UPC, ajuste de riesgo y morbilidad en Colombia¶

Este capítulo desarrolla una propuesta técnica para incorporar morbilidad en el análisis de suficiencia de la Unidad de Pago por Capitación (UPC) y en la gestión actuarial del riesgo en salud en Colombia. El objetivo no es sustituir el marco regulatorio vigente ni proponer una fórmula oficial, sino definir una arquitectura actuarial defendible para medir diferencias de riesgo clínico entre poblaciones, EPS, regiones, cohortes y periodos.

En el SGSSS, una UPC que dependa principalmente de variables demográficas, geográficas o administrativas puede ser insuficiente para poblaciones con mayor carga de enfermedad crónica, multimorbilidad o alto costo. La consecuencia técnica es directa: dos poblaciones con edad y sexo similares pueden tener costos esperados muy distintos si difieren en diabetes, enfermedad renal crónica, cáncer, VIH, salud mental, enfermedades huérfanas, discapacidad, polifarmacia o historia reciente de uso hospitalario.

El ajuste por morbilidad busca corregir esa limitación. Su propósito actuarial es estimar recursos esperados con base en el estado de salud observable, no solamente con base en edad, sexo o zona. Para reserving, este enfoque también mejora la interpretación de desviaciones: permite separar lo que corresponde a desarrollo de siniestros, inflación médica, cambios operativos y deterioro real del perfil clínico.

Nota técnica: cualquier uso regulatorio de este capítulo debe contrastarse contra la normativa colombiana vigente, los lineamientos de Minsalud, ADRES, Superintendencia Nacional de Salud y las reglas aplicables a RIPS, FEV, PBS, MIPRES, presupuestos máximos y Cuenta de Alto Costo.

Objetivos de aprendizaje¶

Al terminar este capítulo, el lector debería poder:

Explicar por qué la morbilidad es una variable crítica para la suficiencia de la UPC.
Diferenciar ajuste demográfico, ajuste clínico, ajuste farmacéutico y compensación ex post.
Diseñar un modelo mínimo viable de ajuste de riesgo para Colombia.
Identificar fuentes de datos relevantes: afiliación, RIPS, diagnósticos, procedimientos, medicamentos, MIPRES, PBS, FEV, pagos y Cuenta de Alto Costo.
Definir controles para evitar incentivos perversos, sobrecodificación y selección de riesgos.
Conectar el ajuste de riesgo con reservas IBNR, presupuestos prospectivos y monitoreo de suficiencia.

1. Problema actuarial¶

El problema central es que la transferencia capitada debe financiar un gasto esperado que no se distribuye homogéneamente entre afiliados. La prima promedio puede ser suficiente para una población estándar y simultáneamente insuficiente para una EPS con alta concentración de enfermedad crónica o eventos catastróficos.

La forma simplificada del problema es:

\[ E[C_i \mid X_i] \neq E[C_i \mid \text{edad}_i, \text{sexo}_i, \text{zona}_i] \]

donde:

\(C_i\) es el costo esperado del afiliado \(i\);
\(X_i\) incluye edad, sexo, zona, régimen, morbilidad, diagnósticos, medicamentos, uso histórico, prestador, contrato y condiciones de alto costo;
el modelo demográfico aproxima solo una parte del riesgo;
el modelo clínico busca capturar diferencias adicionales en necesidad esperada de recursos.

Cuando el pago capitado ignora morbilidad, aparecen tres problemas:

Problema	Efecto técnico	Efecto operativo
Subcompensación de poblaciones enfermas	Déficit esperado persistente	Presión de liquidez, glosas, demora en pagos
Sobrecompensación de poblaciones sanas	Margen no explicado por eficiencia	Incentivo a selección de riesgos
Señales de reserva distorsionadas	IBNR contaminado por insuficiencia tarifaria	Dificultad para separar reserva, tendencia y tarifa

Un modelo de ajuste de riesgo no elimina la incertidumbre, pero mejora la asignación esperada de recursos y permite interpretar la experiencia con mayor rigor.

