Pronósticos de Demanda de Medicamentos para Enfermedades Cardiovasculares Crónicas Basadas en Cadenas de Markov

Resumen

En este trabajo proponemos y evaluamos modelos para predecir la demanda de fármacos cardiovasculares utilizando cadenas de Markov. Los modelos utilizan datos transaccionales de entrega de medicamentos a pacientes para identificar niveles de consumo. Estos niveles se consideran estados de la cadena de Markov. Se evaluaron cuatro configuraciones del modelo, que diferían en la naturaleza de llegada/salida de los pacientes al sistema y la inclusión de un estado inactivo. Los modelos fueron entrenados con 12 meses de datos reales y probados con un horizonte de cuatro meses. Además, los modelos se aplicaron secuencialmente a datos de consumo de Losartán de 18 meses, simulando así la implementación encadenada en un escenario real. Las previsiones del MAPE a dos meses vista oscilaron entre 3,92% y 5,55% en tres de los cuatro modelos evaluados. Además, nuestros resultados mostraron que las variaciones del nivel de consumo podrían modelarse utilizando cadenas de Markov y, en situaciones de bajos niveles de inventario, estas herramientas se pueden utilizar para priorizar a los pacientes con mayores niveles de consumo.