44  
Rene Aquino Arcata  
Universidad Jorge Basadre Grohman  
reneaquino@gmail.com  
Ronald Cuevas Machaca  
Hospital Regional de Moquegua  
rzcuevasm@gmail.com  
https://orcid.org/0000-0002-5041-7344  
https://orcid.org/0000-0002-3887-6396  
Luis Godoy Montoya  
Universidad Jorge Basadre Grohman  
luis.godoy.montoya@gmail.com  
Heber Rodríguez Puma  
Universidad Jorge Basadre Grohman  
wisapuma@gmail.com  
https://orcid.org/0000-0001-8860-8843  
https://orcid.org/0000-0003-1779-5738  
ARK: ark:/42411/s6/a45  
PURL: 42411/s6/a45  
RECIBIDO 25/05/2021 ● ACEPTADO 02/07/2021 ● PUBLICADO 30/09/2021  
RESUMEN  
En este trabajo se realizó el análisis de la información producto de la atención de pacientes en el  
servicio de consulta externa. Se han revisado trabajos que guardan relación con las metodologías  
posibles de utilizar, antes de la elección de una en particular. Posteriormente, se ha justificado y  
aplicado la metodología de regresión logística para evaluar, clasificar y pronosticar los resultados  
esperados conforme al objetivo trazado. En el Hospital Regional de Moquegua, desde el inicio de  
la emergencia sanitaria por el Covid-19, se suspendió la atención en el servicio de consulta  
externa, vale decir desde Marzo del 2020 a Junio 2021 no se tiene información de cuánto hubiese  
sido la demanda por especialidad en dicho servicio. El objetivo del trabajo es predecir, en base a  
variables de edad y sexo, la cantidad de pacientes de sexo femenino que solicitarán una cita para  
las especialidades de consulta externa, en un período de tiempo. Para la resolución del objetivo  
planteado, se aplicó el modelo de regresión logística de scikit-learn que, en un inicio ha permitido  
clasificar y determinar el grupo de importancia en base al cual está orientado nuestro objetivo,  
tomando como variables independientes y relevantes: el sexo y la edad. Los resultados iniciales  
obtenidos del procedimiento del modelo no mostraron correspondencia real a la predicción  
esperada. Las conclusiones determinan que el modelo propuesto requiere la inclusión de otras  
variables de entrada.  
Palabras claves: atenciones médicas, covid-19, predicción, regresión logística.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
45  
ABSTRACT  
In this work, the analysis of the information produced by the care of patients in the outpatient  
service was carried out. Studies have been reviewed that are related to the possible  
methodologies to be used, before choosing one in particular. At the Regional Hospital of  
Moquegua, since the beginning of the health emergency due to Covid-19, care in the outpatient  
service was suspended, that is, from March 2020 to June 2021 there is no information on how  
much the demand would have been by specialty in said service. The objective of the work is to  
predict, based on age and sex variables, the number of female patients who will request an  
appointment for outpatient specialties, in a period of time. To solve the problem, the logistic  
regression technique was used, which initially allowed us to classify and determine the importance  
group on the basis of which our objective is oriented, taking sex and age as relevant variables.  
The results obtained from the initial procedure of the model did not show real correspondence to  
the expected prediction. The conclusions determine that the proposed model requires the  
inclusion of other input variables.  
Keywords: medical care, covid-19, prediction, logistic regression.  
INTRODUCCIÓN  
En los hospitales del país, el servicio de consulta externa, es el segundo nivel de atención después  
de los puestos y centros de salud. La diferencia en la prestación de servicios está dada por la  
atención especializada, por profesionales de la salud que han profundizado en el estudio  
especializado relativo a un área específica del cuerpo humano, a técnicas quirúrgicas específicas  
o a un método diagnóstico determinado.  
