Especializaciones de la Facultad de Ingeniería · 2022
Predicción de cumplimiento de entrega de pedidos farmacéuticos
RESUMEN : En el desarrollo de esta monografía se trabaja alrededor de un servicio farmacéutico que realiza entregas de medicamentos ordenados a pacientes de diferentes municipios de Antioquia. La gestión logística de estos productos farmacéuticos está condicionada por características particulares de los medicamentos. Algunos medicamentos son enviados bajo una condición especial y estos son recibidos por los pacientes, a través del personal interno de la compañía (domiciliarios), por transportadoras o en un gran porcentaje algunos son recogidos directamente por los pacientes o sus cuidadores. Para el desarrollo del trabajo se generó un registro de información de las entregas de pedidos de los últimos tres meses, para pacientes con diferentes patologías. Gran parte del éxito en el tratamiento de los pacientes está relacionado con la adecuada adherencia de estos a las recetas generadas posterior a la consulta con el médico prescriptor, sin embargo, esta también depende de que los medicamentos sean entregados de forma oportuna y a tiempo, siendo esta una de las principales causales que los pacientes manifiestan como justificación para la no toma de los medicamentos, pues se ven afectados si no hay disponibilidad de los fármacos por parte de sus operadores. El objetivo de esta monografía fue determinar si los medicamentos serán entregados dentro de los tiempos establecidos posterior a la solicitud del pedido, a través de algoritmos de clasificación o si por determinadas condiciones se va a incumplir con la promesa de suministro al paciente. A través de los modelos Regresión logística, Random Forest, Naive Bayes y Máquina de soporte de vectores se pudo realizar un acercamiento a la analítica de datos, generando diferentes métricas que permitieron encontrar un modelo de predicción para anteponer el cumplimiento de los pedidos. Con el modelo Random Forest se obtuvo una Área curva ROC de 0.85, facilitando la predicción de cumplimiento y generando como consecuencia que la compañía farmacéutica pueda ser más reactiva para solucionar en el menor tiempo posible los inconvenientes que se pueden presentar.
Texto completo 45 páginas con texto
Leer la tesis completa Ficha en el repositorio
Contenido
- Figura 1. Indicadores generados por los pacientes (creación propia)p. 12
- Figura 2. Cantidad de datos que cumplen con las condiciones de entregap. 20
- Figura 3. Resumen del origen de los pedidosp. 21
- Figura 4.Resumen de la zona donde se deben entregar los pedidosp. 21
- Figura 5. Resumen de los datos del transportador de los pedidosp. 22
- Figura 6. Fases del proceso de analítica (Juana, 2019)p. 23
- Figura 7. Detalles del datasetp. 26
- Figura 8. Implementación del one hot encoderp. 27
- médico)p. 28
- Figura 10. Método del codop. 30
- Figura 11. Método del Siluetep. 30
- Figura 12. Diagrama de clusterización de los datosp. 30
- Figura 13. Matriz de correlaciónp. 34
- Figura 14. Validación Cruzada, (Fuente: Joan.domenech91 CC BY-SA 3.0)p. 35
- Figura 15. Matriz de Confusión Regresión Logísticap. 39
- Figura 16. Matriz de Confusión Random Forestp. 39
- Figura 17. Matriz de Confusión Naive Bayesp. 40
- Figura 18. Matriz de Confusión Máquina de soporte de vectoresp. 41
- Figura 19. AUC Área bajo la curva ROC - Random Forestp. 42