Modelo pronóstico del número de terapias de reemplazo renal hospitalarias utilizando series de tiempo y aprendizaje automático en RTS Colombia

Abstract

Ante la falta de precisión en los pronósticos de las clínicas renales de la red de IPS de RTS Colombia, surge la necesidad de implementar una metodología que reduzca la brecha entre los pronósticos y los pacientes reales registrados. Esta herramienta busca asignar de manera efectiva a los pacientes agudos por terapia en cada clínica, con el fin de mejorar la toma de decisiones. Los pronósticos actuales en el área de mercadeo impactan negativamente en otras áreas de la empresa, como Compras y Finanzas, por lo que se propone aplicar una metodología de pronóstico integral para cada IPS de la red de RTS Colombia, considerando las posibles pérdidas comerciales a lo largo del tiempo. En este estudio, se llevó a cabo un proceso de extracción, transformación y carga de datos, junto con la implementación de un modelo de Red LSTM en Python para predecir el número de terapias de reemplazo renal en el programa de agudos de RTS. Este enfoque técnico busca mejorar la precisión de los pronósticos y optimizar la asignación de recursos en las clínicas renales de RTS Colombia.