Logotipo del repositorio
 

Propuesta de analítica de patrones de prescripción y gasto en salud usando información de MIPRES

Vista sencilla de ítem
dc.contributor.advisorPulido Velásquez, Manuel Alejandro
dc.contributor.authorMontaña Chaparro, William Ferney
dc.contributor.evaluatorPenagos Londoño, Gabriel Ignacio
dc.coverage.spatialColombiaspa
dc.coverage.temporal2021spa
dc.date.accessioned2024-08-06T14:05:02Z
dc.date.available2024-08-06T14:05:02Z
dc.date.created2024-07-31
dc.description.abstractEl sistema de salud en Colombia, específicamente los servicios no financiados por la Unidad de Pago por Capitación (UPC), presenta oportunidades de mejora en su análisis debido a limitaciones existentes en métodos y recursos. Las fallas del mercado, que pueden ser deliberadas, afectan la calidad y financiamiento del sistema de salud. El procesamiento eficiente de la información en salud puede ayudar a identificar y prevenir fraudes. El uso de Aprendizaje Automático (ML) ha sido útil para mitigar pérdidas por fraude potencial en áreas financieras. Este trabajo propone una metodología de detección de fraude financiero usando datos de tecnologías de salud no financiadas por UPC, en pacientes colombianos con Enfermedad Renal. La metodología propuesta realiza una agrupación multinivel por pacientes, EPS, IPS y proveedores de servicios médicos para encontrar patrones de comportamiento. En esta medida, se propone identificar un algoritmo o modelo replicable de manera automática. El enfoque de ML propuesto es un modelo hibrido no supervisado y escalonado para el análisis de datos mixtos. Primero, utilizando la agrupación jerárquica con la distancia de Gower que permite agrupar observaciones basadas en variables principalmente categóricas. Segundo, tomando las agrupaciones logradas, K-means se aplica en las variables numéricas, lo que permite refinar los grupos identificados y optimizar la cohesión interna. Este enfoque secuencial aprovecha las fortalezas de ambos métodos (agrupamiento jerarquico y k-means) y ofrece una visión detallada de los clústeres, facilitando la identificación de patrones atípicos que podrían contribuir a la identificación de fraude al sistema de salud. Igualmente, proporciona una base sólida para la detección de comportamientos atípicos y maximiza la capacidad de identificar posibles fraudes en las prescripciones logrando un procedimiento automático inicial de ML que sirve para replicar y priorizar con otras caracterizaciones de la base de datos.spa
dc.description.abstractenglishAnalyses for services not funded by the Capitation Payment Unit (UPC) within the Colombian health system present opportunities for improvement due to existing limitations in methods and in resources. Presence of market failures, which may be deliberate, affect both the quality of services and funding of the health system. An efficient processing of health information can help identifying and preventing fraudulent events. Machine Learning (ML) helps mitigating losses from potential fraud. This study defines an optimal methodology for financial fraud detection using health technology not funded by the UPC, for chronic kidney disease patients in Colombia. The methodology perform a multilevel grouping by patients, EPS, IPS and medical service providers to identify potential fraudulent patterns. Hence, we establish an automatic, replicable algorithm or model for other categories. The proposed ML approach was an unsupervised and stepwise hybrid model for mixed data analysis using first, hierarchical clustering with Gower distance that allows clustering of observations based on mainly categorical variables. Then, to the groupings achieved, K-means is applied to the numerical variables, which allows the identified groups to be refined and the internal cohesion to be optimized. This sequential approach takes advantage of the strengths of both methods (Hierarchical clustering and k-means) and offers a detailed view of the clusters, facilitating the identification of atypical patterns that could indicate health system fraud. It provides a solid foundation for the detection of atypical behavior and maximizes the ability to identify potential prescription fraud by achieving an initial automatic ML procedure that is used to replicate and prioritize with other characterizations of the database.spa
dc.description.degreelevelMaestríaspa
dc.description.degreenameMagíster en Economía de la Saludspa
dc.description.orcidhttps://scienti.minciencias.gov.co/cvlac/visualizador/generarCurriculoCv.do?cod_rh=0001424174spa
dc.formatPDFspa
dc.format.mimetypeapplication/pdfspa
dc.identifier.instnameinstname:Pontificia Universidad Javerianaspa
dc.identifier.reponamereponame:Repositorio Institucional - Pontificia Universidad Javerianaspa