El servicio de consulta externa del Hospital Regional de Moquegua es la unidad orgánica  
encargada de sistematizar la atención integral de la salud y la referencia y contrarreferencia de  
los pacientes nuevos y/o continuadores, a los cuales el Hospital venía atendiendo de forma  
continua hasta la declaratoria de la emergencia sanitaria en el país por la pandemia del Covid-  
1
9. Al servicio de consulta externa concurren pacientes con diferentes características, como tipos  
de seguro, sexo, etnia, de forma continua o por primera vez, tanto nacionales como extranjeros.  
De la información publicada en el Boletín Estadístico del Hospital – 2019 [1], se registra un total  
de 50,659 atenciones que corresponde al servicio de consulta externa, de las cuales 19,958  
fueron de sexo masculino y 30,701 de sexo femenino.  
Desde el 16 de marzo de 2020, fecha que entra en vigencia la cuarentena a consecuencia de la  
emergencia sanitaria por el Covid-19 en el Perú, se suspendió la atención total en el servicio de  
consulta externa del Hospital Regional de Moquegua. Los pacientes asegurados y no asegurados  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
46  
dejaron de recibir atención médica en un espacio de tiempo particular, dado que de enero a marzo  
abarca la estación de verano y el período vacacional para la mayoría de trabajadores y estudiantes  
del país.  
De los pacientes atendidos en consulta externa, un porcentaje asiste por primera vez al hospital  
o regresan después de períodos prolongados de tiempo, que pueden ser meses o años. Otro  
conjunto de pacientes asiste continuamente al hospital ya sea para seguir un tratamiento  
prolongado o por nuevas dolencias derivadas o no de su enfermedad principal. En conjunto, todos  
los pacientes que se atendían por consulta externa han dejado de recibir atención por un lapso  
aproximado de 16 meses, lo que posiblemente habría provocado un mayor deterioro en la salud  
de la población. Otro hecho derivado de esta situación, luego de iniciada la reactivación  
económica, es la probable concurrencia de los pacientes a Instituciones Prestadoras de Servicios  
de Salud (IPRESS) privadas, lo que habría involucrado una afectación mayor a su economía  
personal o familiar, considerando los costos diferenciados con respecto a IPRESS públicas como  
el Hospital Regional de Moquegua. Estos hechos deben estar siendo evaluados por el máximo  
ente rector del sector salud en Perú, el Ministerio de Salud, así como por las demás autoridades  
en los distintos niveles de gobierno y el propio hospital, entonces es importante conocer cuál será  
la probable demanda futura en el servicio de consulta externa para las distintas especialidades  
ofertadas.  
Con el avance y aplicación de la Inteligencia Artificial como herramienta para predecir, agrupar o  
clasificar grandes cantidades de datos, es la tecnología elegida para la resolución del problema  
planteado en el presente trabajo. De sus técnicas desarrolladas, es la regresión logística, por su  
aplicación al aprendizaje automático para clasificación, considerada como una red neuronal en  
miniatura y dado que ampliamente ha demostrado que funciona muy bien cuando hay muchísimos  
datos y las interrelaciones entre ellos no son muy complejas, sirve como sustento para priorizar  
su uso y aplicación.  
De similar importancia son las Redes Neuronales, que más allá de imitar el funcionamiento de las  
redes neuronales de los organismos vivos. Se basan en una idea sencilla: dados unos parámetros  
hay una forma de combinarlos para predecir un cierto resultado. En suma, son un modelo para  
encontrar esa combinación de parámetros y aplicarla al mismo tiempo. En el lenguaje propio,  
encontrar la combinación que mejor se ajuste es "entrenar" la red neuronal. Una red ya entrenada  
se puede usar luego para hacer predicciones o clasificaciones, es decir, para "aplicar" la  
combinación.  
