Análisis de aprendizaje automático de compras consolidadas: un estudio de caso sobre las tendencias de precios de medicamentos antirretrovirales en México en 2019

Este trabajo examina las tendencias en los precios de medicamentos antirretrovirales y su impac-to en la salud pública, centrándose en el contexto mexicano en 2019. Por medio de técnicas de aprendizaje automático, el estudio analiza las fluctuaciones en los precios de los medicamentos antirretrovirales, con base en un conjunto de datos que comprende 15,220 observaciones de medicamentos antirretrovirales (ARV) adquiridos entre 2016 y 2019, con énfasis particular en el año 2019. Los resultados indican que los “bosques aleatorios” demostraron la mayor precisión en la predicción de cambios de precios, seguidos por K-Nearest Neighbors o KNN (algoritmo de k vecinos más próximos) y la regresión logística. Se identificaron factores significativos que afectan los precios de adquisición, como el tipo de medicamento y la duración de la estrategia de adqui-sición. Además, el estudio profundiza en las consideraciones presupuestarias, evaluando las im-plicaciones financieras de estas fluctuaciones de precios. Estos hallazgos destacan la efectividad de iniciativas como los enfoques de adquisición consolidada y la integración de medicamentos más nuevos y rentables en los protocolos de tratamiento, lo que conduce a ahorros significativos y mejor acceso para las personas que viven con VIH/sida. Es importante destacar que este artículo se centra en analizar un esquema específico de adquisición de medicamentos antirretrovirales. Los estudios futuros ampliarán este análisis para abarcar un espectro más amplio de esquemas de adquisición de medicamentos, proporcionando así una comprensión más completa de la di-námica de fijación de precios y sus implicaciones para la salud pública. Además, la investigación en curso perfeccionará la metodología e integrará fuentes de datos adicionales para mejorar la precisión y profundidad del análisis.