BEGIN:VCALENDAR
VERSION:2.0
PRODID:-//Departamento de Computación - ECPv6.15.18//NONSGML v1.0//EN
CALSCALE:GREGORIAN
METHOD:PUBLISH
X-ORIGINAL-URL:https://www.dc.uba.ar
X-WR-CALDESC:Eventos para Departamento de Computación
REFRESH-INTERVAL;VALUE=DURATION:PT1H
X-Robots-Tag:noindex
X-PUBLISHED-TTL:PT1H
BEGIN:VTIMEZONE
TZID:America/Sao_Paulo
BEGIN:STANDARD
TZOFFSETFROM:-0300
TZOFFSETTO:-0300
TZNAME:-03
DTSTART:20210101T000000
END:STANDARD
END:VTIMEZONE
BEGIN:VEVENT
DTSTART;TZID=America/Sao_Paulo:20221115T120000
DTEND;TZID=America/Sao_Paulo:20221115T130000
DTSTAMP:20260416T142915
CREATED:20221114T131111Z
LAST-MODIFIED:20221114T131111Z
UID:7941-1668513600-1668517200@www.dc.uba.ar
SUMMARY:Defensa Tesis Licenciatura Matías Gastrón
DESCRIPTION:Título: Análisis de ausentismo de pacientes a turnos médicos con algoritmos de agrupamiento\nDirectores: Marcelo Risk – María Susana Alonso\nJurados: María Elena Buemi y Julio Jacobo \nResumen: El ausentismo a turnos médicos programados es un problema actual de gran envergadura que implica una importante pérdida económica y un deterioro en la relación médico paciente. A través de una base de datos de una recopilación de información en el Hospital Italiano de Buenos Aires\, en donde la información estaba como tuplas de eventos\, logramos modificarla para que haya una tupla para cada paciente. Luego\, con la nueva base realizamos una experimentación en base a distintos algoritmos de Aprendizaje Automático para poder clasificar con la mayor eficacia posible la probabilidad de que un paciente falte o no a su próximo turno para con esto poder brindar una herramienta de apoyo a los centros médicos. También\, categorizamos a los pacientes y analizamos dichos clusters buscando similitudes y diferencias para tener referencia sobre los distintos tipos de pacientes.
URL:https://www.dc.uba.ar/event/defensa-tesis-licenciatura-matias-gastron/
LOCATION:Aula 1115
CATEGORIES:Agenda
END:VEVENT
END:VCALENDAR