2. Qué significa ajustar la UPC por morbilidad¶

Ajustar por morbilidad significa calcular factores relativos de riesgo a partir de información clínica y de utilización. En lugar de tratar a todos los afiliados de un grupo demográfico como equivalentes, el modelo estima un puntaje de riesgo individual o grupal.

Un esquema general puede expresarse como:

\[ \text{UPC ajustada}_{i,t+1} = \text{UPC base}_{g(i),t+1} \times \text{factor de riesgo}_{i,t} \times \text{ajustes técnicos}_{i,t} \]

donde:

\(\text{UPC base}_{g(i),t+1}\) es la UPC base para el grupo demográfico o normativo;
\(\text{factor de riesgo}_{i,t}\) resume la carga clínica observada en el periodo base;
\(\text{ajustes técnicos}_{i,t}\) pueden incluir región, régimen, dispersión geográfica, redes, alta complejidad, inflación médica esperada o factores de transición.

El ajuste puede ser:

Tipo de ajuste	Variables típicas	Uso principal
Demográfico	Edad, sexo, zona	Base mínima de tarifación
Clínico diagnóstico	CIE-10, grupos de condición, comorbilidades	Morbilidad prospectiva
Farmacéutico	ATC, medicamentos crónicos, terapias de alto costo	Marcadores de enfermedad y adherencia
Uso histórico	Hospitalización, urgencias, UCI, alto costo	Severidad y persistencia
Socioeconómico o territorial	Ruralidad, dispersión, vulnerabilidad	Acceso y necesidad esperada
Ex post	Cuenta de Alto Costo, reaseguro, corredores	Riesgo extremo o parcialmente mutualizado

El punto crítico es que el modelo debe distinguir necesidad esperada de recursos de ineficiencia, precio, fraude, glosa o diferencias contractuales. Si el ajuste remunera directamente costos observados sin controles, puede premiar ineficiencias.

3. Relación con estándares actuariales¶

ASOP No. 45, sobre metodologías de ajuste de riesgo basadas en estado de salud, establece una idea central: los modelos de ajuste de riesgo se usan para cuantificar diferencias relativas de uso esperado de recursos por diferencias en estado de salud. También enfatiza que el actuario debe considerar uso previsto, versión del modelo, impacto en incentivos, calidad de datos, población, periodo de estimación, recalibración y comunicación de limitaciones.

Aplicado a Colombia, esto implica que un modelo de UPC ajustada por morbilidad no debe evaluarse solo por su \(R^2\), AUC o error predictivo. Debe evaluarse por:

finalidad: suficiencia UPC, compensación entre EPS, monitoreo de riesgo o reserving;
datos disponibles y su calidad;
estabilidad interanual;
susceptibilidad a codificación oportunista;
equidad entre poblaciones;
transparencia para auditoría;
coherencia con incentivos de prevención y gestión clínica;
capacidad de recalibración periódica.

Un modelo técnicamente preciso pero débil en gobierno puede producir mejores predicciones y peores incentivos. En salud pública, la robustez institucional es parte del diseño actuarial.

4. Fuentes de datos para Colombia¶

Un modelo mínimo viable no requiere empezar con una historia clínica perfecta. Puede iniciar con datos administrativos y clínicos disponibles, siempre que se documenten limitaciones y se construyan controles.

Fuente	Variables útiles	Riesgos de calidad
BDUA / afiliación	Edad, sexo, régimen, municipio, permanencia	Traslados, duplicidades, rezagos
RIPS	Diagnósticos, procedimientos, fechas, prestador	Codificación inconsistente, subregistro
FEV / facturación electrónica	Valor facturado, validación, identificación de evento	Rechazos, cambios de regla, oportunidad
Pagos y cuentas médicas	Valor reconocido, pagado, glosado, pendiente	Mezcla de costo médico y proceso operativo
PBS / medicamentos UPC	Uso farmacéutico cubierto	Sustitución terapéutica, adherencia no observada
MIPRES / No UPC	Tecnologías no financiadas por UPC, alto costo	Alta severidad, baja frecuencia, rezagos
Cuenta de Alto Costo	Cohortes de cáncer, VIH, ERC y otras condiciones	Cobertura parcial del espectro clínico
Autorizaciones	Servicios esperados aún no facturados	Cancelaciones, autorizaciones no usadas
Prestadores y contratos	Modalidad de pago, red, tarifa, capitación	Diferencias de precio vs necesidad

La prioridad inicial debe ser construir una vista longitudinal por afiliado, con una ventana de observación clínica y una ventana de predicción de costo. Sin esa separación temporal, el modelo puede incurrir en leakage.

