Este estudio desarrolló y validó un modelo predictivo de Machine Learning para anticipar la deserción de citas médicas en el Centro Nacional de Telemedicina (CENATE), donde este problema genera un significativo desperdicio de recursos. Tras analizar retrospectivamente más de 71,000 citas y entrenar múltiples algoritmos, se identificó que el modelo XGBoost presentó el mejor equilibrio global (F1-Score: 0.25; recall: 0.53), superando a otros como Random Forest y Regresión Logística. Si bien el modelo permite priorizar citas de alto riesgo, sus resultados confirman la dificultad de predecir este evento de baja prevalencia (7%) con datos principalmente administrativos, por lo que se concluye que para una futura implementación operativa es necesario enriquecer los predictores con variables clínicas o conductuales, calibrar los umbrales de decisión y optimizar las técnicas para e...

Objetivo: El objetivo del estudio fue desarrollar y validar una metodología para determinar la brecha de profesionales médicos en las IPRESS con población adscrita de la Red Prestacional Rebagliati de EsSalud, utilizando el perfil epidemiológico de la demanda de consulta externa. Método: Se empleó un diseño mixto, combinando análisis cuantitativo y cualitativo. La primera fase implicó la identificación del perfil epidemiológico de la demanda mediante el análisis de más de 1.9 millones de atenciones registradas entre julio de 2022 y junio de 2023. Posteriormente, se utilizó la técnica Delphi para obtener consenso entre expertos sobre el tipo de profesional médico requerido para atender las patologías más frecuentes. Finalmente, se estimaron las horas requeridas para cada servicio y se calculó la brecha de profesionales médicos según el tipo de atención y nivel de com...

Objetivo: Este estudio tuvo como objetivo evaluar las características sociodemográficas de los casos confirmados de dengue que acudieron a establecimientos de salud (IPRESS) de EsSalud durante los años 2023 y 2024, asimismo, evaluar los factores asociados a los desenlaces de hospitalización y muerte asociada a dengue en estos casos. Método: Se empleó un diseño de cohorte retrospectiva utilizando como fuente de datos el Sistema de Servicio de Salud Inteligente (ESSI) para historias clínicas digitales. Se seleccionaron a todas las personas a quienes se les solicitó una prueba diagnóstica para dengue en una IPRESS de EsSalud entre enero de 2023 y setiembre de 2024. Se registró su información sociodemográfica, el resultado de la prueba para dengue, los CIE-10 asociados (para calcular el Índice de Comorbilidad de Elixhauser) y se obtuvo la información sobre su estado vital (fal...