Predicción de conducta inicial en urgencias

Simulación ilustrativa del pipeline descrito en el artículo: al ingresar los datos administrativos y de triage de un paciente, el algoritmo los procesa por etapas hasta estimar la probabilidad de hospitalización, observación o manejo ambulatorio.

Modelo de referencia: Random Forest
F1 macro (prueba): 0,452
n entrenamiento: 16 792
nodos activos 6 cola 3 carga 42%

Datos al ingreso

Caso a evaluar

Los ocho campos corresponden a las variables con mayor importancia por permutación reportadas en la Tabla 5 del artículo (prioridad de triage, turno de llegada y capítulo diagnóstico concentran la mayor parte del peso predictivo).

Pipeline del algoritmo

En espera de un caso
1
Datos de
ingreso
2
Preprocesa-
miento
3
Selección de
variables
4
Modelo
Random Forest
5
Predicción de
conducta inicial
Completa los datos del caso y presiona «Ejecutar predicción» para ver el pipeline avanzar por sus cinco etapas y obtener la distribución de probabilidad sobre las tres clases de conducta inicial. Etapas: base de datos → variable objetivo → variables predictoras → entrenamiento → evaluación (Fig. 1 del artículo)