5. Ventanas temporales¶

Para un modelo prospectivo, la estructura básica es:

Elemento	Ejemplo
Periodo de observación	Diagnósticos, medicamentos y uso durante 2025
Periodo de predicción	Costo esperado durante 2026
Unidad de análisis	Afiliado-mes o afiliado-año
Target	Costo reconocido, permitido, pagado o gasto técnico depurado
Exposición	Meses de afiliación, cobertura efectiva, días persona

Esta separación es esencial. Un diagnóstico registrado en el mismo evento que genera el costo puede ser útil para medir severidad histórica, pero no necesariamente para calcular un pago prospectivo si se observa después de causado el gasto.

Una versión concurrente puede ser útil para auditoría, medición retrospectiva de morbilidad o análisis de suficiencia histórica. Una versión prospectiva es más adecuada para asignación de recursos futuros.

6. Variables clínicas y agrupadores¶

El modelo puede usar variables clínicas de tres formas:

Indicadores directos de diagnósticos CIE-10.
Agrupadores clínicos: HCC, CRG, ACG, DxCG o agrupadores locales.
Marcadores derivados: multimorbilidad, severidad, recurrencia, persistencia y polifarmacia.

Un enfoque pragmático para Colombia puede iniciar con agrupadores propios mientras se evalúa la adopción o adaptación de modelos internacionales.

Dimensión	Ejemplos
Enfermedad crónica	Diabetes, hipertensión, EPOC, falla cardiaca
Alto costo	Cáncer, ERC, VIH, trasplantes, enfermedades huérfanas
Salud mental	Depresión severa, trastornos por consumo, esquizofrenia
Materno perinatal	Gestación de alto riesgo, neonatal intensivo
Complejidad hospitalaria	UCI, cirugía mayor, reingreso
Farmacia	Insulina, antirretrovirales, biológicos, oncológicos
Utilización	Urgencias frecuentes, hospitalizaciones, terapias recurrentes
Multimorbilidad	Número y combinación de condiciones

El diseño debe evitar variables que capturen precios negociados o comportamiento administrativo de una EPS si el objetivo es compensar riesgo de salud. Por ejemplo, usar directamente el costo pagado histórico puede mezclar morbilidad, tarifa, oportunidad de pago, glosa e ineficiencia.

7. Target actuarial¶

La selección del target define el modelo. No es lo mismo predecir:

costo facturado;
costo reconocido;
costo pagado;
costo incurrido técnico;
costo cubierto por UPC;
costo total PBS + No UPC;
probabilidad de alto costo;
tasa de uso de servicios;
reserva esperada por cohorte.

Para suficiencia de UPC, el target debe aproximar el costo técnico esperado de los servicios financiados por UPC, depurado de diferencias puramente administrativas. Para análisis integral del SGSSS, conviene construir targets separados:

Target	Uso
Costo UPC	Suficiencia de prima capitada
Costo No UPC / MIPRES	Presupuestos máximos y riesgo extremo
Alto costo CAC	Mutualización y compensación ex post
Costo total afiliado	Planeación macro y solvencia
IBNR por cohorte clínica	Reservas y liquidez

Separar targets evita que un único modelo trate como homogéneos riesgos con mecanismos de financiación distintos.

8. Modelo mínimo viable¶

Un primer piloto puede implementarse con un GLM de costo anual o mensual por afiliado. El objetivo no es maximizar complejidad, sino crear una línea base transparente.

