Técnicas de agrupamiento y análisis geoespacial – estudio comparativo en la línea de emergencia en la ciudad de Bogotá

Vista sencilla de ítem
dc.contributor.advisorFigueroa García, Juan Carlos
dc.contributor.authorSánchez Moreno, Jhohan Andrés
dc.contributor.orcidFigueroa García, Juan Carlos [0000-0001-5544-5937]
dc.date.accessioned2025-03-03T16:46:37Z
dc.date.available2025-03-03T16:46:37Z
dc.date.created2024-12-12
dc.descriptionEl centro regulador de Urgencias y Emergencias de Bogotá es la dependencia encargada de brindar la atención de los incidentes en salud que se presentan en la ciudad, los cuales son atendidos por medio de una asesoría telefónica o la atención con un vehículo de emergencia (ambulancia), el comportamiento del sistema se ve influenciado por una gran cantidad de variables que requieren ser analizadas para su comprensión, generación de conocimiento e identificación de aspectos de mejora. El presente trabajo aborda el estudio comparativo entre dos momentos temporales de estudio, el primero enmarcado en los dos años anteriores al inicio de la pandemia de la COVID-19 (2018 y 2019) y el segundo durante la pandemia (año 2020 y 2021), para ello se caracteriza el sistema y por medio de técnicas de técnicas de agrupamiento y análisis geoespacial se realiza el comparativo entre los dos momentos de estudio, lo que permite identificar los cambios en el comportamiento de los incidentes y la atención que se brindó. Con el proyecto se espera profundizar en el conocimiento que se tiene respecto a los Sistemas de Emergencias Médicas -SEM, cuál es su incidencia en momentos de alta demanda y de esta manera poder generar información útil para la elaboración de otros proyectos enfocados en la mejora o para la toma de decisiones de carácter estratégico.
dc.description.abstractThe regulatory center of urgencies and emergencies of Bogota is the agency responsible for providing care for health incidents that occur in the city, which are attended by telephone counseling or care with an emergency vehicle (ambulance), the behavior of the system is influenced by a large number of variables that need to be analyzed for understanding, knowledge generation and identification of areas for improvement. The present work addresses the comparative study between two temporal moments of study, the first framed in the two years prior to the beginning of the COVID-19 pandemic (2018 and 2019) and the second during the pandemic (year 2020 and 2021), for this purpose the system is characterized and by means of clustering techniques and geospatial analysis techniques the comparative between the two moments of study is performed, which allows identifying the changes in the behavior of the incidents and the care that was provided. The project is expected to deepen the knowledge of the Emergency Medical Systems -EMS, its incidence at times of high demand and thus be able to generate useful information for the development of other projects focused on improvement or for strategic decision making.
dc.format.mimetypepdf
dc.identifier.urihttp://hdl.handle.net/11349/93125
dc.language.isospa
dc.publisherUniversidad Distrital Francisco José de Caldas
dc.relation.referencesAl Amiry, A., & Maguire, B. J. (2021). Emergency medical services (Ems) calls during covid-19: Early lessons learned for systems planning (a narrative review). En Open Access Emergency Medicine (Vol. 13). https://doi.org/10.2147/OAEM.S324568
dc.relation.referencesAlvarez, R. (1994). Estadística multivariante y no paramétrica con SPSS: aplicación a las ciencias de la salud (1a ed., Vol. 1). Ediciones Diaz de Santos.
dc.relation.referencesAl-Wathinani, A., Hertelendy, A. J., Alhurishi, S., Mobrad, A., Alhazmi, R., Altuwaijri, M., Alanazi, M., Alotaibi, R., & Goniewicz, K. (2020). Increased Emergency Calls during the COVID-19 Pandemic in Saudi Arabia: A National Retrospective Study. Healthcare 2021, Vol. 9, Page 14, 9(1), 14. https://doi.org/10.3390/HEALTHCARE9010014
