Digital repository

Maestria en Ciencias de Datos

Permanent URI for this collection

https://repositorio.uteq.edu.ec/handle/43000/7788

Browse

Browsing Maestria en Ciencias de Datos by Author "Samaniego Mena, Eduardo Amable"

Now showing 1 - 2 of 2
  • Thumbnail Image
    ItemOpen Access
    Modelo analítico para la optimización de servicios y recursos críticos en el área de emergencias del Hospital General Quevedo 2020 – 2024
    (Quevedo: UTEQ, 2025) Ramírez Vergara, Víctor Stiven; Samaniego Mena, Eduardo Amable
    Este estudio presenta un modelo analítico híbrido para optimizar la asignación de recursos críticos en el servicio de emergencias del Hospital General Quevedo (2020– 2024). A partir de 385.604 registros administrativos se realizó un proceso de preprocesamiento y limpieza de datos (fechas, horas, flags de transferencia y variables derivadas como edad y duración de estancia). Se exploraron patrones mediante análisis descriptivo, correlaciones y segmentación con MiniBatch K-Means. Se compararon cinco modelos supervisados (Regresión Logística, Random Forest, XGBoost, KNN y SVM) usando métricas multicriterio (Accuracy, F1-macro, sensibilidad, especificidad y AUC), identificando a XGBoost afinado como el más adecuado para discriminar prioridades clínicas. Las predicciones alimentaron un modelo de Programación Entera que asigna camas censables y no censables y considera médicos por turno; se evaluó su eficacia mediante cobertura por prioridad, utilización de camas y tiempo de espera. Los resultados muestran que, si bien la optimización prioriza adecuadamente los casos críticos, requiere incorporar restricciones de cobertura mínima o términos multi-objetivo para garantizar equidad frente a la alta demanda de casos moderados. Se discuten implicaciones operativas y recomendaciones para la implementación práctica en el hospital.
  • Thumbnail Image
    ItemOpen Access
    Tendencias estacionales de productos farmacéuticos basadas en inteligencia artificial en la ciudad de Quevedo 2022-2024
    (Quevedo: UTEQ, 2025) Ordóñez Guerrero, Karina Michelle; Samaniego Mena, Eduardo Amable
    Este estudio examinó la demanda estacional de productos farmacéuticos en una farmacia ubicada en la ciudad de Quevedo, utilizando técnicas de análisis estadístico y modelos de aprendizaje automático. Se trabajó con un conjunto de 89.590 registros de ventas mensuales, comprendidos entre noviembre de 2022 y diciembre de 2024. El proceso incluyó limpieza de datos, imputación de registros incompletos y organización de las variables para su análisis. Se aplicó el método de descomposición estacional y de tendencia basado en loess (STL), así como Holt-Winters, SARIMA, Random Forest, XGBoost y redes neuronales LSTM. Entre ellos, el modelo LSTM obtuvo el mejor desempeño según la raíz del error cuadrático medio (RMSE), seguido por Holt-Winters. Estas técnicas permitieron proyectar la demanda de aproximadamente 3.800 productos, identificando patrones mensuales y trimestrales que pueden servir de guía para mejorar la gestión del inventario y anticipar necesidades de reposición. Para facilitar el uso práctico de los resultados, se desarrolló una aplicación interactiva con Streamlit, que presenta tablas comparativas, gráficas, métricas de rendimiento y una sección de predicción semestral. Además, incorpora indicadores de niveles elevados de stock o posibles quiebres, lo que permite planificar compras de manera más ordenada sin requerir conocimientos técnicos especializados.