Embedded Files
Desarrollo de una segmentación basada en machine learning para soportar decisiones clínicas en atención primaria, identificando 4 perfiles de riesgo diferenciados que permiten priorizar intervenciones y optimizar la gestión en salud.
1. Tema del Proyecto
Se implementa un algoritmo de clustering mixto que produce perfiles accionables con base a los diagnósticos crónicos mas comunes registrados en una IPS de Bogotá, combinando variables sociales y clínicas para la estratificación de riesgo.
2. Resumen Ejecutivo
Problema:
En Colombia, las enfermedades crónicas no transmisibles (ECNT), representan una gran carga para la salud pública debido a su alta prevalencia, impulsada por el envejecimiento poblacional, urbanización y estilos de vida poco saludables. El manejo de estas enfermedades genera altos costos para el sistema de salud, además, persisten desafíos en prevención, detección temprana y manejo crónico eficiente.
Solución:
He implementado un algoritmo de clustering KPrototypes específicamente diseñado para datos mixtos evaluando distintas opciones de k .
He procesado y limpiado un dataset de pacientes con enfermedades crónicas utilizando Pandas y técnicas de data wrangling.
He aplicado el método elbow y silhouette score para determinar el número óptimo de clusters.
He desarrollado un sistema de perfilado que identifica 4 segmentos diferenciados de pacientes basados en edad, IMC, nivel educativo, tipo de discapacidad y severidad de EPOC.
Resultado:
El modelo identifica 4 perfiles de riesgo claramente diferenciados que permiten segmentar una población aparentemente homogénea en grupos con necesidades específicas de atención.
Este modelo permite orientar estrategias diferenciales de atención, educación y prevención.
Puede ser escalado a otras IPS o EPS que trabajen en programas de gestión del riesgo en salud.
3. Contexto de Negocio
Para el 2019 el 74,5% de las muertes en Colombia se atribuyeron a ECNT, un aumento considerable desde el año 2000 con el 66,1%*, así mismo los costos por persona atendida con estas enfermedades también han crecido de manera importante a partir de 2019, se estima además que para 2030, los costos atribuibles a estas enfermedades podrían incrementarse cerca del 40%.*
Por lo anterior la gestión ineficiente de estos pacientes teniendo en cuenta su heterogeneidad clínica y sociodemográfica, resulta en sobrecostos asistenciales y resultados que no son óptimos, por eso es de suma importancia diseñar intervenciones personalizadas,
En la IPS analizada, más de 2.600 pacientes crónicos son atendidos sin una segmentación clara por perfil de riesgo, lo que puede llevar a fallas de atención y seguimiento.
4. Trabajo Realizado
Calidad de datos y Transformación de variables:
Se realiza limpieza de valores extremos en variables antropométricas (IMC, peso, talla), imputación de valores nulos en IMC, Nuevas variables categóricas creadas, codificación numérica de variables categóricas con LabelEncoder.
Normalizar variables del dataset
Claros outliers en la variable IMC, errores de registro:
IMC: Valores extremos depurados, media final 26.95 (sobrepeso leve)
Peso: Rango válido 30-175 kg
Talla: Rango válido 129-189 cm
Creación de variables:
Modelado/Visualización:
Variables finales para clustering: edad, IMC, nivel educativo, tipo de discapacidad, severidad de EPOC, evaluación de k=2k = 2k=2 a k=6k = 6k=6 mediante gráfico del codo → k=4k = 4k=4.
De k=2 a k=3: gran descenso → mucho valor agregado.
De k=3 a k=4: descenso moderado.
A partir de k=4 en adelante: la mejora se vuelve más marginal.
El “codo” parece estar en k = 4, ya que es donde el beneficio marginal de añadir más clusters empieza a disminuir claramente, con este valor como número óptimo y silhouette score cercano a 1, se captura diversidad significativa en los datos y evita sobre segmentación innecesaria.
Evaluación y perfilado:
Algunos Insights Clínicos Relevantes
Algunos Insights Clínicos Relevantes
5. Business Case
Problema:
La IPS no realiza actualmente una segmentación estructurada, lo que implica estrategias clínicas homogéneas sin priorización diferenciada.
Hipótesis claves:
La segmentación permite priorizar pacientes frágiles, jóvenes con potencial educativo y grupos con obesidad que requieren control metabólico.
Los clusters 2 y 3, que representan pacientes más jóvenes con sobrepeso u obesidad, suman el 32.6% del total. Este segmento tiene alto potencial de impacto mediante intervenciones educativas, metabólicas y de estilo de vida saludable. Por tanto, se estima que entre el 30–35% de la población crónica podría beneficiarse de un rediseño de intervenciones basadas en perfil
Resultado:
Reducción potencial de hospitalizaciones por descompensaciones (EPOC, eventos cardiovasculares). Optimización de uso de recursos (consultas especializadas, nutrición, trabajo social). Posibilidad de integrar este modelo como componente de un dashboard clínico o motor de reglas para rutas de atención.
Datos recopilados de: https://www.datos.gov.co/Salud-y-Protecci-n-Social/Enfermedades-Cr-nicas/2uxx-gxp3/about_data
Repositorio en [GitHub]
Page updated
Report abuse