dc.relation.referencesArcGIS. (s/f). Análisis espacial en ArcGIS Pro—ArcGIS Pro . Recuperado el 13 de noviembre de 2022, de https://pro.arcgis.com/es/pro-app/latest/help/analysis/introduction/spatial-analysis-in-arcgis-pro.htm
dc.relation.referencesArroyo, Á., Herrero, Á., Tricio, V., & Corchado, E. (2017). Analysis of meteorological conditions in Spain by means of clustering techniques. Journal of Applied Logic, 24, 76–89. https://doi.org/10.1016/J.JAL.2016.11.026
dc.relation.referencesBélanger, V., Ruiz, A., & Soriano, P. (2019). Recent optimization models and trends in location, relocation, and dispatching of emergency medical vehicles. En European Journal of Operational Research (Vol. 272, Número 1). https://doi.org/10.1016/j.ejor.2018.02.055
dc.relation.referencesBobadilla, J. (2020). Machine Learning y Deep Learning usando Python, Scikit y Keras. (1a ed.). Edicion Ra-Ma
dc.relation.referencesBrown, J. B., Rosengart, M. R., Peitzman, A. B., Billiar, T. R., & Sperry, J. L. (2019). Defining geographic emergency medical services coverage in trauma systems. Journal of Trauma and Acute Care Surgery, 87(1). https://doi.org/10.1097/TA.0000000000002296
dc.relation.referencesBunzai, G. (2009). ANÁLISIS ESPACIAL CON SISTEMAS DE INFORMACIÓN GEOGRÁFICA: SUS CINCO CONCEPTOS FUNDAMENTALES . En Geografía y Sistemas de Información Geográfica. Aspectos conceptuales y aplicaciones (1a ed., Vol. 1). GESIG.
dc.relation.referencesCaliñski, T., & Harabasz, J. (1974). A Dendrite Method Foe Cluster Analysis. Communications in Statistics, 3(1), 1–27. https://doi.org/10.1080/03610927408827101
dc.relation.referencesCastañeda, C. (2016). Esquema de optimización / Simulación para la evaluación multiobjetivo de sistemas de Emergencia [Tesis de Maestria]. Universidad de Antioquia.
dc.relation.referencesCestero, E., & Mateos, A. (2018). Data science y redes complejas: Métodos y aplicaciones (Vol. 2). Editorial Centro de Estudios Ramon Areces SA.
dc.relation.referencesCodigo Nacional de Tránsito. (2002). LEY 769 DE 2002. En LEY 769 DE 2002: Vol. TITULO 1.
dc.relation.referencesDiaz, L., & Morales, M. (2012). Análisis Estadístico de datos Multivariantes (1a ed., Vol. 1). Universidad Nacional de Colombia.
dc.relation.referencesErkut, E., Ingolfsson, A., & Erdogan, G. (2008). Ambulance location for maximum survival. Naval Research Logistics, 55(1). https://doi.org/10.1002/nav.20267
dc.relation.referencesEster, M., Kriegel, H.-P., Sander, J., & Xu, X. (1996). A Density-Based Algorithm for Discovering Clusters in Large Spatial Databases with Noise. Proceedings of the 2nd International Conference on Knowledge Discovery and Data Mining.
dc.relation.referencesGuaracao, P. (2008). SIMULACIÓN DEL PROCESO DE RECEPCIÓN DE LLAMADAS DE URGENCIAS MÉDICAS DEL CENTRO REGULATORIO DE URGENCIAS Y EMERGENCIAS DE BOGOTÁ [Universidad de los Andes]. https://repositorio.uniandes.edu.co/bitstream/handle/1992/24341/u355081.pdf?sequence=1
dc.relation.referencesHashtarkhani, S., Kiani, B., Mohammadi, A., MohammadEbrahimi, S., Dehghan-Tezerjani, M., Samimi, T., Tara, M., & Matthews, S. A. (2021). Spatio-temporal epidemiology of emergency medical requests in a large urban area. A scan-statistic approach. Geospatial Health, 16(2). https://doi.org/10.4081/gh.2021.1043
dc.relation.referencesHumaira, H., & Rasyidah, R. (2020). Determining The Appropiate Cluster Number Using Elbow Method for K-Means Algorithm. https://doi.org/10.4108/EAI.24-1-2018.2292388
dc.relation.referencesIBM. (2021). Agrupación en clúster de modelos - Documentación de IBM. https://www.ibm.com/docs/es/spss-modeler/saas?topic=nodes-clustering-models
dc.relation.referencesKattih, N., & Mansour, F. (2024). The impact of the COVID pandemic on health, healthcare utilization, and healthcare spending. Research in Economics, 78(2), 100951. https://doi.org/10.1016/J.RIE.2024.100951
