Digital-Twins

Gemelo digital operativo de red EPS–IPS: descripcion del modelo de simulacion

Objetivo general del modelo

Implementar un gemelo digital operativo de una red EPS–IPS que permita simular, de forma reproducible, la interaccion entre:

• La estructura territorial (urbanidad/ruralidad, poblacion, cobertura PyP).
• La oferta de servicios (capacidad instalada, calidad y costo por tipo de prestador).
• La demanda esperada y real por nivel de atencion (GP, ESP, PyP).
• La asignacion de pacientes a prestadores considerando accesibilidad, calidad y ocupacion.
• El impacto de intervenciones en PyP sobre carga de servicios, tiempos de viaje y costos.

El modelo se implementa en Python como un ejercicio de gemelo digital de red, orientado a explorar escenarios de politica (p. ej. fortalecimiento de PyP rural).

---

1. Definicion de territorios y ruralidad

Se construye un conjunto sintetico de territorios (T1–T6) con las siguientes variables:

• tipo_ruralidad: Urbano, Rural concentrado, Rural disperso.
• poblacion: tamano poblacional de cada territorio.
• cobertura_pyp: proporcion de la poblacion con actividades efectivas de promocion y prevencion.
• indice_ruralidad: indicador numerico (0 = urbano, 1 = rural concentrado, 2 = rural disperso) utilizado para ajustar tasas de uso y accesibilidad.

Estos territorios representan nodos geograficos sobre los cuales se modelan la demanda y la oferta.

---

2. Construccion de la red de prestadores

Para cada territorio se definen prestadores sinteticos con tres tipos de servicio:

• GP: atencion primaria.
• ESP: atencion especializada (no todos los territorios rurales cuentan con este nivel).
• PYP: actividades de promocion y prevencion.

Para cada prestador se parametriza:

• capacidad_mensual: calculada por 10 000 habitantes, ajustada por un factor de ruralidad.
• calidad: puntaje sintetico (entre 0 y 1) diferenciado por urbano/rural.
• costo_promedio: costo unitario por contacto segun tipo de servicio.

El resultado es una tabla de prestadores que conforma la red EPS–IPS simulada.

---

3. Matriz de tiempos de viaje

Se generan coordenadas ficticias para cada territorio y se construye una:

• Matriz de tiempos de viaje entre territorios, basada en distancia euclidiana ajustada por factor de ruralidad
  (tiempos mayores en rural concentrado y disperso).

Esta matriz se usa como proxy de accesibilidad geografica en la asignacion de pacientes.

---

4. Generacion de demanda mensual y rutas de atencion

Se modela la demanda esperada mensual por territorio, servicio y ruta:

• GP: demanda directa, ajustada por ruralidad y cobertura PyP (PyP incrementa levemente la pesquisa en primaria).
• PYP: demanda como “contactos faltantes” (1 − cobertura_pyp).
• ESP:
  • Demanda directa: consultas que acceden directamente a especializada, reducida por mayor cobertura PyP.
  • Demanda referida: proporcion de la demanda de GP que se refiere a ESP, ajustada por la calidad del prestador de GP local.

La demanda real se simula con una distribucion Poisson a partir de la demanda esperada.

---

5. Asignacion de demanda a prestadores y calculo de costos

Para cada paciente simulado se selecciona un prestador candidato segun el tipo de servicio y se calcula un score de asignacion que combina:

• Tiempo de viaje normalizado (desde el territorio de origen).
• (1 − calidad) del prestador.
• Nivel de ocupacion relativa (ocupacion/capacidad).

Se elige el prestador con menor score:

• Si el prestador tiene capacidad disponible, se registra una atencion con su costo promedio.
• Si no hay capacidad, se asigna a un estado SIN_CAPACIDAD con un costo de oportunidad predefinido.

Se generan asi registros individuales con:

• Territorio de origen y destino.
• Servicio y ruta (directa/referida).
• Tiempo de viaje.
• Costo de atencion.
• Indicador de falta de capacidad.

---

6. Simulacion de escenarios mensuales

Se define una funcion de simulacion que:

1. Genera la demanda mensual.

2. Asigna pacientes a la red de prestadores.

3. Calcula indicadores de resumen:

   • Total de pacientes simulados.
   • Numero y porcentaje sin capacidad.
   • Tiempo promedio de viaje de los atendidos.
   • Costo total de la simulacion.
   • Desagregacion por tipo de ruralidad (pacientes, sin capacidad, tiempo promedio y costo total).

Se ejecutan dos escenarios:

• Escenario Base: con las coberturas PyP originales.
• Escenario PyP rural +30%: se incrementa la cobertura PyP en territorios rurales y rurales dispersos hasta un maximo de 0,9.

---

7. Comparacion de escenarios y visualizacion

Finalmente se construyen:

• Tablas comparativas globales: total de pacientes, porcentaje sin capacidad, tiempo promedio y costo total (en millones) por escenario.
• Tablas por ruralidad: pacientes, cambios en volumen, cambios en tiempos de viaje y cambios en costos entre Base vs PyP+30 %.
• Graficos:
  • Barra de costo total por escenario.
  • Barras de pacientes por tipo de ruralidad (Base vs PyP+30 %).
  • Lineas de tiempo promedio de viaje por ruralidad en ambos escenarios.

Estos resultados permiten ilustrar, de manera sintetica, el uso del modelo como gemelo digital de red de prestadores, mostrando el efecto potencial de fortalecer PyP en zonas rurales sobre:

• la carga de servicios,
• los tiempos de acceso,
• y el comportamiento economico simulado del sistema.

---

Notas metodologicas

• El modelo se basa en supuestos sinteticos y parametros ajustables, con demanda modelada via distribucion Poisson.
• No incorpora aun simulacion de eventos discretos ni teoria de colas formal, por lo que el foco principal es comparar escenarios, mas que estimar valores absolutos.
• El codigo es totalmente reproducible y extensible a datos reales (REPS, RIPS, MIPRES) para calibracion y validacion futura.