La estadía prolongada de los pacientes es sumamente costosa para los proveedores, aseguradores, e incluso pacientes ya que esto genera mayores consumos de servicios de salud y aumenta la posibilidad de desarrollar estados de alto riesgo durante la estancia en el hospital. Esto es una gran preocupación financiera para el gobierno. En el sistema de salud público en Colombia, los incrementos en costos debidos a hospitalizaciones prevenibles han planteado muchas dudas con respecto al uso y la efectividad de programas de prevención.
El objetivo de este proyecto fue predecir el tiempo de hospitalización de los usuarios del sistema público de salud en Colombia y estimar la potencial reducción de costos al utilizar el programa preventivo propuesto. El proyecto propone un programa de prevención de hospitalización en el cual se toma la decisión de intervenir o no con un paciente basado en un modelo de predicción del riesgo de la duración de su hospitalización cada año utilizando aprendizaje de máquinas.
Con el propósito de predecir la duración de la estancia de los pacientes y evaluar un programa de intervención hicimos dos cosas: para el primer objetivo usamos aprendizaje de máquinas automatizado y para el segundo, usamos una regla de decisión basada en las predicciones de la primera etapa la cual indica cuándo se debe intervenir con el paciente con el fin de reducir el riesgo y el costo esperado de la hospitalización del próximo año. Para finalizar, medimos el ahorro de costo potencial de tal programa de prevención con relación a varios otros escenarios básicos.
Primero, para el programa de predicción fueron utilizados árboles reforzados, bosques aleatorios, y redes neuronales artificiales. Estos métodos demuestran mejor rendimiento que los métodos de regresión linear al predecir la duración de la estadía anual del paciente ya que al calcular los errores de cada método utilizando la raíz cuadrada del error cuadrático medio, mejor conocido como RMSE, en el modelo final estos presentan un error de muestra menor. Luego, para evaluar un programa de cuándo intervenir con los pacientes basado en las predicciones anteriores con el fin de reducir costos, utilizamos un modelo de regla de decisión. Para lograr este modelo medimos la probabilidad o el riesgo de hospitalización teniendo en cuenta diferencias en la edad, el género, y la ubicación de los pacientes.
Los resultados muestran que el programa de prevención contribuye significativamente a la rentabilidad del sistema. En relación con varios escenarios básicos, el programa de predicción muestra eficiencias mayores o iguales que el 40 %, y reducciones de entre $100,000 COP y $700,000 COP en el costo de intervención por paciente (aproximadamente una reducción de entre 14 % y 100 % del costo promedio por paciente en el sistema de salud en Colombia). Una regla de decisión automatizada basada en estos modelos predictivos es una fuente importante de ahorro de costos para cualquier aseguradora en el sistema contributivo de atención médica de Colombia.
En Proyectos, podrás conocer las aplicaciones reales de nuestros servicios, casos de uso y ejemplos de los mismos.
