Machine Learning para predecir el costo anual de los servicios contratados por evento de los  afiliados de la EPS Savia Salud

Mazo Solano, Joan; Gallego Vélez, Laura; Sandoval Valencia, Sebastián

Machine Learning para predecir el costo anual de los servicios contratados por evento de los afiliados de la EPS Savia Salud

dc.contributor.advisor	Giraldo Mejía, Juan C.
dc.contributor.advisor	Giraldo Mejía, Juan C.
dc.contributor.author	Mazo Solano, Joan
dc.contributor.author	Gallego Vélez, Laura
dc.contributor.author	Sandoval Valencia, Sebastián
dc.date.accessioned	2023-10-21T14:43:46Z
dc.date.available	2023-10-21T14:43:46Z
dc.date.issued	2023
dc.description.abstract	La proyección de los costos anuales de las aseguradoras del sector salud es una tarea de alta complejidad; de este ejercicio se derivan los mecanismos de contratación con los prestadores de servicio de salud y su resultado impacta directamente los costos no operacionales. En este proyecto de investigación, se utilizó machine learning para predecir el costo anual de las atenciones por evento de la EPS Savia Salud, con el fin de contribuir a las estrategias asociadas a la disminución del déficit fiscal. Siguiendo la metodología CRISP-DM, se aplicaron técnicas de aprendizaje supervisado y no supervisado. Se realizó un proceso de ETL para integrar dos fuentes de datos en una, obteniendo un conjunto de 13.692 registros con los cuales se desarrolló un clustering para conocer los diferentes grupos de pacientes según sus costos; posteriormente, se elaboró un modelo de clasificación, en el que se incluyeron 4 rangos de costos. Los resultados del modelo predictivo permitieron concluir que es posible predecir el costo de las atenciones por evento con una índice ROC del 79%. Durante la socialización de los resultados, se incluyeron un conjunto de recomendaciones para continuar explorando el machine learning como herramienta en los ejercicios de planificación y fortalecer el modelo incluyendo una mayor cantidad de variables y registros. La investigación concluye es posible estimar los costos anuales utilizando machine learning, cuya utilidad real se comprobará después de ejecutar una prueba piloto en el año 2023 con una muestra controlada.	spa
dc.format.extent	74 p.	spa
dc.format.mimetype	application/pdf	spa
dc.identifier.uri	http://repository.ucatolicaluisamigo.edu.co/handle/20.500.14531/2006
dc.publisher	Universidad Católica Luis Amigó	spa
dc.publisher.faculty	Escuela de Posgrados	spa
dc.publisher.place	Medellín	spa
dc.rights	info:eu-repo/semantics/openAccess	spa
dc.rights.accessrights	http://purl.org/coar/access_right/c_abf2	spa
dc.rights.creativecommons	https://creativecommons.org/licenses/by/4.0/	spa
dc.rights.uri	https://creativecommons.org/licenses/by-nd/4.0/	spa
dc.source	Universidad Católica Luis Amigó	spa
dc.source	RI-UCLA	spa
dc.subject.armarc	a
dc.subject.keyword	Machine learning	spa
dc.subject.keyword	Health	spa
dc.subject.keyword	Cost	spa
dc.subject.keyword	EPS	spa
dc.subject.proposal	Machine learning	spa
dc.subject.proposal	Salud	spa
dc.subject.proposal	Costo	spa
dc.subject.proposal	EPS	spa
dc.title	Machine Learning para predecir el costo anual de los servicios contratados por evento de los afiliados de la EPS Savia Salud	spa
dc.type.coar	http://purl.org/coar/resource_type/c_1843	spa
dc.type.driver	info:eu-repo/semantics/article	spa
dc.type.hasversion	http://purl.org/coar/version/c_b1a7d7d4d402bcce	spa
dc.type.local	Tesis/Trabajo de grado - Monografía - Especialización	spa
oaire.accessrights	http://purl.org/coar/access_right/c_abf2	spa
oaire.version	http://purl.org/coar/version/c_b1a7d7d4d402bcce	spa
thesis.degree.discipline	Escuela de posgrados. Especialización en Big Data e Inteligencia de Negocios.	spa
thesis.degree.grantor	Universidad Catolica Luis Amigo	spa
thesis.degree.level	Especialización	spa
thesis.degree.name	Especialista en Big Data e Inteligencia de Negocios.	spa