Esta plática aborda una exploración y explotación de datos reunidos mediante las bitácoras de los resultados de intervenciones médicas a varios pacientes. A través del uso de técnicas como “árboles de decisión” se busca sintetizar un predictor del resultado de la intervención, para poder planear y optimizar el uso de los recursos hospitalarios necesarios.

1. @sgcampus
@sgcampus
José Carlos Méndez De la Torre
De los árboles a la cama de un hospital

2. @sgcampus
Agenda
• Introducción
– Métodos de clasificación
• Contexto
– Escenario
– Datos
– Metodología
• Propuesta
– “Pregunta de negocio” y caso de uso

3. @sgcampus
Introducción

4. @sgcampus
Introducción
• Datos
– Fuentes diversas
– Heterogeneidad
– Integridad
– Limpieza
Aprendizaje automático y minería de datos

5. @sgcampus
Introducción
La minería de datos o exploración de datos es un
campo de la estadística y las ciencias de la
computación referido al proceso que intenta
descubrir patrones en grandes volúmenes de
conjuntos de datos.

6. @sgcampus
Introducción
Inteligencia artificial y estadística
• Redes neuronales artificiales
• Regresiones (lineales o no)
• Árboles de decisión
• Modelos estadísticos
• Clustering
Algunos se podrán dividir entre supervisados y no supervisados

7. @sgcampus
Contexto

8. @sgcampus
Contexto
• En un hospital existe una bitácora en la que se
registran los resultados de las intervenciones
quirúrgicas realizadas a pacientes en el área de
pediatría.
• Se registran las condiciones iniciales, eventos
ocurridos durante la intervención, y resultado final
de la intervención.

9. @sgcampus
Contexto
• Intervención programada o de urgencia
• Edad y sexo del paciente
• Eventualidades como transfusiones sanguíneas
• Quién participó en la intervención
• Tipo de destino del paciente

10. @sgcampus
Contexto
• No existe una forma estándar de llevar la bitácora
• Los registros de la bitácora se llevan en una hoja
de cálculo
• No hay un proceso de homologación de
información
• Los registros son hechos por los mismos médicos
según van terminando su turno

11. @sgcampus
Contexto
• Palabras mal escritas
• Sinónimos
• Nomenclatura recortada
• Errores de captura en los campos

12. @sgcampus
Contexto
Why we need a methodology for data science
IBM Big Data & Analytics Hub
http://www.ibmbigdatahub.com/blog/why-we-need-methodology-data-science

13. @sgcampus
Contexto

14. @sgcampus
Contexto
Business understanding
Every project, regardless of its size, starts with
business understanding, which lays the foundation
for successful resolution of the business problem.

15. @sgcampus
Contexto
¿El destino del paciente será “ambulatorio” o “piso”?

16. @sgcampus
Propuesta

17. @sgcampus
Propuesta
• Predictor del destino del paciente
– Historial de las intervenciones
– Registro de condiciones iniciales
– Registro del destino del paciente
• ¿Qué se necesita para predecir?
• ¿Qué variables son importantes para predecir?

18. @sgcampus
Propuesta

19. @sgcampus
Propuesta

20. @sgcampus
Propuesta

21. @sgcampus
Propuesta

22. @sgcampus
Propuesta

23. @sgcampus
Propuesta
• Árbol de clasificación
– Fácil interpretación de resultados
– Representación visual
– Agrupación de variables
– Jerarquías de variables
– Automatización e implementación fácil
• Extracción de reglas de negocio
• Sistema experto

24. @sgcampus
Propuesta

25. @sgcampus
Propuesta
• Marzo
• 20 variables
• Limpieza de información
– Expresiones regulares
– Minúsculas
– Eliminación de espacios y caracteres
especiales
– Sustitución de palabras

26. @sgcampus
Propuesta
• 8 variables
– Edad en meses
– Sexo
– Diagnóstico
– Tipo de programación
– Tiempo en minutos
– Hemoderivados
– Incidentes
– Destino

27. @sgcampus
Propuesta
• Árbol C 4.5
– En RWeka se llama J48
– Entropía o desorden de la información
– Aprendizaje supervisado
– Clasificador
– La variable que mejor divide al conjunto de
datos se fija y se vuelve a iterar

28. @sgcampus
Propuesta
• Destino
– formulaDestino <- Destino ~ EdadMeses
+ Sexo + ProgramadoUrgencia +
TiempoMinutos + Incidentes

29. @sgcampus
Propuesta

30. @sgcampus
Propuesta
• ¿Necesita hemoderivados?
– formulaHemo <- Hemoderivados ~
EdadMeses + ProgramadoUrgencia + Sexo
+ TiempoMinutos

31. @sgcampus
Propuesta

32. @sgcampus
¿Preguntas?
@jokame
jokame@gmail.com