Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud

Autores
Moine Manfredi, Juan Miguel; Landini Rima, Javier Matías
Año de publicación
2010
Idioma
español castellano
Tipo de recurso
documento de conferencia
Estado
versión publicada
Descripción
PAM (Partitioning Around Medoids) es un algoritmo de Minería de Datos utilizado para el análisis de conglomerados, es decir, la identificación de grupos o clusters en un conjunto de datos. Aplicamos este algoritmo sobre la base de datos de turnos cancelados en una especialidad médica con alta demanda de atenciones, oftalmología, en un centro de salud público. En el análisis pudimos determinar la existencia de tres grupos de turnos cancelados, cuya descripción y caracterización nos posibilita mejorar la gestión de atenciones médicas programadas en esta especialidad.
Sociedad Argentina de Informática e Investigación Operativa
Materia
Ciencias Informáticas
Minería de Datos
PAM
k-medioides
cluster analysis
análisis de conglomerados
gestión de turnos médicos
salud pública
Nivel de accesibilidad
acceso abierto
Condiciones de uso
http://creativecommons.org/licenses/by-nc-sa/4.0/
Repositorio
SEDICI (UNLP)
Institución
Universidad Nacional de La Plata
OAI Identificador
oai:sedici.unlp.edu.ar:10915/152968
Acceder
id SEDICI_51e759cb877c07c77e6d57d5b39e896a
oai_identifier_str oai:sedici.unlp.edu.ar:10915/152968
network_acronym_str SEDICI
repository_id_str 1329
network_name_str SEDICI (UNLP)
spelling Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de saludMoine Manfredi, Juan MiguelLandini Rima, Javier MatíasCiencias InformáticasMinería de DatosPAMk-medioidescluster analysisanálisis de conglomeradosgestión de turnos médicossalud públicaPAM (Partitioning Around Medoids) es un algoritmo de Minería de Datos utilizado para el análisis de conglomerados, es decir, la identificación de grupos o clusters en un conjunto de datos. Aplicamos este algoritmo sobre la base de datos de turnos cancelados en una especialidad médica con alta demanda de atenciones, oftalmología, en un centro de salud público. En el análisis pudimos determinar la existencia de tres grupos de turnos cancelados, cuya descripción y caracterización nos posibilita mejorar la gestión de atenciones médicas programadas en esta especialidad.Sociedad Argentina de Informática e Investigación Operativa2010info:eu-repo/semantics/conferenceObjectinfo:eu-repo/semantics/publishedVersionObjeto de conferenciahttp://purl.org/coar/resource_type/c_5794info:ar-repo/semantics/documentoDeConferenciaapplication/pdf3065-3076http://sedici.unlp.edu.ar/handle/10915/152968spainfo:eu-repo/semantics/altIdentifier/url/http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-cais-17_0.pdfinfo:eu-repo/semantics/altIdentifier/issn/1853-1881info:eu-repo/semantics/openAccesshttp://creativecommons.org/licenses/by-nc-sa/4.0/Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)reponame:SEDICI (UNLP)instname:Universidad Nacional de La Platainstacron:UNLP2025-09-29T11:39:22Zoai:sedici.unlp.edu.ar:10915/152968Institucionalhttp://sedici.unlp.edu.ar/Universidad públicaNo correspondehttp://sedici.unlp.edu.ar/oai/snrdalira@sedici.unlp.edu.arArgentinaNo correspondeNo correspondeNo correspondeopendoar:13292025-09-29 11:39:22.991SEDICI (UNLP) - Universidad Nacional de La Platafalse
dc.title.none.fl_str_mv Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
title Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
spellingShingle Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
Moine Manfredi, Juan Miguel
Ciencias Informáticas
Minería de Datos
PAM
k-medioides
cluster analysis
análisis de conglomerados
gestión de turnos médicos
salud pública
title_short Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
title_full Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
title_fullStr Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
title_full_unstemmed Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
title_sort Salud y minería de datos: análisis de conglomerados con el algoritmo PAM para la mejora de la gestión de turnos médicos en un centro de salud
dc.creator.none.fl_str_mv Moine Manfredi, Juan Miguel
Landini Rima, Javier Matías
author Moine Manfredi, Juan Miguel
author_facet Moine Manfredi, Juan Miguel
Landini Rima, Javier Matías
author_role author
author2 Landini Rima, Javier Matías
author2_role author
dc.subject.none.fl_str_mv Ciencias Informáticas
Minería de Datos
PAM
k-medioides
cluster analysis
análisis de conglomerados
gestión de turnos médicos
salud pública
topic Ciencias Informáticas
Minería de Datos
PAM
k-medioides
cluster analysis
análisis de conglomerados
gestión de turnos médicos
salud pública
dc.description.none.fl_txt_mv PAM (Partitioning Around Medoids) es un algoritmo de Minería de Datos utilizado para el análisis de conglomerados, es decir, la identificación de grupos o clusters en un conjunto de datos. Aplicamos este algoritmo sobre la base de datos de turnos cancelados en una especialidad médica con alta demanda de atenciones, oftalmología, en un centro de salud público. En el análisis pudimos determinar la existencia de tres grupos de turnos cancelados, cuya descripción y caracterización nos posibilita mejorar la gestión de atenciones médicas programadas en esta especialidad.
Sociedad Argentina de Informática e Investigación Operativa
description PAM (Partitioning Around Medoids) es un algoritmo de Minería de Datos utilizado para el análisis de conglomerados, es decir, la identificación de grupos o clusters en un conjunto de datos. Aplicamos este algoritmo sobre la base de datos de turnos cancelados en una especialidad médica con alta demanda de atenciones, oftalmología, en un centro de salud público. En el análisis pudimos determinar la existencia de tres grupos de turnos cancelados, cuya descripción y caracterización nos posibilita mejorar la gestión de atenciones médicas programadas en esta especialidad.
publishDate 2010
dc.date.none.fl_str_mv 2010
dc.type.none.fl_str_mv info:eu-repo/semantics/conferenceObject
info:eu-repo/semantics/publishedVersion
Objeto de conferencia
http://purl.org/coar/resource_type/c_5794
info:ar-repo/semantics/documentoDeConferencia
format conferenceObject
status_str publishedVersion
dc.identifier.none.fl_str_mv http://sedici.unlp.edu.ar/handle/10915/152968
url http://sedici.unlp.edu.ar/handle/10915/152968
dc.language.none.fl_str_mv spa
language spa
dc.relation.none.fl_str_mv info:eu-repo/semantics/altIdentifier/url/http://39jaiio.sadio.org.ar/sites/default/files/39jaiio-cais-17_0.pdf
info:eu-repo/semantics/altIdentifier/issn/1853-1881
dc.rights.none.fl_str_mv info:eu-repo/semantics/openAccess
http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
eu_rights_str_mv openAccess
rights_invalid_str_mv http://creativecommons.org/licenses/by-nc-sa/4.0/
Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International (CC BY-NC-SA 4.0)
dc.format.none.fl_str_mv application/pdf
3065-3076
dc.source.none.fl_str_mv reponame:SEDICI (UNLP)
instname:Universidad Nacional de La Plata
instacron:UNLP
reponame_str SEDICI (UNLP)
collection SEDICI (UNLP)
instname_str Universidad Nacional de La Plata
instacron_str UNLP
institution UNLP
repository.name.fl_str_mv SEDICI (UNLP) - Universidad Nacional de La Plata
repository.mail.fl_str_mv alira@sedici.unlp.edu.ar
_version_ 1844616267983486976
score 13.070432

Publicaciones similares