Análisis y Modelización de la Demanda de Vehículos de Emergencia Sanitaria en la Provincia de Valencia utilizando Análisis de Procesos Puntuales

Abstract

[ES] Responder de forma rápida a llamadas de emergencia que requieran la asistencia de un Vehículo de Emergencia Sanitaria (VES) es crucial para la salud y el bienestar de la población. No obstante, la gestión y despliegue de los VES requiere de un proceso de toma de decisiones que no es nada trivial. Es, por tanto, que la anticipación y conocimiento del comportamiento de la demanda de VES puede ser interesante para mejorar la calidad del servicio prestado por parte de las entidades a su cargo. Se dispone de una base de datos con más de 98.000 llamadas de emergencia que necesitaron un VES en la provincia de Valencia durante el año 2019. El objetivo de este trabajo es focalizar el estudio en la información aportada por las coordenadas, longitud y latitud, donde ocurrieron esos eventos. Se desea analizar cómo se han distribuido esos puntos en el espacio utilizando las técnicas aportadas en el campo de análisis de procesos puntuales y se proponen distintos modelos para estimar su función de intensidad desde dos perspectivas diferentes: frecuentista y bayesiana. Este proceso se realiza con el software estadístico R.

[EN] Fast response to emergency calls requiring the assistance of Emergency Medical Services (EMS) is crucial for the health and well-being of the population. However, the management and deployment of EMS vehicles require a non-trivial decision-making process. It is, therefore, of interest to anticipate and understand the behaviour of the demand for EMS to improve the quality of the service provided by the entities in charge of them. A database with more than 98,000 emergency calls is available that required an EMS deployment in the province of Valencia during 2019. This work focuses on the information provided by the coordinates, longitude, and latitude at which these events occurred. The aim is to analyse how these points have been distributed in space using the techniques provided in point processes analysis, and several models are proposed to estimate the intensity function from frequentist and Bayesian perspectives. This project is developed using statistical analysis software R.