Influencia de los factores sociodemográficos y clínicos en el proceso de rehabilitación de pacientes geriátricos del Hospital de Día del Hospital Nacional de Geriatría durante el año 2024: un análisis basado en inteligencia artificial
Guardado en:
| Forfatter: | |
|---|---|
| Format: | tesis de maestría |
| Fecha de Publicación: | 2026 |
| Beskrivelse: | La rehabilitación geriátrica en el Hospital de Día es una intervención interdisciplinaria orientada a optimizar la capacidad funcional de personas mayores. Sin embargo, la selección de pacientes con mayor potencial de beneficio se basa principalmente en el juicio clínico, sin un modelo objetivo que sintetice de forma sistemática la información disponible al ingreso. El objetivo de este trabajo es identificar, mediante inteligencia artificial, los factores sociodemográficos y clínicos que influyen en el resultado del proceso de rehabilitación de pacientes geriátricos atendidos en el Hospital de Día del Hospital Nacional de Geriatría y Gerontología durante el año 2024. Se realizó un estudio observacional y retrospectivo basado en registros clínicos del Expediente Digital Único en Salud. Se extrajeron variables de las notas médicas de 226 pacientes mediante procesamiento de lenguaje natural (GPT-4o), validando contra un estándar manual de 113 pacientes. Se entrenaron modelos de aprendizaje automático con validación cruzada, utilizando exclusivamente variables del ingreso. La interpretabilidad se evaluó mediante valores SHAP. Se analizaron 187 pacientes que completaron el programa (edad media 78.2 años). El 65.77% de los pacientes alcanzó al menos un criterio de éxito. La extracción logró coeficientes kappa > 0.93 en variables categóricas y correlaciones de Pearson de 1.0 en la mayoría de las continuas. El modelo Voting Ensemble optimizado, restringido a las 10 variables de mayor peso predictivo según SHAP, alcanzó un AUC de 0.749. Los predictores más influyentes fueron, en orden descendente: índice de Tinetti, creatinina sérica, Clifton Assessment, hemoglobina, SPPB, MIF, porcentaje de linfocitos, prueba del reloj, edad y leucocitos totales. El procesamiento de lenguaje natural demostró ser viable para extraer información estructurada del EDUS con concordancia casi perfecta. El modelo presenta capacidad discriminativa robusta para identificar, desde el ingreso, a los pacientes con mayor probabilidad de éxito. Los predictores integran dimensiones funcionales, cognitivas y biológicas, concordantes con la evidencia internacional, y aportan datos específicos para el contexto ambulatorio geriátrico costarricense. El modelo complementa el juicio clínico como herramienta de apoyo a la priorización del ingreso al Hospital de Día. |
| País: | Kérwá |
| Institution: | Universidad de Costa Rica |
| Repositorio: | Kérwá |
| Sprog: | Español |
| OAI Identifier: | oai:kerwa.ucr.ac.cr:10669/104694 |
| Online adgang: | https://hdl.handle.net/10669/104694 |
| Palabra clave: | Hospital de Día Rehabilitación médica Anciano Inteligencia artificial Gerontología Estudio de caso Investigación médica Análisis automático de textos Enfoque interdisciplinario |