Aquest treball de fi de grau aborda l'optimització de les llistes d'espera quirúrgiques en el Servei Extremeny de Salut, amb un enfocament específic en l'especialitat de traumatologia, mitjançant una solució integral que abasta diverses fases. Els objectius principals són reduir els temps d'espera, optimitzar l'ús de recursos, realitzar una anàlisi exhaustiva de les dades existents, implementar solucions basades en dades i desenvolupar sistemes de visualització i quadres de comandament. Per a aconseguir aquests objectius, es va desenvolupar un model d'optimització per a assignar eficientment els recursos i programar intervencions quirúrgiques. A més, s'implementen models de predicció per a preveure l'entrada de pacients en les llistes d'espera i així anticipar la demanda quirúrgica, utilitzant tècniques com ARIMA i Holt-Winters i aconseguint una precisió elevada. El projecte va incloure una neteja i preparació exhaustiva de les dades, seguida d'una anàlisi exploratòria detallada i la creació de quadres de comandament interactius amb IBM Cognos Analytics. Aquestes eines van facilitar la comprensió de les dades i van donar suport a la presa de decisions basada en evidència. L'aplicació d'aquests models als hospitals d'Extremadura, particularment a l'Hospital Perpetuo Socorro de Badajoz i l'Hospital Universitari de Càceres, va resultar en un augment significatiu en el nombre d'intervencions quirúrgiques, reduccions en els temps mitjans d'espera i millores substancials en l'ocupació dels quiròfans. En conclusió, la integració de models d'optimització i predicció, juntament amb eines avançades d'anàlisis i visualització de dades, demostra ser una estratègia efectiva per a millorar l'eficiència i qualitat del Servei Extremeny de Salut, contribuint significativament a la gestió de les llistes d'espera quirúrgiques i, en conseqüència, al benestar dels pacients.

This final degree project addresses the optimisation of surgical waiting lists in the Extremadura Health Service, with a specific focus on the speciality of traumatology, through a comprehensive solution covering several phases. The main objectives are to reduce waiting times, optimise the use of resources, carry out an exhaustive analysis of existing data, implement data-based solutions and develop visualisation systems and dashboards. To achieve these objectives, an optimisation model was developed to efficiently allocate resources and schedule surgical interventions. In addition, predictive models are implemented to forecast the entry of patients on waiting lists and therefore anticipate surgical demand, using techniques such as ARIMA and Holt-Winters and achieving high accuracy. The project involved extensive data cleaning and preparation, followed by detailed exploratory analysis and the creation of interactive dashboards using IBM Cognos Analytics. These tools facilitated the understanding of the data and supported evidence-based decision making. The application of these models in hospitals in Extremadura, particularly in the Perpetuo Socorro Hospital in Badajoz and the Hospital Universitario in Cáceres, resulted in a significant increase in the number of surgical interventions, reductions in average waiting times and substantial improvements in hospital occupancy. In conclusion, the integration of optimisation and prediction models, together with advanced data analysis and visualisation tools, proves to be an effective strategy to improve the efficiency and quality of the Extremadura Health Service, contributing significantly to the management of surgical waiting lists and, consequently, to the well-being of patients.