En consecuencia, el objetivo del trabajo es predecir, en base a las variables de edad y sexo de  
los pacientes, cuántas mujeres, niñas o adultas, se atenderán en una especialidad de consulta  
externa, considerando un periodo de tiempo específico. Es necesario justificar nuestro enfoque  
en el grupo de interés señalado, principalmente porque representa el 60.60 % de la totalidad de  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
47  
pacientes atendidos en el último año (2019) del período considerado para nuestro análisis (2015-  
2
1
019), vale decir dos tercios de la población atendida en el año previo a la pandemia del Covid-  
9. Para este propósito, se ha se hecho un análisis de otros trabajos relacionados y su utilidad  
respecto a sus objetivos, éstos abarcan a áreas como la educación, enfocado en el rendimiento  
académico; también, al área de los negocios y el riesgo de quiebra por variables financieras; así  
como, el comportamiento de los afiliados a una organización profesional y el cumplimiento con  
sus obligaciones económicas. En conjunto, todos estos trabajos tienen una variable común, el  
tiempo.  
Trabajos relacionados  
En la investigación propuesta en [2] El objetivo de este estudio es evaluar la capacidad de la  
regresión lineal y de la regresión logística en la predicción del rendimiento y del éxito/fracaso  
académico, partiendo de variables, como la asistencia y la participación en clase, cuya relevancia  
ya ha sido puesta de manifiesto en anteriores trabajos de nuestro equipo (Alvarado y García  
Jiménez, 1997). La muestra la constituyeron 175 universitarios de primero de psicología,  
tomándose los datos en la asignatura de «Métodos y Diseños de Investigación en Psicología I»,  
del área de Metodología. Las conclusiones de este estudio son que (a) el rendimiento previo es  
un buen predictor del rendimiento futuro y (b) la asistencia y sobre todo la participación son  
variables con un peso importante en la predicción del rendimiento. Sin embargo, esta  
investigación tiene el inconveniente que el dataset está constituido por un reducido conjunto de  
datos a comparación del dataset que se utiliza en el presente trabajo.  
En [3] se explora un método para realizar la predicción de la tendencia de cierre del indicador  
S&P 500 con un horizonte de pronóstico de 1 día, adecuando el problema de interés a un problema  
de clasificación binaria; asignando 1 si la predicción del indicador es creciente y 0 si es  
decreciente. Al final, se evalúan algunas pruebas de hipótesis para establecer conclusiones sobre  
la estacionalidad de la serie temporal, analizando los resultados más relevantes obtenidas en las  
implementaciones, de los cuales destacan niveles de exactitud de 52.51% y 64.04% para los  
modelos LSTM y Regresión Logística respectivamente.  
En la investigación [4] se puso como objeto el desarrollo de un modelo de predicción de riesgo  
de quiebra con base en la metodología de regresión logística, para las micro y pequeñas empresas  
del sector comercial del Ecuador, identificando como factores influyentes las razones financieras  
de liquidez, solvencia, actividad, endeudamiento y rentabilidad, así también, las variables de edad  
y tamaño de las empresas. Se identifica cuál de estos factores, son los que mayor impacto  
generan en la estabilidad.  
Se concluye que el modelo propuesto en la investigación permite medir de una forma aceptable  
el nivel de probabilidad de riesgo de quiebra al que se expone una empresa comercial del Ecuador,  
logrando un 69.76% y 100% a tres y un año antes de que el fracaso ocurra.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
48  
En el trabajo [5] se presenta una comparación de indicadores de rendimiento del modelo de  
deserción actual de la Universidad del Bío-Bío (UBB), el cual está basado en la técnica de regresión  
logística y se compara con un nuevo modelo basado en árboles de decisión. El nuevo modelo se  
obtiene a través de metodologías de minería de datos y fue implementado a través de la  
herramienta SAP Predictive Analytics. Para entrenar, validar y aplicar el modelo se dispone de  
información real de las bases de datos de la Universidad de Bio Bio -UBB.  
