Predicció de la demanda sanitària
Predicció de la demanda sanitària amb dades poblacionals: selecció de variables i aprenentatge profund per millorar la planificació
Computer Methods and Programs in Biomedicine · 2025 · Article 109057
He participat en un article que proposa un enfocament híbrid per predir la demanda sanitària amb dades reals a gran escala. L’objectiu és millorar la planificació (professionals, organització i capacitat assistencial) combinant selecció de variables amb aprenentatge profund.
Disseny i mètode
- Base poblacional de 6,3 milions de persones seguides durant 10 anys, amb informació clínica i d’ús de serveis.
- A partir d’un conjunt ampli de variables (fins a 117), el mètode identifica quines aporten informació rellevant i descarta les redundants o poc útils.
- Amb les variables seleccionades, s’entrena un model d’aprenentatge profund per generar prediccions de demanda i comparar-les amb enfocaments alternatius.
Resultats principals
- La selecció prèvia de variables millora el rendiment predictiu i aporta un marc més interpretable sobre què “mou” la demanda.
- L’enfocament híbrid mostra millor capacitat predictiva que diverses alternatives avaluades al mateix estudi.
- És especialment útil per a planificació prospectiva: anticipar pics i ajustar recursos amb criteris més objectius.
#AtencióPrimària #PlanificacióSanitària #CiènciaDeDades #Intel·ligènciaArtificial #AprenentatgeProfund #Recerca
Text generat amb ChatGPT (GPT-5.2 Thinking).
Comments