización del box de atención. Se estima para
la relación de costos un valor de 3/7.
El procedimiento se llevó a cabo mediante el software RapidMiner con el operador “Find Threshold”, el que
permite encontrar el umbral óptimo para el modelo. En la Fig. 5 se presenta la curva ROC y su respectiva
función de costos asociados al problema de clasificación de ausentismo en los pacientes mediante el
algoritmo de Support Vector Machine. La línea tangente de color azul representa la función de costos, la curva
hacia debajo de color verde es el umbral, mientras que la curva hacia arriba de color rosado corresponde a la
curva ROC. La intersección entre estas dos curvas corresponde al valor del umbral óptimo.
Para esta instancia de clasificación binomial (dos valores), la regla de probabilidad implica que cada registro
tiende a pertenecer a una clase u otra. Por defecto, los pacientes con probabilidad de ausentismo tienen un
valor menor a 0,5 y aquellos pacientes que si asistirán a su cita médica tienen un valor mayor o igual a 0,5.
Para cada modelo se establecen distintos valores de umbrales, los cuales permiten determinar una
probabilidad por la cual los registros serán clasificados. El valor del umbral que minimiza el costo de error de
clasificación se observa en la intersección antes mencionada, resultando un valor de 0,4380. Esto quiere decir
que al clasificar a un paciente que no asistirá a la cita médica, debe tener una probabilidad mayor a 0,4380.
Fig. 5. Curva ROC, función de costos y umbral óptimo.
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
28
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
Mediante este valor, en la Fig. 6 se observa la propuesta para la implementación de la metodología de
aplicación del algoritmo SVM. Se comienza por establecer la base de datos de cierto período en específico y
los pacientes de estudio. Luego se requiere la obtener de variables relevantes para el modelo, seguido de la
aplicación del algoritmo de predicción. Finalmente, se realiza la aplicación de las estrategias de ocupación
médica como lo son el overbooking, la cancelación de citas médicas, los llamados recordatorios, entre otros.
Fig. 6. Diagrama del proceso de identificación y contramedidas para pacientes con ausentismo.
La predicción del ausentismo de los pacientes ha sido estudiada desde los años 80 y, de acuerdo a la
literatura estudiada, diferentes investigaciones han aplicado algoritmos de la minería de datos para predecir
este comportamiento [6]. Las principales técnicas utilizadas en la literatura son con el método de Regresión
Logística, Random Forest y Árbol de Decisión, pues obtienen un desempeño superior al 60% de AUC. Las
variables más frecuentes utilizadas en la literatura se encontraban disponibles en la base de datos del Hospital
Regional de Concepción. Sin embargo, en el proceso de KDD se eliminan algunas variables como el día de la
cita médica y la comuna de residencia del paciente. Aun así, el algoritmo entrenado muestra un valor de AUC =
85,1% que supera el valor 79,2% presentado en [15].
Kaplan-Lewis y Percac-Lima[3], mencionan que la principal estrategia implementada para el agendamiento de
citas son los programas basados en tecnologías de la información para generar contacto con los usuarios
mediante diferentes medios, ya sea por mensajería instantánea, mensajes de confirmación o e-mails. Como el
Hospital Regional de Concepción es un recinto de gran complejidad, el sistema de programación de citas
debería incluir estas tecnologías u otras tecnologías y registrar el motivo específico de inasistencia del
paciente, de manera de contar con información adicional para el proceso de predicción.
CONCLUSIONES
La aplicación de técnicas de Machine Learning, permiten predecir el nivel de inasistencia de un paciente a su
cita médica. De los modelos entrenados, el de mejor desempeño resultó ser Support Vector Machine, SVM.
Mediante su aplicación se pudo determinar las variables más influyentes y mediante su análisis se determinó
que los pacientes con mayor nivel de inasistencia son quienes poseen alguna de estas características:
Pacientes con cita médica mediante el sistema de interconsulta del hospital, pacientes que tienen una nueva
consulta, pacientes con cita postoperatoria, pacientes de lactancia materna, pacientes de telemedicina,
pacientes derivados desde centros de atención familiar de otras comunas.
El algoritmo entrenado, Support Vector Machine, muestra un valor de AUC = 85,1% que supera el valor 79,2%
presentado en la literatura. La utilización este algoritmo de machine learning, permitirá al Hospital Clínico
Regional Dr. Guillermo Grant Benavente, identificar aquellos pacientes con mayor probabilidad de inasistencia,
priorizar las acciones para evitar su inasistencia. El nivel de ausentismo de cada paciente puede ser utilizado
como dato de entrada para herramientas de apoyo para la toma de decisiones que puedan complementarse
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
29
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
con estrategias de overbooking, recordatorios o números de emergencia.
Como trabajo futuro se considera desarrollar algoritmos exactos y aproximados para la programación de
citas médicas, los que consideren la inasistencia del paciente, estrategias de overbooking y que sean
alimentados con la información proporcionada por la metodología propuesta en esta investigación.
