Uso De Cadenas De Markov Para La Predicción De La Dinámica Del Comportamiento De Pacientes en Una Unidad De Cuidado Intensivo Cardiológica

Abstract

RESUMENEn este trabajo presentamos un modelo probabilístico que contribuye al estudio de la dinámica en el comportamiento y permanencia de pacientes en una unidad de cuidados intensivos cardiológica. El modelo utilizado corresponde a una Cadena de Markov en tiempo discreto, que mediante la definición de determinados niveles de gravedad de un paciente (estados) y la obtención de las correspondientes probabilidades de transición entre un nivel de gravedad y otro, permite predecir los tiempos de permanencia. Los diferentes estados empleados se basan en la construcción de un nuevo score creado para este propósito. Se muestran los detalles de la metodología adoptada y los principales resultados alcanzados en la aplicación del modelo empleado.Palabras clave: Cadenas de Markov, modelo probabilístico, unidad de cuidado intensivo, permanencia de pacientes, score. ABSTRACT In this paper we present a probabilistic model that contributes to the study of dynamics in the behavior

Probability of Continuous use of the Delivery Service in a Lima Community: an Application of the Markov Chains

“…According to Albornoz (2006), the Markov chain is a stochastic method based on probabilities of states verified from probability sequences. In this sense, p is the relative probability of the people in the community who use the delivery service (period n).…”

Sobre Cadenas De Markov Y Su Potencial en Las Aplicaciones

“…Entre las diversas publicaciones sobre trabajos que se apoyan en la teoría de CM's aplicadas a otras áreas, podemos mencionar por ejemplo: el trabajo doctoral con el que, en 2013, M. Jiménez-López [9] modeló el comportamiento del cáncer de mama mediante una CM a tiempo discreto considerando 3 estados: sin recaída (1), recaída (2), y muerte (3); siendo 1 el estado inicial para todo paciente justo después de la cirugía, mientras que 3 se caracteriza por ser absorbente; asimismo, enfatizamos aquí la interesante y novedosa estrategia que recién (en el año en curso) E. Delgado-Moya y A. Marrero-Severo [10] acaban de proponer sobre control en lo que corresponde a la dinámica de transmisión del dengue, basada precisamente en una CM que incluyó 5 estados: susceptible (S), infectado (I), inmune (R), muerte por dengue (E) y muerte por causas naturales (M). Por otra parte, resulta notable la aplicación que para efecto de predicción, en cuanto a la dinámica del comportamiento de pacientes ingresados a una unidad cardiológica de cuidado intensivo, publicaron en 2006 V. Albornoz V, M. Hinrichsen, P. Miranda y P. Peña [11], considerando para ello una CM con un total de 5 estados: riesgo bajo (A), riesgo medio (B), riesgo alto (C), riesgo grave (D) y el paciente abandonó la unidad (E); asimismo, es imposible dejar de citar a M. Paegelow, T. Camacho y J. Menor [12], quienes dedicados al mundo del paisajismo, en 2003 publicaron resultados obtenidos al analizar de forma paralela las series cronológicas de usos de suelo respectivas para dos regiones europeas, Valle de los Garrotxes y Alta Alpujarra, donde como parte de su herramienta de trabajo implementaron la teoría de CM's asumiendo 8 y 10 estados, respectivamente, y teniendo como objetivo, tanto el reconstruir la evolución correspondiente, como de precisar las tendencias de cambio o de estabilidad paisajística a futuro; siendo esto solo una pequeña muestra, ya que también los hay en Genética, Ciencias Computacionales, Movilidad Humana, etc..…”

Duración de la estancia hospitalaria. Metodologías para su intervención

“…Estos modelos deben su nombre al matemático ruso Andrei Andreevitch Markov (1856-1922) (84). En el campo de investigación de operaciones, estos modelos se usan para describir y predecir el comportamiento de ciertos sistemas bajo condiciones de incertidumbre a través del tiempo (63).…”

“…Se han utilizado, por ejemplo, para analizar patrones de compra de deudores, para planear necesidades de personal, para modelar dinámica de poblaciones, sistemas de espera, control de inventarios, mantenimiento y reemplazo de equipos, y en apoyo a la toma de decisiones en administración, ingeniería y medicina, entre otros(63,84).En el sector de la salud, los modelos de Markov se han utilizado desde comienzos del siglo xx para diferentes tipos de investigación, como análisis farmacoeconómicos, estudios predictivos de mortalidad, toma de decisiones en admisión de pacientes y evolución de enfermedades, entre otros(63).En Brasil, Nadal (64) modeló un proceso de decisión de Markov para las admisiones electivas (no urgentes) de pacientes en un periodo. El propósito de controlar las admisiones de pacientes es promover una utilización más eficiente de los recursos hospitalarios, evitando la ociosidad o el uso excesivo de estos recursos.…”

“…Como resultado se da a los directivos de la institución una herramienta para la toma de decisiones que contribuye a conocer los costos hospitalarios por estancia y a optimizar los recursos disponibles.En un hospital de Chile se elaboró un modelo de cadenas de Markov para el estudio de la dinámica de la permanencia de pacientes en una unidad de cuidados intensivos de cardiología, mediante la definición de determinados niveles de gravedad de un paciente (estados) y la obtención de las correspondientes probabilidades de transición entre un nivel de gravedad y otro. La predicción de la duración en la permanencia de los pacientes en una unidad de cuidado intensivo permite planificar adecuadamente la atención de pacientes(63).En 1998, en un hospital de tercer nivel de complejidad de Medellín, se aplicaron cadenas de Markov para describir la estancia…”