El modelo propuesto obtiene una exactitud del 86%, una precisión del 97% con un porcentaje de  
error del 14% en la predicción de la deserción estudiantil, muy superior al valor que entrega el  
modelo basado en regresión logística. Posteriormente, el modelo de predicción obtenido es  
optimizado considerando para ello otras variables logrando de este modo mejoras en los  
indicadores de predicción.  
En el trabajo [6] se comparó una técnica de aprendizaje automático y una técnica clásica, con el  
objetivo de determinar qué técnica es más eficiente en la predicción de la morosidad de cuotas  
sociales en el Colegio de Ingenieros del Perú Consejo Departamental de Lambayeque. Las técnicas  
a comparar seleccionadas fueron máquina de soporte vectorial y regresión logística. Para efectuar  
la comparación de las técnicas se dispone de datos históricos de los colegiados cuya información  
se obtuvo de fuentes internas y externas a la organización. Posteriormente los datos recopilados  
por medio del proceso de extracción, transformación y carga (ETL) se limpió y estandarizó  
obteniéndose datos concisos y relevantes. Finalmente se aplicó las técnicas predictivas cuyos  
resultados son favorables para la máquina de soporte vectorial en comparación con la regresión  
logística.  
Concluyendo que la técnica máquina de soporte vectorial es más eficiente para predecir la  
morosidad de cuotas sociales en el Colegio de Ingenieros del Perú Consejo Departamental de  
Lambayeque.  
En la investigación [7] se estableció como objetivo el comparar el Modelo de regresión lineal  
Múltiple frente al Árbol de regresión, para ello se utilizó las variables Precio máximo de las  
acciones de Intel en función al Precio de apertura y Volumen de ventas, de acciones por día. El  
dataset está conformado por todas las acciones de la empresa Intel desde su creación y a través  
del tiempo; se empleó el muestreo no probabilístico por conveniencia, se consideró desde mayo  
del 2018 hasta octubre del 2019 siendo un total de 410 registros recopilados a partir de la revisión  
documentaria. Las pruebas estadísticas usadas fueron el Análisis de regresión lineal múltiple y  
los Árboles de regresión. Los resultados obtenidos fueron; el Modelo de Regresión lineal múltiple  
con la técnica de eliminación de datos atípicos queda definida por la siguiente ecuación  
Y=0.02856+1.003X_1+0.000000009405X_2. Alcanzando una prueba F significativa y la bondad  
de ajuste es bastante alta R^2=0.9979, y un Error Estándar Residual de 0.2257 dólares, El Árbol  
de regresión establece que la variable para explicar el Precio máximo de acciones es el Precio de  
apertura, eliminando la variable volumen, el Error Medio Cuadrático es de 1.4480 dólares.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
49  
Finalmente se concluye que el mejor modelo para predecir el precio máximo de acciones de Intel  
es el modelo de Regresión Lineal Múltiple con eliminación de puntos Outliers.  
MATERIALES Y MÉTODOS O METODOLOGÍA COMPUTACIONAL  
En la actualidad nos vemos inmersos en la denominada era de la información, en la que el  
conocimiento es un gran activo para las compañías, sobre todo cuando se trata de conocer más  
al público objetivo únicamente basándose en información que se genera como resultado del usos  
de servicios que de alguna forma son almacenados en sistemas de información como datos  
históricos, datos que con las herramientas y estrategias adecuadas pueden servir para identificar  
hábitos de consumo, preferencias y costumbres ya sea en la gran red Internet como en el uso de  
servicios como supermercados, tiendas de consumo, grifos, entidades financieras, etc.  
Toda la información que se produce diariamente y en cada instante influye en gran medida para  
orientar campañas de publicidad, campañas de lanzamiento de nuevos productos, habiendo  
predicho de antemano la respuesta del público. Este universo de conocimiento es el insumo del  
cual se nutre la Ciencia de Datos mediante la técnica del Machine Learning, logrando con gran  
aproximación identificar comportamientos, tendencias, patrones a lo largo de periodos de tiempo  
que con mucha probabilidad se volverían a presentar en un futuro próximo. En resumen, es así  
como se genera la predicción sobre el conjunto de datos.  
