Un reciente estudio publicado en Scientific Reports ha utilizado datos reales del sistema de salud colombiano para desarrollar modelos predictivos que permitan clasificar el riesgo de mortalidad en adultos mayores de 80 años afiliados al régimen contributivo en cinco grandes ciudades del país. Este estudio, realizado por investigadores de instituciones como la Universidad Nacional de Colombia, Mayo Clinic, NYU Grossman School of Medicine y la Fundación Cardioinfantil-Instituto de Cardiología, busca identificar a las personas que podrían requerir una atención más prioritaria.
Para llevar a cabo la investigación, se utilizó la base de datos de Suficiencia, que recopila información sobre tecnologías y servicios de salud utilizados por los afiliados al régimen contributivo. Los datos correspondieron a los años 2018 y 2019 e incluyeron información sobre diagnósticos, medicamentos, procedimientos, hospitalizaciones, entre otros aspectos relevantes. En total, más de 300.000 adultos mayores fueron parte del análisis en las ciudades de Bogotá, Medellín, Cali, Barranquilla y Cartagena.
Los resultados del estudio mostraron que el modelo de XGBoost demostró el mejor desempeño, con un AUC de 0,89 para el horizonte de un año y de 0,918 para dos años. Se compararon diferentes modelos predictivos, como redes neuronales, autoencoders, regresión bayesiana y TabTransformer, evaluando indicadores como exactitud, F1, AUC y puntaje de Brier. Se observaron diferencias significativas entre los métodos y los horizontes analizados.
Los investigadores destacaron que los datos relacionados con diagnósticos, medicamentos y hospitalizaciones fueron los más predictivos en cuanto a la mortalidad en edades avanzadas. Sin embargo, también señalaron que los modelos no buscan establecer causas de mortalidad, sino identificar patrones que diferencien a las personas con mayor riesgo. Además, se advirtió sobre las limitaciones de los modelos, como el sesgo hacia la población del régimen contributivo y la falta de información detallada sobre variables clínicas y socioeconómicas.
En conclusión, este estudio abre nuevas posibilidades para el desarrollo de modelos de predicción de mortalidad en adultos mayores en países de ingresos medios, utilizando datos administrativos de atención en salud. Aunque el modelo de XGBoost mostró un buen rendimiento, se destaca la necesidad de seguir integrando diferentes fuentes de información y validar estas herramientas en distintas poblaciones antes de una implementación más amplia en entornos clínicos y de salud pública.
