polito.it
Politecnico di Torino (logo)

L’impatto della digitalizzazione in sanità: modelli predittivi di classificazione della mancata erogazione di un appuntamento = Impact of digitization in the health sector: predictive classification models of missed appointments

Matteo Ambrois

L’impatto della digitalizzazione in sanità: modelli predittivi di classificazione della mancata erogazione di un appuntamento = Impact of digitization in the health sector: predictive classification models of missed appointments.

Rel. Carlo Cambini. Politecnico di Torino, Corso di laurea magistrale in Ingegneria Gestionale, 2021

[img]
Preview
PDF (Tesi_di_laurea) - Tesi
Licenza: Creative Commons Attribution Non-commercial No Derivatives.

Download (2MB) | Preview
Abstract:

Una delle principali problematiche che accomuna il mondo dei servizi usufruibili tramite prenotazione è la mancata erogazione. Se gli strumenti di prenotazione permettono a ristoranti, strutture ricettive e strutture sanitarie di organizzarsi al meglio, di contro rischiano di essere un problema economico-organizzativo nel momento in cui alla prenotazione non fa seguito l’erogazione. In particolar modo, in ambito sanitario si possono registrare numerosi effetti sulla qualità dei servizi offerti, su tutti l’allungamento delle liste di attesa. L’elaborato parte da un’esperienza diretta in un’azienda sanitaria per provare a indagare la problematica, cercando di comprenderne le cause, anche grazie all’aiuto di modelli predittivi. In particolar modo, lo studio si sofferma sulla branca della diagnostica per immagini, analizzando come la digitalizzazione aiuti o possa aiutare a individuare, monitorare e/o risolvere il problema. Come nella maggior parte dei lavori che si possono trovare in letteratura, l’elaborato si concentra sui modelli di regressione logistica per calcolare l’attendibilità di ogni singola prenotazione. Il database riguarda quasi 20.000 prenotazioni effettuate tra marzo 2021 e luglio 2021 presso le sedi di diagnostica di Società e salute Spa, meglio conosciuto con il nome Santagostino (prima Centro Medico Santagostino). L’analisi svolta contribuisce ad avvalorare le difficoltà riscontrate in letteratura nella creazione di un modello generalizzato, provando a spiegarne i motivi e le conseguenze. Infine, si sofferma su come gli schemi di overbooking possano sfruttare queste analisi predittive per riuscire ad essere più accurati e come Big Data e AI possano contribuire alla risoluzione di questa problematica e/o a tamponarne gli effetti.

Relators: Carlo Cambini
Academic year: 2021/22
Publication type: Electronic
Number of Pages: 134
Subjects:
Corso di laurea: Corso di laurea magistrale in Ingegneria Gestionale
Classe di laurea: New organization > Master science > LM-31 - MANAGEMENT ENGINEERING
Aziende collaboratrici: SOCIETA' E SALUTE S.P.A.
URI: http://webthesis.biblio.polito.it/id/eprint/20230
Modify record (reserved for operators) Modify record (reserved for operators)