dc.relation.referencesLerner, E. B., Newgard, C. D., & Mann, N. C. (2020). Effect of the Coronavirus Disease 2019 (COVID-19) Pandemic on the U.S. Emergency Medical Services System: A Preliminary Report. Academic Emergency Medicine, 27(8), 693–699. https://doi.org/10.1111/ACEM.14051
dc.relation.referencesLightner, C., & Graham, J. (2006). A HEURISTIC APPROACH FOR LOCATING EMS FACILITIES AND VEHICLES. 334–339.
dc.relation.referencesMartín, M. (2014). APLICACIÓN DE K-MEANS Y SOM (SELF-ORGANIZING MAPS) AL ANÁLISIS MICRO DE ACCIDENTES DE TRÁFICO.
dc.relation.referencesMartínez-Riera, J. R., & Gras-Nieto, E. (2021). Atención domiciliaria y COVID-19. Antes, durante y después del estado de alarma. Enfermería Clínica, 31, S24–S28. https://doi.org/10.1016/J.ENFCLI.2020.05.003
dc.relation.referencesMathWorks. (2023). Cluster Data with a Self-Organizing Map. https://la.mathworks.com/help/deeplearning/gs/cluster-data-with-a-self-organizing-map.html
dc.relation.referencesMcCormack, R., & Coates, G. (2015). A simulation model to enable the optimization of ambulance fleet allocation and base station location for increased patient survival. European Journal of Operational Research, 247(1), 294–309. https://doi.org/10.1016/J.EJOR.2015.05.040
dc.relation.referencesMinisterio de Justicia. (2012). Ley 1523 de 2012. Departamento Administrativo de la Función Pública, 2(10), 1–19. https://www.funcionpublica.gov.co/eva/gestornormativo/norma_pdf.php?i=47141
dc.relation.referencesMinisterio de Salud y Protección Social. (2016). Decreto 780 de 2016. Ministerio de Salud y Protección Social.
dc.relation.referencesMinisterio de Salud y Protección Social. (2020, agosto 25). Las fases del aislamiento en Colombia. https://www.minsalud.gov.co/Paginas/Las-fases-del-aislamiento-en-Colombia.aspx
dc.relation.referencesMohammadi, F., Tehranineshat, B., Bijani, M., & Khaleghi, A. A. (2021). Management of COVID-19-related challenges faced by EMS personnel: a qualitative study. BMC Emergency Medicine, 21(1), 1–9. https://doi.org/10.1186/S12873-021-00489-1/TABLES/3
dc.relation.referencesOrganización Mundial de la Salud. (2021). Coronavirus. https://www.who.int/es/health-topics/coronavirus#tab=tab_1
dc.relation.referencesOrtega, J. (2022). Big Data, machine learning y data science en Python (1a ed., Vol. 1). RA-MA Editorial.
dc.relation.referencesPalmer, A., Montaño, J., & Jiménez, R. (2002). Tutorial sobre Redes Neuronales Artificiales: Los Mapas Autoorganizados de Kohonen. REVISTA ELECTRÓNICA DE PSICOLOGÍA, 6, 6–8.
dc.relation.referencesPeña, D. (2002). Análisis de datos multivariantes. En Book. https://doi.org/8448136101
dc.relation.referencesResolución 926 de 2017, Oficina de gestión territorial, emergencias y desastres (2017).
dc.relation.referencesRodriguez, A. (2016). MODELO DE SIMULACIÓN PARA ANALIZAR EL PROBLEMA DE RELOCALIZACIÓN DE LAS AMBULANCIAS DE UN SERVICIO DE EMERGENCIA MÉDICO (SEM). [Universidad de Antioquia]. https://repositorio.escuelaing.edu.co/bitstream/handle/001/2050/Rodr%c3%adguez%20Quintero%2c%20Alma%20Karina.pdf?sequence=1&isAllowed=y
dc.relation.referencesRuspini, E. H., Bezdek, J. C., & Keller, J. M. (2019). Fuzzy clustering: A historical perspective. IEEE Computational Intelligence Magazine, 14(1). https://doi.org/10.1109/MCI.2018.2881643
dc.relation.referencesSatty, T., Ramgopal, S., Elmer, J., Mosesso, V. N., & Martin-Gill, C. (2021a). EMS responses and non-transports during the COVID-19 pandemic. American Journal of Emergency Medicine, 42. https://doi.org/10.1016/j.ajem.2020.12.078
dc.relation.referencesSatty, T., Ramgopal, S., Elmer, J., Mosesso, V. N., & Martin-Gill, C. (2021b). EMS responses and non-transports during the COVID-19 pandemic. The American Journal of Emergency Medicine, 42, 1–8. https://doi.org/10.1016/J.AJEM.2020.12.078
dc.relation.referencesSecretaria Distrital de Salud. (s/f). Centro Regulador de Urgencias y Emergencias Información Centro Regulador de Urgencias y Emergencias. Recuperado el 15 de enero de 2024, de http://www.saludcapital.gov.co/DCRUE/Paginas/Informacion_Crue.aspx