En el presente trabajo de investigación se empleó como herramienta principal el entorno web  
GOOGLE COLABORATORY, adicionalmente se emplearon librerías para la implementación de  
algoritmos de machine learning (para el presente trabajo, librerías que permitan implementar  
algoritmos de árbol de decisiones: pandas, numphy, keras, matplotlib) en el lenguaje de  
programación Python sobre la plataforma de cuaderno de notas (Notebook) de Jupiter (Jupiter  
Note Book).  
Google Colaboratory. Colaboratory, también llamado "Colab", permite ejecutar y programar en  
Python en nuestro navegador o como se conoce actualmente en la “nube” y tiene las siguientes  
ventajas:  
●
●
●
No requiere configuración  
Da acceso gratuito a GPUs  
Permite compartir contenido fácilmente  
Machine learning. Es una disciplina científica del ámbito de la Inteligencia Artificial que crea  
sistemas que aprenden automáticamente. Aprender en este contexto quiere decir identificar  
patrones complejos en millones de datos.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
50  
Regresión Logística. Es una técnica de aprendizaje automático que proviene del campo de la  
estadística.  
Es uno de los algoritmos más utilizados actualmente en aprendizaje automático. Este algoritmo  
tiene como principal aplicación los problemas de clasificación binaria. Dada su simplicidad, en el  
que se pueden interpretar fácilmente los resultados obtenidos e identificar por qué se obtiene un  
resultado u otro. A pesar de su simplicidad funciona realmente bien en muchas aplicaciones y se  
utiliza como referencia para pruebas de rendimiento respecto a otros algoritmos.  
Python. En la actualidad como lenguaje de programación interpretado goza de gran preferencia  
por los programadores, entusiastas y todo aquel que se ve atraído por temas como inteligencia  
artificial, robótica, procesamiento de imágenes, etc. Este lenguaje da mucha importancia a la  
legibilidad de su código. Lenguaje de programación multiparadigma, soporta parcialmente la  
orientación a objetos, programación imperativa y, en menor grado, la programación funcional. Es  
un lenguaje interpretado, dinámico y multiplataforma, pudiéndose ejecutar en sistemas  
operativos como Mac OS, Windows y Linux.  
Pandas. Es una librería de las muchas que han sido desarrolladas por la gran legión de  
programadores de Python que la mantienen, está orientada al manejo especializado y análisis de  
estructuras de datos. Soporta archivos en formatos CSV, Excel y base de datos SQL.  
Keras. Es una biblioteca de Redes Neuronales de Código Abierto escrita en Python. Es capaz de  
ejecutarse sobre TensorFlow, Microsoft Cognitive Toolkit o Theano, siempre de manera  
transparente hacia el usuario, sin que este tenga que preocuparse de nada.  
Ha sido diseñada para hacer posible la experimentación en muy poco tiempo con redes de  
Aprendizaje Profundo.  
Matplotlib. Es una librería de Python especializada en la creación de gráficos en dos dimensiones.  
Permite crear y personalizar los tipos de gráficos más comunes, entre ellos:  
Diagramas de barras  
●
●
●
Histograma  
Diagramas de sectores  
Diagramas de caja y bigotes  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
51  
●
●
●
●
●
●
Diagramas de violín  
Diagramas de dispersión o puntos  
Diagramas de líneas  
Diagramas de áreas  
Diagramas de contorno  
Mapas de color  
y combinaciones de ellos.  
Seaborn. Es una librería desarrollada para Python, dotando a este lenguaje de la posibilidad de  
generar fácilmente elegantes gráficos. Seaborn está basada en matplotlib y proporciona una  
interfaz de alto nivel con una carva rápida de aprendizaje. Dada su gran popularidad se encuentra  
instalada por defecto en la distribución Anaconda, y también puede ser importada en la  
plataforma Google COLAB.  
