Análisis y diseño de un sistema de inteligencia para la optimización de listas de espera de exámenes en los Cesfam de Viña del Mar

Abstract

La gestión de listas de espera para la realización de exámenes médicos en la atención primaria de salud constituye un desafío relevante para los Centros de Salud Familiar (CESFAM) en Chile, especialmente en el contexto del cumplimiento de las Garantías Explícitas en Salud (GES). Procesos manuales, alta carga administrativa y elevadas tasas de inasistencia afectan directamente la eficiencia operativa y la oportunidad de la atención. En esta memoria se presenta el análisis, diseño e implementación de un sistema web inteligente orientado a optimizar la gestión de listas de espera para exámenes médicos en los CESFAM de Viña del Mar. La solución propuesta integra módulos de gestión de pacientes, agenda médica, comunicación automatizada y visualización de métricas, junto con un modelo de predicción de inasistencias basado en técnicas de aprendizaje automático. El sistema fue desarrollado bajo una arquitectura modular utilizando FastAPI para el backend, Angular para el frontend y PostgreSQL como base de datos, incorporando prácticas de trazabilidad, seguridad y escalabilidad. Adicionalmente, se diseñó un modelo predictivo entrenado con datasets reales de citas médicas de Chile y Brasil, priorizando métricas de sensibilidad para la identificación de posibles inasistencias. Finalmente, se evaluó el impacto de la solución mediante simulaciones que comparan el proceso tradicional con el uso de la plataforma propuesta. Los resultados evidencian una reducción significativa en la carga operativa del personal administrativo, una mejora en la ocupación de los cupos disponibles y una disminución de las tasas de inasistencia, demostrando la viabilidad y utilidad del sistema como herramienta de apoyo a la gestión clínica y administrativa en la atención primaria. Managing waiting lists for medical examinations in primary healthcare represents a major operational challenge for Family Health Centers (CESFAM) in Chile, particularly regarding compliance with Explicit Health Guarantees (GES). Manual processes, high administrative workload, and patient no-show rates negatively impact service efficiency and timely care delivery. This thesis presents the analysis, design, and implementation of an intelligent web-based system aimed at optimizing medical examination waiting lists in CESFAMs in Viña del Mar. The proposed solution integrates patient management, appointment scheduling, automated communication, and reporting modules, along with a machine learning model to predict patient attendance. The system was developed using a modular architecture, employing FastAPI for the backend, Angular for the frontend, and PostgreSQL as the database, ensuring scalability, security, and traceability. Additionally, a predictive attendance model was trained using real-world datasets from Chile and Brazil, prioritizing recall metrics to identify potential no-shows. The solution was evaluated through simulation scenarios comparing the traditional manual process with the proposed platform. Results show a significant reduction in administrative workload, improved appointment utilization, and decreased no-show rates, highlighting the system’s effectiveness as a decision-support tool for clinical and administrative management in primary healthcare.