dc.relation.referencesSecretaria Distrital de Salud. (2019). Procedimiento Regulación Médica.
dc.relation.referencesSecretaria Distrital de Salud. (2020). Rendición de Cuentas Sector Salud Bogotá D.C 2020. http://www.saludcapital.gov.co/Rendicin%20de%20Cuentas/Rendicion_cuentas_2020/Informe_RdC_SDS_2020.pdf
dc.relation.referencesSecretaria Distrital de Salud. (2021). Rendición de Cuentas Sector Salud Bogotá D.C. 2021. http://www.saludcapital.gov.co/Rendicin%20de%20Cuentas/Rendicion_Cuentas_2021/Informes_gestion/Informe_RdC_SDS.pdf
dc.relation.referencesShaltynov, A., Abiltaev, A., Konabekov, B., Jamedinova, U., Aldyngurov, D., Utegenova, A., & Myssayev, A. (2020). Geospatial Analysis of Ambulance Station Coverage of the Acute Coronary Syndrome Incidents in Semey, Kazakhstan. Open Access Macedonian Journal of Medical Sciences, 8(E), 638–646. https://doi.org/10.3889/oamjms.2020.5160
dc.relation.referencesShaw, N. T. (2012). Geographical Information Systems and Health: Current State and Future Directions. En Healthcare Informatics Research (Vol. 18, Número 2). https://doi.org/10.4258/hir.2012.18.2.88
dc.relation.referencesStarczewski, A., Goetzen, P., & Er, M. J. (2020). A New Method for Automatic Determining of the DBSCAN Parameters. Journal of Artificial Intelligence and Soft Computing Research, 10(3), 209–221. https://doi.org/10.2478/JAISCR-2020-0014
dc.relation.referencesZhukovskaya, I., Begicheva, S., & Zhukovskii, A. (2022). Computer simulation of spatial placement of emergency medical stations in urban agglomeration. Transportation Research Procedia, 63, 2275–2281. https://doi.org/10.1016/J.TRPRO.2022.06.258
dc.rights.accesoAbierto (Texto Completo)
dc.rights.accessrightsOpenAccess
dc.subjectAnálisis de datos geoespaciales
dc.subjectAgrupamiento
dc.subjectSistema de emergencias médicas
dc.subjectCovid-19
dc.subject.keywordGeospatial data analysis
dc.subject.keywordClustering
dc.subject.keywordEmergency medical service
dc.subject.keywordCovid-19
dc.subject.lembMaestría en Ingeniería Industrial -- Tesis y Disertaciones Académicas
dc.subject.lembIngeniería industrial -- Investigaciones
dc.subject.lembTecnología -- Ingeniería industrial -- Investigaciones
dc.subject.lembInnovación tecnológica -- Investigaciones
dc.titleTécnicas de agrupamiento y análisis geoespacial – estudio comparativo en la línea de emergencia en la ciudad de Bogotá
dc.title.alternativeTécnicas de agrupamento e análise geoespacial – Estudo comparativo na linha de emergência de Bogotá
dc.title.titleenglishClustering techniques and geospatial analysis - Comparative study on the Bogotá emergency line
dc.typemasterThesis
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.degreeInvestigación-Innovación
dc.type.driverinfo:eu-repo/semantics/bachelorThesis

Archivos

Bloque original

Mostrando 1 - 2 de 2
Miniatura
Nombre:
SanchezMorenoJhohanAndres2025.pdf
Tamaño:
3.2 MB
Formato:
Adobe Portable Document Format
Descargar
No hay miniatura disponible
Nombre:
Licencia de uso y publicacion.pdf
Tamaño:
217.8 KB
Formato:
Adobe Portable Document Format
Descargar

Bloque de licencias

Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
7 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Ingeniería Industrial
Universidad Distrital Francisco José de Caldas - Biblioteca UDFJC

Institución de Educación Superior sujeta a inspección y vigilancia por el Ministerio de Educación Nacional | Acuerdo de creación N° 10 de 1948 del Concejo de Bogotá | Acreditación Institucional de Alta Calidad - Resolución N° 23096 del 15 de diciembre del 2016.

Contáctenos
  • Calle 13 No. 31 - 75 Bogotá D.C. - República de Colombia
  • (+57 601) 3239300
  • Lunes a viernes de 8 a.m. a 5 p.m.
  • repositorio@udistrital.edu.co
Síguenos en redes sociales

Software DSpace copyright © 2002-2025 LYRASIS