La IA y los problemas difíciles del mundo · Medicina y descubrimiento de fármacos · arXiv · 2026-10-23
¿Mitigan los protocolos proactivos de capacidad total guiados por aprendizaje automático el hacinamiento en urgencias? Una evaluación basada en simulación
Título original: Do Machine Learning-Guided Proactive Full Capacity Protocols Mitigate Emergency Department Overcrowding? A Simulation-Based Evaluation
El estudio examina si el aprendizaje automático puede activar los Protocolos de Capacidad Total en los servicios de urgencias antes de que se genere la saturación, en lugar de después de superar los umbrales. En una simulación calibrada con un gran hospital de EE. UU., un modelo que predice la saturación de la sala de espera con seis horas de antelación impulsó la activación proactiva, comparada con la activación reactiva durante 365 días y 10 réplicas. La activación proactiva redujo significativamente el tiempo por encima del umbral de saturación y la duración del protocolo, y redujo la variabilidad de la saturación y la congestión extrema, mientras que las diferencias en la duración de la estancia y el tiempo de espera no fueron estadísticamente significativas.