Un enfoque híbrido de minería de datos/simulación para modelar las ausencias de pacientes ambulatorios en la programación de clínicas

Este artículo considera el problema de las ausencias de pacientes ambulatorios enfrentado por una clínica gratuita rural ubicada en el sureste de los Estados Unidos. Utilizando técnicas de minería de datos y simulación, desarrollamos esquemas de secuenciación para los pacientes, con el fin de optimizar una combinación de medidas de rendimiento utilizadas en la clínica. Utilizamos minería de reglas de asociación (ARM) para construir un modelo que predice las ausencias de pacientes; y luego usamos un método de optimización de cobertura de conjuntos para derivar tres conjuntos manejables de reglas para la secuenciación de pacientes. Se utiliza simulación para determinar el número optimal de pacientes y evaluar los modelos. La técnica de ARM presentada aquí resulta en mejoras significativas sobre los modelos que no emplean reglas, apoyando la conjetura de que, al tratar con datos ruidosos como en una clínica ambulatoria, la extracción de patrones parciales, como se hace con ARM, puede ser de gran valor para el modelado de simulación.