1 Análisis Exploratorio de Datos (EDA)

Alcance del tema. El Análisis Exploratorio de Datos (EDA, revisión inicial de una base para conocer su estructura, su calidad y sus patrones antes de cualquier análisis formal) se limita aquí a conteos, porcentajes y gráficos. Las medidas como promedio, mediana, dispersión o correlación corresponden al Tema 2 (Probabilidad y Estadística Aplicada) y no se incluyen en este apartado.

1.1 Contexto y datos

1.1.1 Objetivo del análisis

Describir la demanda de consulta, la carga de médicos y pacientes y la confiabilidad del registro de un sistema de agendamiento, para identificar qué decisiones sobre talento humano, agendas, capacidad e información permiten estos datos. La base Medical Appointment Scheduling System (Kaggle, archivo Appointment.csv) contiene 1.000 citas registradas entre el 1 de enero de 2020 y el 31 de diciembre de 2023, de 610 pacientes y 611 médicos.

1.1.2 Descripción de las variables

Variable (inglés) Nombre usado Tipo Qué registra Uso en el análisis
AppointmentID id_cita Código Identificador de la cita Control de calidad (debe ser único)
Date fecha Fecha Día programado de la cita Demanda por año, mes y día
Time marca_tiempo Fecha y hora Momento en que se guardó el dato Se descarta (no es la hora de consulta)
PatientID id_paciente Código anónimo Paciente citado Citas acumuladas por paciente
DoctorID id_medico Código anónimo Médico asignado Carga asistencial por médico

Los códigos (id) son etiquetas, no cantidades: no se suman ni se comparan como números. De fecha se derivaron año, mes y día de la semana, y de los códigos, las citas acumuladas por médico y por paciente. En la tabla siguiente puede buscar y filtrar la base completa.

1.1.3 Calidad y confiabilidad del registro

Verificación Resultado Lectura para la gestión
Datos faltantes (celdas vacías) 0 en 5 variables La base está completa
Filas duplicadas idénticas 0 No hay registros copiados
Unicidad del código de cita 602 códigos para 1.000 citas No identifica una sola cita (ver 1.2.4)
Variable Time Todo en 0,011 s del 23/12/2023 Hora de carga, no de atención
Doble cita el mismo día (médico / paciente) 1 / 1 Sin conflicto relevante

1.2 Principales hallazgos e interpretación de las visualizaciones

Los gráficos son interactivos: al pasar el cursor se ve el valor exacto y con la barra superior se puede ampliar una zona o descargar la imagen.

1.2.1 Demanda de consulta en el tiempo

Gráfico 1. Citas registradas por mes, 2020–2023 (cada punto es un mes; arriba, el total de cada año).

Lectura. El total anual se mantiene entre 239 y 261 citas, sin tendencia de aumento ni de caída. Mes a mes oscila entre 14 y 32 citas; al sumar los cuatro años, enero (97) y abril (96) son los meses con más citas, frente a cerca de 77 en los más bajos. Solo 721 de los 1.461 días del periodo (49 %) registraron alguna cita.

Implicación para la gestión. Una demanda estable permite una programación anual de cupos con refuerzos puntuales en enero y abril, sin reorganizaciones de fondo. El volumen tan bajo indica una muestra o un servicio muy pequeño: debe confirmarse con la fuente antes de dimensionar personal.

1.2.2 Distribución por día de la semana

Gráfico 2. Citas por día de la semana (porcentaje sobre el total de citas).

Lectura. Las citas se reparten de forma casi pareja entre los siete días: cada uno concentra entre 13,4 % y 15,7 % del total, con el viernes como el día de mayor volumen. Sábado y domingo suman 269 citas (26,9 %), es decir, cerca de una de cada cuatro.

Implicación para la gestión. La consulta externa suele concentrarse de lunes a viernes. Si la institución no atiende el fin de semana, estas fechas son un error de captura que distorsiona la programación de turnos; si atiende, ese personal genera recargos (pago adicional por trabajo dominical o festivo) y debe evaluarse si el volumen los justifica.

1.2.3 Carga asistencial por médico y por paciente

Gráfico 3. Número de médicos y de pacientes según las citas que acumulan en los cuatro años.

Lectura. 342 de los 611 médicos (56,0 %) tienen una sola cita en cuatro años y 522 (85,4 %) tienen una o dos. En el otro extremo, 28 médicos con 4 o 5 citas reúnen 115 citas (11,5 % del total). Los pacientes siguen el mismo patrón: 335 (54,9 %) consultaron una sola vez y 20 tuvieron entre 4 y 6 citas. De los 275 pacientes con más de una cita, ninguno volvió a ser atendido por el mismo médico.

