Modelo predictivo para riesgo de quiebra en el sector salud en Colombia para el periodo 2023
Loading...
Date
2024
Director
Journal Title
Journal ISSN
Volume Title
Publisher
Pontificia Universidad Javeriana Cali
Abstract
Este trabajo de investigación presenta un análisis exhaustivo sobre la predicción de riesgos de quiebra en el sector salud en Colombia, centrando la atención en la evaluación de la solvencia financiera de las Instituciones Prestadoras de Salud. Frente a un escenario de crecientes desafíos económicos y financieros, exacerbados por la pandemia de COVID-19 y la integración de poblaciones migrantes, el sector salud colombiano enfrenta una crisis de insolvencia que amenaza su estabilidad y continuidad. La investigación se fundamenta en un robusto conjunto de datos proporcionado por la Supersalud, abarcando información financiera de 1335 empresas hasta el año 2022, con un enfoque particular en aquellas en proceso de liquidación. Utilizando metodologías avanzadas de análisis, se evalúan y comparan tres modelos predictivos: Regresión Logística, Máquina de Vectores de Soporte (SVM) y Redes Neuronales. Cada modelo se sometió a un riguroso proceso de validación cruzada y se analizó mediante una serie de métricas de rendimiento, incluyendo precisión, sensibilidad y especificidad, para determinar su capacidad predictiva. Los resultados indican que, mientras cada modelo ofrece insights valiosos, ciertas técnicas proporcionan un mejor entendimiento y predicción de los riesgos financieros inminentes. Este estudio contribuye significativamente a la literatura existente al ofrecer una metodología replicable y un modelo predictivo optimizado que puede ser utilizado por los reguladores y administradores del sector salud para realizar intervenciones proactivas y fundamentadas. Asimismo, el análisis proporciona una base empírica para la formulación de políticas públicas que aspiren a fortalecer la resiliencia financiera del sistema de salud en Colombia.
Description
item.page.descriptioneng
The financial stability of the health sector in Colombia faces unprecedented challenges, exacerbated by socioeconomic and public health factors such as the COVID-19 pandemic and the growing migrant population. This study addresses the urgent need to predict insolvency in Health Service Entities (EPS) through the application of advanced predictive models. Utilizing data from Supersalud, which includes financial information from 1,335 companies up to 2022, three predictive models were evaluated: Logistic Regression, Support Vector Machine (SVM), and Neural Networks. Each model underwent rigorous cross-validation and was compared using performance metrics such as accuracy, sensitivity, and specificity. The results highlight the models' ability to identify early signs of financial risk, providing valuable tools for proactive decision-making. This study not only contributes to academic literature, offering a framework for future research, but also provides a critical resource for policymakers and health sector administrators in implementing strategies to ensure the continuity and effectiveness of medical care in Colombia
Keywords
Predicción de riesgos de quiebra, Sector salud en Colombia, Solvencia financiera, Instituciones Prestadoras de Salud (IPS), Desafíos económicos y financieros, Pandemia COVID-19, Poblaciones migrantes, Crisis de insolvencia, Supersalud, Bankruptcy risk prediction, Health sector in Colombia, Financial solvency, Health Providing Institutions (IPS), Economic and financial challenges, COVID-19 Pandemic, Migrant populations, Insolvency crisis