Modelos de Inteligencia artificial SVM-SHAP y Logísticos para identificación de factores de supervivencia y resultados clínicos en residencias de mayores en España.

Pastor Zorita, Andrea

Publication:
Modelos de Inteligencia artificial SVM-SHAP y Logísticos para identificación de factores de supervivencia y resultados clínicos en residencias de mayores en España.

dc.contributor.advisor	Bote Díaz, Marcos Alonso
dc.contributor.advisor	Pastor Seller, Enrique
dc.contributor.author	Pastor Zorita, Andrea
dc.contributor.department	Enfermería
dc.contributor.department	Escuela Internacional de Doctorado
dc.coverage.spatial	Comarca de la Marina Alta, Alicante, España	es
dc.coverage.temporal	2023-2024	es
dc.date.accessioned	2025-01-31T08:24:25Z
dc.date.available	2025-01-31T08:24:25Z
dc.date.created	2025-01
dc.description.abstract	Introducción: El cuidado de personas mayores institucionalizadas representa un desafío importante en sociedades envejecidas como España. La creciente demanda de cuidados de larga duración, junto con los recursos limitados, hace necesario identificar los factores que influyen en la calidad asistencial y los resultados clínicos. Este estudio combina métodos de inteligencia artificial y análisis estadísticos para analizar las variables asociadas con la mortalidad, la supervivencia y otros resultados clínicos, proporcionando recomendaciones basadas en evidencia para mejorar la gestión de las residencias de mayores. Asimismo, esta investigación busca contribuir al desarrollo de estrategias efectivas que optimicen los recursos disponibles, promoviendo un cuidado más eficiente y humano. Métodos: Se realizó un estudio observacional en ocho residencias de la comarca Marina Alta, Alicante, con una muestra de 497 residentes. Los datos se recopilaron considerando variables demográficas, clínicas y de infraestructura, como los niveles de dependencia, ratios de personal y resultados clínicos. Los análisis se llevaron a cabo mediante regresión logística binaria y modelos de máquinas de vectores de soporte con kernel de función base radial. Para interpretar las contribuciones de cada variable para Supervivencia, se utilizó SHAP. Todos los análisis se realizaron utilizando R. Resultados: El análisis mostró que una mayor ratio enfermera/residente incrementó significativamente la supervivencia, con un OR = 8.03, IC 95% [4.45, 14.51], p < 0.05. Un incremento del 1% en habitaciones individuales disminuyó la probabilidad de mortalidad, con un OR = 0.23, IC 95% [0.15, 0.35], p < 0.05. Ratios más altas de auxiliares de enfermería redujeron las complicaciones y aumentaron la supervivencia, con un OR = 0.12, IC 95% [0.05, 0.32], p < 0.05. Un aumento en las derivaciones hospitalarias estuvo asociado con una mayor incidencia de úlceras por presión, con un OR = 1.02, IC 95% [1.01, 1.03], p < 0.05. Mayores ratios de auxiliares actuaron como un factor protector, reduciendo la prevalencia de úlceras, con un OR = 0.12, IC 95% [0.05, 0.32], p < 0.05. Discusión: Los hallazgos destacan la relevancia de los recursos humanos y la infraestructura en la mejora de los resultados clínicos y la supervivencia en residencias de mayores. La disponibilidad de habitaciones individuales y personal suficiente son factores clave para reducir la mortalidad y complicaciones. Los modelos avanzados de IA, como el SVM-SHAP, permiten analizar interacciones complejas entre variables, proporcionando información más precisa para guiar decisiones políticas y administrativas basadas en evidencia. El análisis mediante SHAP aporta una perspectiva innovadora en la gestión sanitaria, maximizando los resultados a partir de intervenciones específicas. Conclusiones: El estudio evidencia la necesidad de implementar sistemas estandarizados en España para monitorear y mejorar la calidad asistencial en residencias de mayores. Aumentar las ratios de enfermería, de auxiliares y habitaciones individuales podría traducirse en mejoras significativas en la supervivencia y calidad de vida de los residentes. Los modelos de IA, como el SVM-SHAP, son herramientas valiosas para optimizar la gestión y los cuidados en estos entornos.	es
dc.format	application/vnd.ms-excel	es
dc.format.extent	1	es
dc.identifier.uri	http://hdl.handle.net/10201/149841
dc.language	spa	es
dc.language	eng	es
dc.relation	Sin financiación externa a la Universidad	es
dc.relation.ispartof	Doctorado en Envejecimiento y Fragilidad	es
dc.rights	info:eu-repo/semantics/openAccess	es
dc.rights	Atribución-NoComercial-CompartirIgual 4.0 Internacional	*
dc.rights.uri	http://creativecommons.org/licenses/by-nc-sa/4.0/	*
dc.subject	AI	es
dc.subject	Elderly
dc.subject	Survival
dc.subject	Nursing
dc.subject.other	CDU::3 - Ciencias sociales::36 - Bienestar y problemas sociales. Trabajo social. Ayuda social. Vivienda. Seguros	es
dc.title	Modelos de Inteligencia artificial SVM-SHAP y Logísticos para identificación de factores de supervivencia y resultados clínicos en residencias de mayores en España.	es
dc.title.alternative	Artificial Intelligence Models SVM-SHAP and Logistic for Identifying Survival Factors and Clinical Outcomes in Nursing Homes in Spain	es
dc.type	info:eu-repo/semantics/dataset	es
dspace.entity.type	Publication	es

Files

Original bundle

Now showing 1 - 3 of 3

Name:: DATOS RESIDENCIAS MARINA ALTA UNIFICADOS.xlsx
Size:: 57.25 KB
Format:: Unknown data format
Description:: VARIABLES 8 RESIDENCIAS MARINA ALTA

Download

Name:: CUESTIONARIO PREVIO ESTUDIO SOCIODEMOGRÁFICO RESIDENCIAS DE LA MARINA ALTA.docx
Size:: 14.29 KB
Format:: Unknown data format
Description:

Download