Scikit-learn. Es una biblioteca desarrollada para Python orientada al aprendizaje automático de  
software libre. Esta librería incluye varios algoritmos de clasificación, regresión y análisis de  
grupos como ser: máquinas de vectores de soporte, bosques aleatorios, Gradient boosting, K-  
means y DBSCAN. Así también está diseñada para interoperar con las bibliotecas numéricas y  
científicas NumPy y SciPy.  
Numpy. Es una librería de Python especializada en el cálculo numérico y el análisis de datos,  
sobre todo grandes volúmenes de datos.  
Esta librería, incorpora una clase de objetos llamados arrays que permite representar colecciones  
de datos de un mismo tipo en varias dimensiones, y funciones muy eficientes para su  
manipulación.  
SciPy. Es una biblioteca libre y de código abierto para Python. Se compone de herramientas y  
algoritmos matemáticos. SciPy contiene módulos para optimización, álgebra lineal, integración,  
interpolación, funciones especiales, FFT, procesamiento de señales y de imagen, resolución de  
ODEs y otras tareas para la ciencia e ingeniería.  
Procedimientos  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
52  
Se dispone de un Dataset en formato csv (BD_SALUD_ESPECIALIDADES.csv), correspondiente a  
las citas para atención en un establecimiento de salud tipo Hospital ubicado en la Región de  
Moquegua, citas que corresponden a las atenciones generadas durante un periodo de 05 años.  
A continuación, se resumen los procedimientos seguidos en el presente trabajo:  
●
●
●
●
Primeramente, estando en un nuevo proyecto de Jupyter notebook en Google Colab, se  
importará el data set arriba mencionado.  
A continuación de verifica los nombres de las columnas (features) el contenido (filas)  
del dataset importado.  
Se realizan tareas de tratamiento de datos: conversión de dato del tipo object a int64  
(sx_valor y edad_menor)  
Se generan totalizados mediante comandos de agrupamiento a fin de verificar la  
cantidad de registros vinculados con las variables de nuestro interés (sexo y  
especialidad).  
●
Se procede a presentar la descripción del dataset, lo cual nos da una idea de valores  
como total de registros, valor promedio, desviación estándar, percentil 25%, percentil  
5
0%, percentil 75%, valor mínimo, valor máximo, para cada columna que forma parte  
del dataset.  
●
●
●
●
Se procede a agrupar el conjunto dataset por servicio y sexo mostrando el valor  
promedio de las columnas que conforman el dataframe.  
Se procede a agrupar el conjunto dataset por la columna numérica calculada  
menor_edad.  
Se genera un gráfico de barra mostrando el número de hombres y mujeres, agrupados  
en menor_edad y mayor de edad.  
Se genera un gráfico del tipo histograma mostrándonos la distribución de las citas por  
edades en el rango de 0 a 100 años. Este gráfico permite apreciar los bloques de edades  
en los que se concentran la mayor cantidad de datos del dataframe.  
Preparación del modelo:  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
53  
●
●
Se crean los conjuntos de datos a X que corresponden a las entradas e Y que  
corresponden a las salidas esperadas; para lo cual se eliminan las columnas que a  
nuestro criterio no son significativas para el modelo de regresión lineal.  
Se crea el modelo de regresión lineal, se entrena con un conjunto de datos que  
corresponde al 80% del dataframe, y posteriormente se testea o valida con el restante  
2
0% del conjunto de dataframe.  
●
●
Luego de la validación, se realizan las predicciones que se consideren necesarias.  
Finalmente, con los resultados obtenidos se procede al análisis y discusión de los  
mismos.  