dc.identifier.repourlrepourl:https://repository.javeriana.edu.cospa
dc.identifier.urihttp://hdl.handle.net/10554/68281
dc.language.isospaspa
dc.publisherPontificia Universidad Javerianaspa
dc.publisher.facultyFacultad de Ciencias Económicas y Administrativasspa
dc.publisher.programMaestría en Economía de la Saludspa
dc.rights.accessrightsinfo:eu-repo/semantics/openAccessspa
dc.rights.coarhttp://purl.org/coar/access_right/c_abf2spa
dc.rights.licenceAtribución-NoComercial-SinDerivadas 4.0 Internacional*
dc.rights.localDe acuerdo con la naturaleza del uso concedido, la presente licencia parcial se otorga a título gratuito por el máximo tiempo legal colombiano, con el propósito de que en dicho lapso mi (nuestra) obra sea explotada en las condiciones aquí estipuladas y para los fines indicados, respetando siempre la titularidad de los derechos patrimoniales y morales correspondientes, de acuerdo con los usos honrados, de manera proporcional y justificada a la finalidad perseguida, sin ánimo de lucro ni de comercialización. De manera complementaria, garantizo (garantizamos) en mi (nuestra) calidad de estudiante (s) y por ende autor (es) exclusivo (s), que la Tesis o Trabajo de Grado en cuestión, es producto de mi (nuestra) plena autoría, de mi (nuestro) esfuerzo personal intelectual, como consecuencia de mi (nuestra) creación original particular y, por tanto, soy (somos) el (los) único (s) titular (es) de la misma. Además, aseguro (aseguramos) que no contiene citas, ni transcripciones de otras obras protegidas, por fuera de los límites autorizados por la ley, según los usos honrados, y en proporción a los fines previstos; ni tampoco contempla declaraciones difamatorias contra terceros; respetando el derecho a la imagen, intimidad, buen nombre y demás derechos constitucionales. Adicionalmente, manifiesto (manifestamos) que no se incluyeron expresiones contrarias al orden público ni a las buenas costumbres. En consecuencia, la responsabilidad directa en la elaboración, presentación, investigación y, en general, contenidos de la Tesis o Trabajo de Grado es de mí (nuestro) competencia exclusiva, eximiendo de toda responsabilidad a la Pontifica Universidad Javeriana por tales aspectos. Sin perjuicio de los usos y atribuciones otorgadas en virtud de este documento, continuaré (continuaremos) conservando los correspondientes derechos patrimoniales sin modificación o restricción alguna, puesto que, de acuerdo con la legislación colombiana aplicable, el presente es un acuerdo jurídico que en ningún caso conlleva la enajenación de los derechos patrimoniales derivados del régimen del Derecho de Autor. De conformidad con lo establecido en el artículo 30 de la Ley 23 de 1982 y el artículo 11 de la Decisión Andina 351 de 1993, "Los derechos morales sobre el trabajo son propiedad de los autores", los cuales son irrenunciables, imprescriptibles, inembargables e inalienables. En consecuencia, la Pontificia Universidad Javeriana está en la obligación de RESPETARLOS Y HACERLOS RESPETAR, para lo cual tomará las medidas correspondientes para garantizar su observancia.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-nd/4.0/*
dc.subjectDetección de fraude en saludspa
dc.subjectFallas del mercado en saludspa
dc.subjectAprendizaje automático aplicadospa
dc.subject.armarcMaestría en economía de la salud - Tesis y disertaciones académicasspa
dc.subject.armarcAprendizaje automático (Inteligencia artificial)spa
dc.subject.armarcMinería de datosspa
dc.subject.armarcSistemas de salud - Colombiaspa
dc.subject.armarcFraude - Prevención - Colombiaspa
dc.subject.keywordHealth fraud detectionspa
dc.subject.keywordHealth market failuresspa
dc.subject.keywordApplied machine learningspa
dc.titlePropuesta de analítica de patrones de prescripción y gasto en salud usando información de MIPRESspa
dc.title.englishProposal for analytics of prescription patterns and health expenditure using MIPRES informationspa
dc.type.coarhttp://purl.org/coar/resource_type/c_bdcc
dc.type.driverinfo:eu-repo/semantics/masterThesis
dc.type.hasversionhttp://purl.org/coar/version/c_ab4af688f83e57aa
dc.type.localTesis/Trabajo de grado - Monografía - Maestríaspa

Archivos

Bloque original
Mostrando 1 - 2 de 2
Miniatura
Nombre:
PROPUESTA DE ANALITICA DE PATRONES DE PRESCRIPCION Y GASTO EN SALUD USANDO INFORMACION DE MIPRES2.pdf
Tamaño:
2.13 MB
Formato:
Adobe Portable Document Format
Descripción:
Documento
Descargar
No hay miniatura disponible
Nombre:
CARTA AUTORIZACION.pdf
Tamaño:
572.73 KB
Formato:
Adobe Portable Document Format
Descripción:
Licencia de uso
Descargar
Bloque de licencias
Mostrando 1 - 1 de 1
No hay miniatura disponible
Nombre:
license.txt
Tamaño:
2.54 KB
Formato:
Item-specific license agreed upon to submission
Descripción:
Descargar

Colecciones

Maestría en Economía de la Salud