Forma general:

\[ E[C_i] = \exp( \beta_0 + \beta_1 \text{edad}_i + \beta_2 \text{sexo}_i + \beta_3 \text{zona}_i + \beta_4 \text{régimen}_i + \sum_k \gamma_k \text{condición}_{ik} + \sum_j \delta_j \text{medicamento}_{ij} ) \]

Distribuciones candidatas:

Distribución	Uso
Poisson / Negativa binomial	Frecuencia de servicios
Gamma con enlace log	Costo positivo continuo
Tweedie	Masa en cero + costo positivo
Lognormal	Costos severos con cola derecha
Dos partes / hurdle	Probabilidad de uso + severidad condicional

La línea base recomendada es comparar al menos tres modelos:

Modelo	Propósito
Demográfico puro	Medir el punto de partida
Demográfico + diagnósticos	Cuantificar valor incremental de morbilidad
Demográfico + diagnósticos + farmacia + uso	Medir mejora con señales clínicas y de utilización

La evaluación debe mostrar la ganancia incremental por bloque de variables. Si los diagnósticos mejoran desempeño pero introducen inestabilidad o sesgo de codificación, el resultado debe documentarse.

9. Métricas de validación¶

La validación debe combinar desempeño predictivo, estabilidad y equidad.

Métrica	Pregunta que responde
MAE / RMSE	¿Qué tan grande es el error individual?
Error por decil de riesgo	¿El modelo subestima grupos de alto costo?
Ratio observado / esperado	¿La compensación es suficiente por grupo?
Lift top 1%, 5%, 10%	¿Identifica concentración de gasto?
Estabilidad de coeficientes	¿El modelo cambia demasiado entre años?
Calibración por EPS / región	¿Hay sesgos sistemáticos?
Backtesting prospectivo	¿Funciona en periodos no usados para entrenar?
Sensibilidad a codificación	¿Se puede manipular con más diagnósticos?

Una regla práctica es que el modelo debe evaluarse a nivel individual y agregado. En ajuste de riesgo, el error individual puede ser alto por naturaleza, pero el modelo debe producir compensaciones razonables para grupos, EPS, cohortes clínicas y regiones.

10. De puntaje individual a transferencia poblacional¶

El modelo produce un puntaje de riesgo individual:

\[ RS_i = \frac{\widehat{C}_i}{\overline{C}} \]

Luego se agregan los puntajes:

\[ RS_G = \frac{\sum_{i \in G} w_i RS_i}{\sum_{i \in G} w_i} \]

donde \(w_i\) representa exposición, meses afiliado o ponderadores definidos por el esquema.

La transferencia ajustada para una EPS o grupo puede calcularse como:

\[ \text{Transferencia}_G = \text{UPC base}_G \times RS_G \times \text{factor de normalización} \]

El factor de normalización evita que el ajuste incremente automáticamente el gasto total del sistema si el objetivo es redistribuir recursos dentro de un presupuesto cerrado. Si el objetivo es estimar suficiencia real, el modelo debe permitir detectar déficit agregado.

11. Riesgos de incentivos¶

El ajuste por morbilidad cambia incentivos. Eso es inevitable. El diseño debe anticiparlo.

Riesgo	Descripción	Control
Upcoding	Mayor intensidad de codificación sin mayor enfermedad real	Auditoría clínica, reglas de persistencia, validación cruzada
Diagnósticos oportunistas	Códigos usados para elevar puntaje	Jerarquías clínicas, exclusión de códigos débiles
Selección residual	Preferencia por afiliados subcompensados favorablemente	Monitoreo de traslados y composición
Penalización de prevención	Si mejorar salud reduce pagos futuros	Ajustes de transición e indicadores de calidad
Doble pago	UPC + compensación ex post para mismo riesgo	Coordinación con CAC, MIPRES y presupuestos máximos
Ineficiencia remunerada	Costos altos por mala gestión parecen alto riesgo	Depuración de precio, red y patrón operativo

Un buen modelo no debe pagar más simplemente porque una entidad factura más. Debe pagar más cuando la población tiene mayor necesidad esperada de recursos, con evidencia clínica verificable.

12. Conexión con reserving¶

El ajuste de riesgo por morbilidad mejora el reserving en cuatro niveles.

