Por favor, use este identificador para citar o enlazar este ítem: https://hdl.handle.net/10495/29127
Registro completo de metadatos
Campo DC Valor Lengua/Idioma
dc.contributor.advisorOviedo Carrascal, Efraín Alberto-
dc.contributor.authorMontoya Escobar, Gustavo Adolfo-
dc.date.accessioned2022-06-13T13:45:56Z-
dc.date.available2022-06-13T13:45:56Z-
dc.date.issued2022-
dc.identifier.urihttp://hdl.handle.net/10495/29127-
dc.description.abstractRESUMEN : 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.spa
dc.format.extent45spa
dc.format.mimetypeapplication/pdfspa
dc.language.isospaspa
dc.type.hasversioninfo:eu-repo/semantics/draftspa
dc.rightsinfo:eu-repo/semantics/openAccessspa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/2.5/co/*
dc.titlePredicción de cumplimiento de entrega de pedidos farmacéuticosspa
dc.typeinfo:eu-repo/semantics/otherspa
oaire.versionhttp://purl.org/coar/version/c_b1a7d7d4d402bccespa
dc.rights.accessrightshttp://purl.org/coar/access_right/c_abf2spa
thesis.degree.nameEspecialista en Analítica y Ciencia de Datosspa
thesis.degree.levelEspecializaciónspa
thesis.degree.disciplineFacultad de Ingeniería. Especialización en Analítica y Ciencia de Datosspa
thesis.degree.grantorUniversidad de Antioquiaspa
dc.rights.creativecommonshttps://creativecommons.org/licenses/by-nc-sa/4.0/spa
dc.publisher.placeMedellín - Colombiaspa
dc.type.coarhttp://purl.org/coar/resource_type/c_46ecspa
dc.type.redcolhttp://purl.org/redcol/resource_type/COtherspa
dc.type.localTesis/Trabajo de grado - Monografía - Especializaciónspa
dc.subject.decsFarmacia-
dc.subject.decsPharmacy-
dc.subject.lembAprendizaje automático (inteligencia artificial)-
dc.subject.lembMachine learning-
dc.subject.lembPrescripciones medicas-
dc.subject.lembMedicine - formulae, receipts, prescriptions-
dc.subject.lembIndustria farmacéutica-
dc.subject.lembDrug industry-
dc.subject.lembSatisfacción del consumidor-
dc.subject.lembConsumer satisfaction-
dc.subject.agrovocLogística-
dc.subject.agrovocLogistics-
dc.subject.agrovocDemanda-
dc.subject.agrovocDemand-
dc.subject.agrovocurihttp://aims.fao.org/aos/agrovoc/c_331401-
dc.subject.agrovocurihttp://aims.fao.org/aos/agrovoc/c_2171-
dc.relatedidentifier.urlhttps://github.com/gmontoya8703/Monografia_Prespa
Aparece en las colecciones: Especializaciones de la Facultad de Ingeniería

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
MontoyaGustavo_2022_PrediccionPedidosFarmaceuticos.pdfTrabajo de grado de especialización991.22 kBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons