Atribución-NoComercial 2.5 Colombia (CC BY-NC 2.5 CO)Romo Bucheli, David EdmundoTaboada Rivera, Frans Guillermo2024-02-152024-02-152024-02-142024-02-14https://noesis.uis.edu.co/handle/20.500.14071/15686Este trabajo de investigación se enfoca en el desarrollo de un modelo de predicción de emergencias médicas en el área metropolitana de Bucaramanga, Colombia, haciendo uso de métodos de aprendizaje máquina y análisis de variables espaciales y temporales. La metodología implementada se basa en el concepto de ventana deslizante para el análisis y modelado de series temporales, y se realizaron experimentos exhaustivos para ajustar la configuración final del modelo. Los resultados obtenidos respaldan la viabilidad de establecer relaciones entre variables temporales y geográficas, especialmente en el contexto crítico de la atención a emergencias médicas. Los datos utilizados provienen principalmente del Centro Regulador de Urgencias y Emergencias del departamento de Santander y la Dirección de Tránsito de Bucaramanga. Se aplicaron procesos como la geocodificación y el relacionamiento espacial para generar vectores de características que incorporaran dependencia espacial y temporal. Además de los datos principales, se recopiló información demográfica, climatológica y de contexto social para evaluar su contribución al modelo. La investigación abarcó más de 40 experimentos, involucrando diversas configuraciones de ventanas deslizantes, pruebas con distintos métodos de normalización y un análisis detallado de las variables resultantes de la ingeniería de características. Este estudio no solo demuestra la capacidad del modelo para prever emergencias médicas, sino que también subraya la importancia de considerar factores temporales y espaciales en la toma de decisiones en el ámbito de la respuesta inmediata. La combinación de técnicas de aprendizaje máquina, análisis geoespacial y la inclusión de variables complementarias fortalece la aplicabilidad y relevancia de este enfoque en el contexto de la atención a emergencias en entornos urbanos.application/pdfspainfo:eu-repo/semantics/openAccessServicios prehospitalariosMachine learningSaludVariables espaciales y temporalesUniversidad Industrial de SantanderTesis/Trabajo de grado - Monografía - PregradoUniversidad Industrial de Santanderhttps://noesis.uis.edu.coPre-Hospital ServicesMachine LearningHealthSpatial and Temporal Variableshttp://purl.org/coar/access_right/c_abf2info:eu-repo/semantics/openAccessAtribución-NoComercial-SinDerivadas 4.0 Internacional (CC BY-NC-ND 4.0)