title: “Dashboard Ejecutivo para la Gestión de Citas Médicas” author: “Liliana Perez - Claudia Mora” output: flexdashboard::flex_dashboard: orientation: rows vertical_layout: fill theme: cosmo runtime: shiny — —

getwd()

## [1] "C:/Users/Paty/Desktop/FUCS/analitica de datos 2/2. Operatividad de Rstudio"

list.files()

## [1] "appointments.csv"              "dashboard.Rmd"                
## [3] "Operatividad-de-RStudio.html"  "Operatividad-de-RStudio.pdf"  
## [5] "Operatividad-de-RStudio_files" "Operatividad de RStudio.Rmd"  
## [7] "Operatividad de Rstudio.Rproj" "patients.csv"                 
## [9] "slots.csv"

appointments <- read.csv(
"C:/Users/Paty/Desktop/FUCS/analitica de datos 2/2. Operatividad de RStudio/appointments.csv"
)

dim(appointments)

## [1] 111488     16

Column

</> Markdown

Row

Aprovechamiento de citas

porcentaje_atencion <- round(
mean(appointments$status=="attended")*100,2)

valueBox(
porcentaje_atencion,
caption = "Porcentaje de citas atendidas",
icon = "fa-calendar-check",
color = "success"
)

77.17

Column

Citas no aprovechadas

no_aprovechadas <- round(
mean(appointments$status!="attended")*100,2)

gauge(
no_aprovechadas,
min = 0,
max = 100,
sectors = gaugeSectors(
success = c(0,15),
warning = c(15,25),
danger = c(25,100)
)
)

Tiempo promedio de espera

espera <- round(
mean(appointments$waiting_time,
na.rm=TRUE),2)

valueBox(
espera,
caption="Tiempo promedio de espera (min)",
icon="fa-clock",
color="warning"
)

44.09

Comportamiento operativo

</> Markdown Row ————————————-

Distribución de citas

Estado de las citas

### Estado de las citas

grafico1 <- appointments %>%
count(status) %>%
ggplot(aes(
x=reorder(status,n),
y=n,
fill=status))+

geom_col()+

scale_fill_brewer(
palette="Set2")+

theme_minimal()+

labs(
title="Estado de las citas médicas",
x="Estado",
y="Número de citas")+

theme(
legend.position="none")

grafico1

¿Qué evidencia el gráfico?**

La mayoría de las citas culminan en atención efectiva; sin embargo, aproximadamente el 22,3% de las agendas no son aprovechadas.

¿Por qué es relevante?**

La inasistencia genera pérdida de productividad y disminuye la disponibilidad de servicios.

¿Qué acción se sugiere?**

Implementar mecanismos automatizados de confirmación y reasignación de citas.

Exploración interactiva de estados

ggplotly(grafico1)

La incorporación de interactividad permite a los directivos explorar autónomamente los datos mediante funciones de zoom, desplazamiento y visualización detallada de frecuencias.

Oportunidad del servicio

Tiempo de espera

Distribución del tiempo de espera

Distribución del tiempo de espera

ggplot(
appointments,
aes(waiting_time))+

geom_histogram(
bins=30,
fill="steelblue")+

theme_minimal()+

labs(
title="Distribución del tiempo de espera",
x="Minutos",
y="Frecuencia")+

annotate(
"text",
x=220,
y=5000,
label="Pacientes con esperas prolongadas",
color="red")+
geom_vline(
xintercept=44,
linetype="dashed")

## Warning: Removed 25456 rows containing non-finite outside the scale range
## (`stat_bin()`).

Utilización de servicios según sexo

Distribución del tiempo de espera

ggplot(
appointments,
aes(waiting_time))+

geom_histogram(
bins=30,
fill="steelblue")+

theme_minimal()+

labs(
title="Distribución del tiempo de espera",
x="Minutos",
y="Frecuencia")+

annotate(
"text",
x=220,
y=5000,
label="Pacientes con esperas prolongadas",
color="red")+
geom_vline(
xintercept=44,
linetype="dashed")

## Warning: Removed 25456 rows containing non-finite outside the scale range
## (`stat_bin()`).

Modelo predictivo

Resultado del modelo

Capacidad predictiva

Capacidad predictiva

gauge(
49.6,
min=0,
max=100,
symbol='%',
sectors=gaugeSectors(
success=c(70,100),
warning=c(50,70),
danger=c(0,50)
))

¿Qué evidencia?**

El modelo presentó una capacidad predictiva insuficiente.

¿Por qué es relevante?**

Las variables disponibles no explican adecuadamente la inasistencia.

¿Qué acción se sugiere?**

Fortalecer los sistemas de información incorporando variables clínicas y operativas adicionales.

Recomendaciones ejecutivas

1. Implementar sistemas automáticos de recordatorio y confirmación de citas mediante mensajes de texto o llamadas automatizadas, con el propósito de disminuir el porcentaje de agendas no aprovechadas.

2. Fortalecer los sistemas institucionales de información incorporando variables clínicas, operativas y comportamentales que permitan desarrollar modelos predictivos más robustos y mejorar la toma de decisiones basada en datos.