REFERENCES
[1] G. Lamé, O. Jouini y J. Stal-Le Cardinal, «Outpatient chemotherapy planning: A literature review with insights
from a case study,» IIE Transactions on Healthcare Systems Engineering, vol. 6, p. 127–139, 2016.
[2] M. C. Rossi y H. Balasubramanian, «Panel size, office visits, and care coordination events: a new workload
estimation methodology based on patient longitudinal event histories,» MDM Policy & Practice, vol. 3, p.
2381468318787188, 2018.
[3] E. Kaplan-Lewis y S. Percac-Lima, «No-show to primary care appointments: why patients do not come,»
Journal of primary care & community health, vol. 4, p. 251–255, 2013.
[4] M. Samorani, S. L. Harris, L. G. Blount, H. Lu y M. A. Santoro, «Overbooked and overlooked: Machine
learning and racial bias in medical appointment scheduling,» Manufacturing & Service Operations
Management, 2021.
[5] G. Fan, Z. Deng, Q. Ye y B. Wang, «Machine learning-based prediction models for patients no-show in online
outpatient appointments,» Data Science and Management, vol. 2, p. 45–52, 2021.
[6] S. AlMuhaideb, O. Alswailem, N. Alsubaie, I. Ferwana y A. Alnajem, «Prediction of hospital no-show
appointments through artificial intelligence algorithms,» Annals of Saudi medicine, vol. 39, p. 373–381, 2019.
[7] S. L. Harris y M. Samorani, «On selecting a probabilistic classifier for appointment no-show prediction,»
Decision Support Systems, vol. 142, p. 113472, 2021.
[8] I. Mohammadi, H. Wu, A. Turkcan, T. Toscos y B. N. Doebbeling, «Data analytics and modeling for
appointment no-show in community health centers,» Journal of primary care & community health, vol. 9, p.
2150132718811692, 2018.
[9] S. R. Devasahay, S. Karpagam y N. L. Ma, «Predicting appointment misses in hospitals using data analytics,»
Mhealth, vol. 3, 2017.
[10] D. B. Ferro, S. Brailsford, C. Bravo y H. Smith, «Improving healthcare access management by predicting
patient no-show behavior,» Decision Support Systems, vol. 138, p. 113398, 2020.
[11] S. R. Timarán-Pereira, I. Hernández-Arteaga, S. J. Caicedo-Zambrano, A. Hidalgo-Troya y J. C. Alvarado-
Pérez, «El proceso de descubrimiento de conocimiento en bases de datos,» Descubrimiento de patrones de
desempeño académico con árboles de decisión en las competencias genéricas de la formación profesional, p.
63–86, 2016.
[12] F. H. T. Espinosa, «Prediction of recidivism in thefts and burglaries using machine learning,» Indian Journal
of Science and Technology, vol. 13, p. 696–711, 2020.
[13] M. N. Sulaiman y R. W. Rahmat, «Improving accuracy metric with precision and recall metrics for optimizing
stochastic classifier,» 2011.
[14] S. Tangirala, «Evaluating the impact of GINI index and information gain on classification using decision tree
classifier algorithm,» International Journal of Advanced Computer Science and Applications, vol. 11, p. 612–619,
2020.
[15] A. Nelson, D. Herron, G. Rees y P. Nachev, «Predicting scheduled hospital attendance with artificial
intelligence,» NPJ digital medicine, vol. 2, p. 1–7, 2019.
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
30
ISSN-E: 2542-3401, ISSN-P: 1316-4821
Universidad, Ciencia y Tecnología,
Vol. 27, Núm. 120, (pp. 19-30)
LOS AUTORES
Fredy Troncoso Espinosa, Doctor en Sistemas de Ingeniería, Universidad de Chile,
Ingeniero Civil Industrial Universidad del Bío-Bío, Chile. Académico e Investigador
Departamento de Ingeniería Industrial, Universidad del Bío-Bío. Concepción, Chile.
Guillermo Latorre-Núñez, Doctor en Ciencias de la Ingeniería, Pontificia
Universidad Católica de Chile. Magíster en Ciencias de la Ingeniería, Pontificia
Universidad Católica de Chile. Magíster en Ingeniería Industrial, Universidad del Bío-
Bío. Ingeniero Civil Industrial, Universidad del Bío-Bío. Licenciado en Ciencias de la
Ingeniería, Universidad del Bío-Bío.
Catalina Valenzuela-Núñez, Magíster en Ingeniería Industrial, Universidad del Bío-
Bío. Ingeniera Civil Industrial Universidad del Bío-Bío, Chile. Licenciada en Ciencias de
la Ingeniería, Universidad del Bío-Bío.
Valenzuela-Núñez C. et al. Predicción del ausentismo en citas médicas mediante Machine Learning