Implicación para la gestión. Con una o dos citas por médico no se puede medir productividad (citas por hora contratada) ni capacidad instalada (cupos máximos que el servicio puede ofrecer con sus recursos). La falta de continuidad de la atención (que el paciente vuelva con el mismo profesional) debilita el seguimiento de pacientes crónicos. Quienes tienen 4 o más citas son el primer grupo a revisar: médicos de mayor demanda y pacientes de alta frecuencia que podrían requerir una ruta de atención (protocolo organizado de seguimiento).

1.2.4 Confiabilidad del código de cita

Gráfico 4. Registros según cuántas citas distintas comparten el mismo código (AppointmentID).

Lectura. Solo 320 registros (32,0 %) tienen un código propio. Los otros 680 (68,0 %) comparten su código con otras citas, hasta 5 citas por código, y en todos los casos se trata de pacientes diferentes.

Implicación para la gestión. El código no funciona como llave primaria (código que identifica de forma única cada registro): no permite auditar, facturar ni conciliar una cita con la historia clínica o la aseguradora. Es el hallazgo de mayor prioridad, porque todo indicador construido sobre esta base hereda el error.

1.3 Influencia de los hallazgos en la gestión de recursos

1.3.1 Talento humano

  • No redistribuir médicos con la carga actual: con 1 o 2 citas por profesional la cifra refleja el registro, no la productividad; primero debe cruzarse con las horas contratadas.
  • Revisar las agendas de los 28 médicos de mayor carga para saber si su volumen responde a disponibilidad, especialidad o preferencia de los pacientes.
  • Definir si el fin de semana es operación real, porque de ello dependen los turnos y el costo en recargos.

1.3.2 Capacidad y programación de agendas

  • Planear cupos por año y reforzar enero y abril; no hay evidencia que justifique ampliar infraestructura.
  • Medir la ocupación de agenda (cupos usados frente a ofrecidos) antes de contratar o abrir consultorios: el 51 % de los días no tuvo citas, señal de subregistro o subutilización, no de falta de capacidad.
  • Asignar médico de cabecera (profesional fijo para cada paciente) a quienes regresan, empezando por los de alta frecuencia.

1.3.3 Información y gobierno del dato

  • Prioridad 1: que el sistema genere un código consecutivo único por cita y bloquee duplicados.
  • Prioridad 2: registrar la hora real de la cita, no solo la hora de carga.
  • Gobierno del dato (reglas, responsables y controles que aseguran la calidad de la información): un responsable y una revisión mensual con las verificaciones de 1.1.3.

1.4 Mejoras propuestas y análisis adicionales

1.4.1 Variables que conviene incorporar a la base

Variable a registrar Indicador de gestión que permite construir
Estado (asistió, canceló, no asistió) Inasistencia y cupos perdidos
Fecha de solicitud de la cita Oportunidad de la cita: días entre solicitud y atención (Resolución 256 de 2016)
Hora de inicio y fin de la atención Tiempo de espera y duración real de la consulta
Especialidad, sede y consultorio Capacidad instalada por servicio y por sede
Horas contratadas por médico Productividad (citas por hora) y ocupación de agenda
Aseguradora y valor facturado Ingresos y facturación por servicio
Edad, sexo y diagnóstico (CIE-10) Perfil de la demanda y de los pacientes crónicos

1.4.2 Análisis adicionales sugeridos

  • Tablero de control mensual (panel de indicadores actualizado periódicamente): citas, inasistencia, oportunidad y ocupación por médico.
  • Continuidad: porcentaje de pacientes que regresan con el mismo médico, por año.
  • Perfil de los pacientes de alta frecuencia (4 o más citas) cuando se registren diagnóstico, edad y aseguradora.
  • Validación con la fuente: confirmar si la base es una muestra y cuál es el volumen real del servicio.
  • Confirmación de patrones: saber si las diferencias entre meses o días son reales o producto del azar requiere las herramientas del Tema 2.

1.5 Conclusión del tema

La base describe bien cuándo se agenda, pero todavía no permite gestionar el servicio: la demanda es estable, la carga por médico es baja y dispersa, no hay continuidad médico-paciente y el 68 % de los registros tiene un código de cita no confiable. La decisión prioritaria es invertir primero en la calidad y amplitud del registro y después en indicadores de productividad, capacidad y calidad. La distribución casi uniforme de fechas, días y códigos sugiere datos sintéticos (generados para práctica): las conclusiones demuestran el método y no deben trasladarse a una institución real.