RESULTADOS Y DISCUSIÓN  
El modelo se basa en el análisis de las tuplas generadas por las atenciones realizadas en el servicio  
de consulta externa del Hospital Regional de Moquegua, se han analizado un total de 171,797  
tuplas, que abarcan desde el año 2015 al 2019. Cada tupla contiene 11 columnas con datos  
relacionados a la atención, de entre las cuales se definió las variables de entrada del modelo  
propuesto. La variable Sexo es relevante dado que permitió filtrar a los pacientes atendidos en  
dos grupos diferenciados y determinar la prioridad de uno de ellos en particular: el femenino. La  
variable Edad es importante porque asociada a la variable anterior nos mostró con mayor  
precisión el enfoque hacia donde debíamos orientar el modelo propuesto. La Especialidad Médica  
se considera en el modelo por ser la variable que contiene el propósito de concurrencia de un  
paciente al servicio de consulta externa.  
En la figura 1, se muestra un cuadro de barras que representan los totales de pacientes atendidos  
registrados, para nuestro caso podemos observar la cantidad de pacientes femeninos menores  
de edad.  
En la figura 2, visualizamos en formato de historial los tres Features o características de entrada  
con nombres “edad”, “menor_edad” y “sx_valor” podemos ver gráficamente entre qué valores se  
comprenden sus mínimos y máximos y en qué intervalos concentran la mayor densidad de  
registros.  
En la siguiente tabla 1, complementando con información consolidada se tiene que el promedio  
de edad de los pacientes es de 39 años, que representa un 56% de la población en estudio y así  
mismo considerar que la edad mínima del paciente es de 0 años y la máxima de 99 años.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
54  
Figura 1. Cantidad de pacientes de ambos sexos y su agrupamiento por edad.  
Figura 2. Agrupamiento del total de pacientes de grupos etarios por décadas.  
Para un mejor procesamiento de los datos, se ha añadido al dataset inicial dos columnas:  
menor_edad”, la cual tomará como valor 0 si es menor a 18 años o 1 si es mayor de edad; así  
“
mismo, se agregó la columna “sx_valor” en la cual se transforma numéricamente los valores de  
sexo femenino y masculino en 0 y 1 respectivamente. Con la estructura de la data actualizada se  
procedió a hacer una evaluación por sexo y edad de la información, dando como resultado que  
un total de 17,796 son de sexo femenino y menores de edad, y 92,798 también de sexo femenino  
pero mayores de edad, como datos de importancia para el modelo. En un primer resultado, luego  
de evaluar la interrelación de las entradas de a pares, para ver cómo se concentran linealmente  
las salidas de especialidades médicas por colores, es decir las variables: edad, “menor_edad” que  
determina si es mayor o menor de edad un paciente, “sx_valor” que agrupa a los mismos en  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
55  
femenino o masculino, se ha podido evidenciar su concentración en base a la clasificación por  
especialidad médica, representada en la variable “desc_servs”.  
Tabla 1. Resumen del reporte consolidado.  
Figura 3. Clasificación por especialidad médica con la interrelación de variables de entrada por sexo y  
edad.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
56  
Luego de la aplicación del método, como se puede apreciar en la figura 4, los resultados del  
entrenamiento del modelo han obtenido el 23.67% de proximidad o confiabilidad en el modelo  
de la predicción inicial. Esto debido a las variables intervinientes edad, sx_valor (sexo de tipo  
numérico), menor_edad. Lo que indica que nuestro modelo aún es perfectible. Para una mayor  
precisión del modelo, se podrían considerar otras variables adicionales que tengan relación con  
la variable determinante o predictora.  
Figura 4. Resultado de la predicción inicial.  
La matriz de confusión es una herramienta muy útil para valorar cómo de bueno es un modelo  
de clasificación basado en aprendizaje automático. En particular, sirve para mostrar de forma  
explícita cuándo una clase es confundida con otra, lo cual nos permite trabajar de forma separada  
con distintos tipos de error.  
