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.
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.
| 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.
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.
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.