HUMANIZACIÓN DEL CUIDADO Y CIENCIA DE DATOS: MODELO DE ASIGNACIÓN DE ENFERMERAS EN HOSPITALIZACIÓN

Abstract

Este Trabajo de Fin de Grado se centra en el diseño e implementación de un sistema inteligente para la asignación automatizada de camas hospitalarias. El objetivo principal del proyecto es mejorar la eficiencia operativa y la calidad asistencial en los procesos de ingreso hospitalario, integrando criterios clínicos, logísticos y humanos. A través de este enfoque, se pretende no solo optimizar la utilización de recursos, sino también incorporar dimensiones esenciales como la continuidad asistencial, la adecuación clínica o la convivencia entre pacientes. Para alcanzar dicho objetivo, se ha desarrollado un modelo computacional basado en algoritmos de búsqueda informada, concretamente una adaptación del algoritmo Uniform Cost Search (UCS), que permite explorar de forma óptima todas las posibles asignaciones de pacientes a camas, minimizando penalizaciones asociadas al incumplimiento de criterios. El sistema se apoya en una estructura de árbol de decisiones, una función de coste ponderada y una lógica de poda. Con todo ello, se evita invertir tiempo de cálculo en buscar soluciones subóptimas, mejorando la eficiencia del algoritmo. Todo ello ha sido implementado mediante programación en Python, utilizando estructuras de datos como diccionarios y tablas para representar tanto la infraestructura hospitalaria como los perfiles clínicos de los pacientes. El proyecto se ha desarrollado en el marco del Grado en Ingeniería Biomédica en la Universidad Rey Juan Carlos, con referencias y adaptaciones inspiradas en la estructura organizativa real de un hospital público. Se ha simulado un entorno clínico donde se evalúan escenarios de presión asistencial variable, reingresos, aislamiento y compatibilidad clínica, comparando el sistema automático con asignaciones manuales y aleatorias. Los resultados obtenidos muestran mejoras significativas en la calidad de las decisiones y en el cumplimiento de criterios clínicos fundamentales. Este trabajo se enmarca dentro de una línea general de aplicación de modelos de optimización y algoritmos al ámbito sanitario, con especial énfasis en la humanización de los procesos. Su valor añadido reside en demostrar que la tecnología no solo puede automatizar tareas, sino también apoyar decisiones complejas de manera comprensible, trazable y centrada en el paciente.