Emergency triage classification with machine learning. A Colombian Case.
Introduction. This study presents innovative research on classifying emergency department patients using advanced machine-learning techniques. Objective. Provide a decision-support tool for identifying patients who require urgent intervention promptly. Method. A balanced Random Forest model was deve...
| Publicado en: | NOVA: Publicación Científica en Ciencias Biomédicas Vol. 24; no. 46; pp. 117 - 136 |
|---|---|
| Autores principales: | , , , |
| Formato: | Artículo |
| Publicado: |
Universidad Colegio Mayor de Cundinamarca
ene-jun2026
|
| Materias: | |
| Acceso en línea: | Ver este registro en EBSCOhost |
| fields | @attributes: recordID: 1 pdfLink: plink: https://search.ebscohost.com/login.aspx?direct=true&db=lth&AN=195078228&site=ehost-live header: @attributes: shortDbName: lth uiTerm: 195078228 longDbName: MedicLatina uiTag: AN controlInfo: bkinfo: jinfo: jid: 17942470 FI4R jtl: NOVA: Publicación Científica en Ciencias Biomédicas issn: 17942470 maglogo: N pubinfo: dt: ene-jun2026 vid: 24 iid: 46 pid: 27381 pub: Universidad Colegio Mayor de Cundinamarca artinfo: ui: 195078228 ppf: 117 ppct: 19 formats: fmt: @attributes: type: P size: 2.3MB tig: atl: Emergency triage classification with machine learning. A Colombian Case. aug: au: Paz, Helmer Anacona, Yesid Quiliche, Renato Chong, Mario affil: Ingenieria Industrial, Corporación Universitaria Comfacauca, Popayán Cauca, Colombia. Departamento de Ingeniería Industrial, Pontificia Universidad Católica de Rio de Janeiro, Rio de Janeiro, Brazil. Facultad de Ingeniería, Universidad del Pacífico, Lima, Peru. su: Random forest algorithms Medical triage Emergency room visits Emergency medical services Critical care medicine Machine learning Decision support systems sug: subj: Random forest algorithms Medical triage Emergency room visits Emergency medical services Critical care medicine Machine learning Decision support systems keyword: Classification Algorithms Data Analysis Emergencies Machine Learning Operations Research Triage Algoritmos de clasificación Análisis de datos Aprendizaje automático Emergencias Investigación operativa Triaje ab: Introduction. This study presents innovative research on classifying emergency department patients using advanced machine-learning techniques. Objective. Provide a decision-support tool for identifying patients who require urgent intervention promptly. Method. A balanced Random Forest model was developed, which showed promising triage results. The approach created triage subcategories and assigned different priorities based on critical status. Results. The results were encouraging, with an accuracy of 80.14% for high-priority patients, 79.45% for referred patients, and 81.29% for patients who ultimately died. Conclusion. The findings support the model’s effectiveness in improving decision-making in emergency departments. The research aims to enhance patient classification efficiency, optimize resource allocation, and ensure timely care. It provides new insights and can benefit healthcare professionals by improving the quality of emergency care. Introducción. Este estudio presenta una investigación innovadora sobre la clasificación de pacientes en servicios de urgencias mediante técnicas avanzadas de aprendizaje automático. Objetivo. Proporcionar una herramienta de apoyo a la toma de decisiones para identificar rápidamente a los pacientes que requieren una intervención urgente. Método. Se desarrolló un modelo equilibrado de Random Forest, que mostró resultados prometedores en la clasificación. El enfoque creó subcategorías de clasificación y asignó diferentes prioridades en función del estado crítico. Resultados. Los resultados fueron alentadores, con una precisión del 80,14 % para los pacientes de alta prioridad, del 79,45 % para los pacientes derivados y del 81,29 % para los pacientes que finalmente fallecieron. Los resultados respaldan la eficacia del modelo para mejorar la toma de decisiones en los servicios de urgencias. Conclusiones. La investigación tiene como objetivo mejorar la eficiencia de la clasificación de pacientes, optimizar la asignación de recursos y garantizar una atención oportuna. Aporta nuevos conocimientos y puede beneficiar a los profesionales sanitarios al mejorar la calidad de la atención de urgencias. pubtype: Academic Journal doctype: Article src: R language: English refInfo: copyright: @attributes: flag: Y custom: Copyright of NOVA: Publicación Científica en Ciencias Biomédicas is the property of Universidad Colegio Mayor de Cundinamarca and its content may not be copied or emailed to multiple sites without the copyright holder's express written permission. Additionally, content may not be used with any artificial intelligence tools or machine learning technologies. However, users may print, download, or email articles for individual use. item: NOVA: Publicación Científica en Ciencias Biomédicas holder: Universidad Colegio Mayor de Cundinamarca dt: @attributes: year: 2026 holdings: @attributes: islocal: N |
|---|