Para la evaluación del modelo, como se muestra en la figura 5, vamos a echar mano de la matriz  
de confusión. Para ello, dividimos el dataset en dos partes. Dejamos un 80% de los datos como  
datos de entrenamiento (train), y reservamos el 20% restante como datos de prueba (test). A  
continuación, entrenamos el modelo de nuevo, pero ahora sólo con los datos de entrenamiento.  
Figura 5. Resultado de la validación del modelo de regresión logística.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
57  
En consecuencia, como se observa en la tabla 2, el resultado de la regresión logística arroja un  
3.58% de confiabilidad que indica que el porcentaje de precisión del modelo es muy bajo o poco  
2
confiable.  
Los datos obtenidos en la matriz de confusión, como se muestran en la siguiente tabla 2, los  
valores están muy por debajo de la predicción acertada, esto debido a que el modelo de regresión  
logística tiene una validez de 23.67%, considerando las variables de entrada: sx_valor, edad y  
menor_edad versus las especialidades médicas.  
Tabla 2. Matriz de confusión.  
En los resultados obtenidos, se observa que el modelo en su primer entrenamiento, y luego de la  
validación con un segundo entrenamiento no retorno valores esperados en la predicción. Se  
reanalizará el modelo, incorporando nuevas variables de entrada  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
58  
CONCLUSIONES  
Se ha logrado construir un modelo de clasificación que ayuda a predecir la cantidad de  
especialidades médicas, según su sexo y edad de pacientes, que podría ser requeridas en el  
servicio de consulta externa, para un período de tiempo en el Hospital Regional de Moquegua.  
La matriz de confusión como herramienta para valorar cómo de bueno es un modelo de  
clasificación basado en aprendizaje automático. En particular, nos sirvió para mostrar de forma  
explícita cuando una clase o especialidad médica es confundida con otra, lo cual nos permite  
trabajar de forma separada con distintos tipos de error.  
Las variables de entrada, seleccionadas para el modelo, hasta el momento, no muestran  
correlación respecto a la variable de salida: especialidad médica. En ese sentido, se sugiere la  
incorporación de otras variables de entrada que nos permitan mejorar el porcentaje de predicción  
del modelo propuesto.  
REFERENCIAS  
[1] “Estadísticas” Boletín Estadístico 2019, [online document], 2019. Disponible: Web Hospital  
Regional de Moquegua, http://www.hospitalmoquegua.gob.pe.  
[2] Jiménez, M. V. G., Izquierdo, J. M. A., & Blanco, A. J. (2000). La predicción del rendimiento  
académico: regresión lineal versus regresión logística. Psicothema, 12(Su2), 248-525.  
[3] Guzmán Aristizábal, S. M., & Hurtado Franco, J. C. (2021). Predicción de la tendencia del  
indicador S&P 500.  
[4]. Erazo Garzón, J. F. (2019). Desarrollo de un modelo de predicción de riesgo de quiebra  
empresarial para el sector comercial del Ecuador: un enfoque de regresión logística (Doctoral  
dissertation, Universidad Autónoma de Nuevo León).  
[5] Pérez, A., Grandón, E. E., Caniupán, M., & Vargas, G. (2013). Análisis Comparativo de  
Técnicas de Predicción para Determinar la Deserción Estudiantil: Regresión Logística vs Árboles  
de Decisión. Arquitectura, 2014, 2015.  
[6] Huamán Bernilla, J. N. (2020). Comparación de máquina de soporte vectorial y regresión  
logística en la predicción de morosidad de cuotas sociales del colegio de ingenieros del Perú  
consejo departamental Lambayeque.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935  
59  
[7] Maydana Huanca, A. R. (2021). Elección del mejor modelo entre regresión lineal múltiple y  
árboles de regresión para predecir el precio máximo de las acciones de Intel en función al precio  
de apertura y volumen de ventas de acciones por día-2019.  
REVISTA INNOVACIÓN Y SOFTWARE  
VOL 2 Nº 2 Septiembre - Febrero 2021 ISSN Nº 2708-0935