Por favor, use este identificador para citar o enlazar este ítem:
http://dspace.udla.edu.ec/handle/33000/16604
Registro completo de metadatos
Campo DC | Valor | Lengua/Idioma |
---|---|---|
dc.contributor.advisor | Morocho Cayamcela, Manuel Eugenio | - |
dc.creator | Benítez Quimbiulco, Ronny Santiago | - |
dc.creator | Jiménez Vásquez, Félix Eduardo | - |
dc.date.accessioned | 2024-09-09T19:14:29Z | - |
dc.date.available | 2024-09-09T19:14:29Z | - |
dc.date.issued | 2024 | - |
dc.identifier.citation | Benítez, R.; Jiménez, F. (2024). Estimación del costo monetario de una hospitalización en una empresa de medicina prepagada mediante algoritmos de machine learning (Tesis de maestría). Universidad de las Américas, Quito. | es_ES |
dc.identifier.other | UDLA-EC-TMINCD-2024-14 | - |
dc.identifier.uri | http://dspace.udla.edu.ec/handle/33000/16604 | - |
dc.description | The present study aims to develop a predictive model using Big Data and machine learning ML techniques to estimate hospital claim costs in the prepaid healthcare sector. Accurate estimation of hospital costs is essential for effective management in prepaid healthcare companies. Traditional methods, based on fixed rules and historical data, often lack the flexibility needed to adapt to the complexities and variations of the healthcare environment. The focus of our study is on the collection of historical claim data and its preprocessing for analysis. The methods used include linear regression, Ridge, and Lasso, in addition to principal component analysis PCA and a comparison with advanced learning models. After evaluating various models, it was determined that linear regression with important variable selection and logarithmic transformation offered the best accuracy in cost prediction. The results obtained with PyCaret showed that models such as LightGBM and Gradient Boosting provided lower error metrics and higher predictive accuracy, suggesting that the use of more advanced ML techniques can significantly improve predictions. It is recommended that the company continue experimenting with these models, capturing more relevant data to optimize predictive capabilities and improve resource management. | es_ES |
dc.description.abstract | El presente estudio tiene como objetivo desarrollar un modelo predictivo utilizando técnicas de Big Data y machine learning ML para estimar los costos de reclamaciones hospitalarias en el sector de medicina prepagada. La precisión en la estimación de costos hospitalarios es esencial para una gestión eficaz en empresas de medicina prepagada. Los métodos tradicionales, basados en reglas fijas y datos históricos, suelen carecer de la flexibilidad necesaria para adaptarse a las complejidades y variaciones del entorno sanitario. El enfoque de nuestro estudio se centra en la recopilación de datos históricos de reclamaciones y el preprocesamiento de estos para su análisis. Los métodos utilizados incluyen regresión lineal, Ridge y Lasso, además de un análisis de componentes principales PCA y una comparación con modelos avanzados de aprendizaje. Tras evaluar diversos modelos, se determinó que la regresión lineal con selección de variables importantes y transformación logarítmica ofreció la mejor precisión en la predicción de costos. Los resultados obtenidos con PyCaret mostraron que modelos como LightGBM y Gradient Boosting proporcionaron métricas de error más bajas y mayor precisión predictiva, sugiriendo que el uso de técnicas de aprendizaje automático más avanzadas puede mejorar significativamente las predicciones. Se recomienda que la compañía continúe experimentando con estos modelos, capturando más datos relevantes para optimizar su capacidad predictiva y mejorar la gestión de recursos. | es_ES |
dc.format.extent | 56 p. | es_ES |
dc.language.iso | spa | es_ES |
dc.publisher | Quito: Universidad de las Américas, 2024 | es_ES |
dc.rights | openAccess | es_ES |
dc.rights | Atribución-NoComercial-SinDerivadas 3.0 Ecuador | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/3.0/ec/ | * |
dc.subject | ESTIMACIÓN DEL COSTO MONETARIO | es_ES |
dc.subject | MEDICINA PREPAGADA | es_ES |
dc.subject | MODELO PREDICTIVO | es_ES |
dc.subject | MACHINE LEARNING | es_ES |
dc.title | Estimación del costo monetario de una hospitalización en una empresa de medicina prepagada mediante algoritmos de machine learning | es_ES |
dc.type | masterThesis | es_ES |
Aparece en las colecciones: | Maestría en Inteligencia de Negocios y Ciencia de Datos |
Ficheros en este ítem:
Fichero | Descripción | Tamaño | Formato | |
---|---|---|---|---|
UDLA-EC-TMINCD-2024-14.pdf | 3,79 MB | Adobe PDF | Visualizar/Abrir |
Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons