Segmentación de pacientes, modelado predictivo y simulación de escenarios integrados en una sola arquitectura analítica, sobre datos administrativos reales de una EPS colombiana.
Enfoque cuantitativo, aplicado y longitudinal retrospectivo, estructurado bajo CRISP-DM.
Historia clínica, demográfica y de pagos de pacientes con diabetes tipo 2 (2022–2026); segmentación por clustering, modelos de machine learning y simulación de escenarios bajo CRISP-DM; validación temporal entrenando con 2022–2023 y evaluando sobre 2024–2025 con MAE, RMSE y SMAPE.
Utilización de servicios, autorizaciones, diagnósticos, variables demográficas y pagos, con criterios de calidad y anonimización.
Segmentación de perfiles homogéneos, modelado predictivo de pagos esperados y simulación de escenarios alternativos.
Métricas MAE, RMSE y SMAPE, comparando escenarios simulados contra el escenario base.
Cinco estudios recientes cubren segmentación, predicción o simulación de forma aislada. Ninguno integra los tres componentes con foco en pagos.
La literatura resuelve segmentación, predicción o simulación por separado, y casi nunca con foco en pagos. Este proyecto integra las tres capas en una sola arquitectura analítica, aplicada a diabetes tipo 2 en el contexto de una EPS colombiana.
| Estudio | Segmentación | Predicción | Simulación | Foco en pagos |
|---|---|---|---|---|
| Vuik et al. (2016) | ||||
| Mohsen et al. (2023) | ||||
| Tan et al. (2024) | ||||
| Ndlovu (2026) | ||||
| Papachristou et al. (2024) | ||||
| Este proyecto |
Registros de servicios, autorizaciones, diagnósticos, demografía y pagos entre enero de 2022 y mayo de 2026, tratados bajo anonimización y minimización de datos.
Registros administrativos de una EPS colombiana, accedidos bajo autorización institucional y anonimización (Ley 1581 de 2012, Decreto 1377 de 2013). Es una cohorte real, no una muestra probabilística: representativa del período y la fuente, no generalizable a toda la población colombiana. El 99,92% de los pacientes identificados quedó asociado a un identificador interno.
Pago observado por paciente y periodo — variable continua, abordada como tarea de regresión. Los valores altos por trasplantes o eventos cardiovasculares graves se conservan: reflejan el gasto real en salud.
La variable objetivo es el pago observado por paciente y período. Los pagos altos por trasplantes o eventos cardiovasculares graves no se tratan como atípicos: son gasto real. Las predictoras se organizan en cuatro grupos — demográficas, clínicas, utilización de servicios y financieras — y el perfil de segmento obtenido por clustering se incorpora luego como variable explicativa adicional.
Los ceros en Pago responden a la forma en que ciertos servicios se contratan y registran, no al azar — por eso la imputación se hizo por mediana específica de cada código CUPS, no con una mediana general.
Sistemático. Los pagos en cero están asociados a la forma en que ciertos servicios se contratan y registran administrativamente, no a datos faltantes al azar — un pago en cero no siempre significa que el servicio no tuvo costo. Por eso la imputación se calculó con la mediana de cada código CUPS y no con una mediana general de toda la población.
Eliminación de 1.261 duplicados por paciente (1,14%) priorizando el registro más completo, estandarización de nombres, formatos y llaves entre fuentes, anonimización del identificador (NAUTCLI → ID_USUARIO) y verificación de rangos: cero nulos en el código CUPS y solo 55 registros con pago en cero tras la imputación.
El proyecto se desarrolla con recursos propios del equipo investigador, sin financiación externa. Todo el software es de código abierto
Revisión de literatura, vacío metodológico y definición del enfoque bajo CRISP-DM.
CompletadaDepuración, estandarización, tratamiento de duplicados y de valores perdidos.
CompletadaSegmentación de pacientes en perfiles homogéneos según utilización y pagos.
En cursoModelos predictivos del pago esperado, incorporando el perfil de segmento.
En cursoEscenarios alternativos de intervención y comparación frente al escenario base.
PendienteVisualización de resultados poblacionales y por segmento para la EPS.
PendienteEntrenamiento 2022–2023, evaluación 2024–2025 con MAE, RMSE y SMAPE.
Pendiente