Primero, permite segmentar triángulos por carga clínica. Una cohorte con alta morbilidad puede tener patrones de desarrollo distintos, mayor severidad y mayor probabilidad de reclamaciones tardías.

Segundo, permite construir expected loss ratios más defendibles para Bornhuetter-Ferguson. En lugar de usar una razón esperada plana, se puede usar una razón esperada ajustada por perfil clínico.

Tercero, mejora la explicación de desviaciones. Si una EPS muestra incremento de IBNR, el analista puede separar:

cambio en rezago de radicación;
cambio en glosas o pagos;
inflación médica;
cambio en mezcla de servicios;
deterioro de morbilidad;
insuficiencia de UPC.

Cuarto, permite diseñar alertas tempranas. Un aumento de puntaje de riesgo en afiliados activos puede anticipar presión futura en pagos, autorizaciones y reservas.

13. Arquitectura analítica recomendada¶

Una arquitectura mínima para piloto debe tener las siguientes capas:

Capa	Función
Ingesta	Afiliación, RIPS, FEV, pagos, MIPRES, medicamentos
Normalización	Identificadores, fechas, codificación, deduplicación
Agrupación clínica	Condiciones, jerarquías, severidad, multimorbilidad
Feature store	Variables por afiliado-mes o afiliado-año
Modelo	GLM/GAM como base, boosting como challenger
Validación	Backtesting, calibración, estabilidad, sesgo
Reporting	O/E, deciles de riesgo, suficiencia, alertas
Gobierno	Versiones, auditoría, documentación, aprobación

La unidad recomendada para empezar es afiliado-mes. Permite manejar entradas, retiros, traslados, mortalidad, cambios de EPS y exposición parcial.

14. Diseño de piloto¶

Un piloto defendible puede estructurarse así:

Fase	Actividad	Salida
1	Definir población, periodo y cobertura	Marco de análisis
2	Reconciliar afiliación, pagos y servicios	Base analítica
3	Crear agrupadores clínicos iniciales	Matriz de morbilidad
4	Entrenar modelo demográfico base	Benchmark
5	Agregar diagnósticos y medicamentos	Modelo clínico
6	Validar out-of-time	Métricas prospectivas
7	Calcular O/E por EPS, región y cohorte	Diagnóstico de suficiencia
8	Simular transferencias	Impacto financiero
9	Revisar incentivos y controles	Informe de gobierno
10	Documentar limitaciones	Nota técnica

El piloto no debe iniciar con transferencia real de recursos. Primero debe operar como shadow model: calcula resultados paralelos sin afectar pagos, mide estabilidad y permite depurar datos.

15. Modelo challenger con machine learning¶

Después del GLM base, puede evaluarse un modelo challenger con GAM, gradient boosting o redes neuronales. El challenger puede capturar interacciones no lineales entre edad, diagnóstico, medicamentos, región y trayectoria de uso.

Sin embargo, para uso regulatorio o cuasi-regulatorio, el challenger debe cumplir requisitos adicionales:

explicación global y local;
estabilidad temporal;
capacidad de documentación;
ausencia de variables prohibidas o problemáticas;
sensibilidad controlada a codificación;
replicabilidad por terceros autorizados;
comparación transparente contra GLM.

Una práctica razonable es usar ML para detección, segmentación y validación complementaria, mientras el primer esquema de transferencia se basa en un modelo más interpretable.

16. Indicadores de tablero¶

El monitoreo de UPC ajustada por morbilidad debe incluir indicadores ejecutivos y técnicos.

Indicador	Definición	Uso
Risk score promedio	Promedio ponderado de puntajes	Perfil de morbilidad
O/E total	Costo observado / esperado	Calibración agregada
O/E alto riesgo	O/E en deciles superiores	Subestimación de cola
Costo por condición	Costo PMPM por grupo clínico	Gestión clínica
Prevalencia ajustada	Casos por exposición	Tendencia epidemiológica
Persistencia crónica	Condición presente en varios periodos	Riesgo estructural
Costo No UPC asociado	Gasto MIPRES por condición	Fragmentación financiera
IBNR por score	Reserva por decil de riesgo	Reserving clínico
Glosa por condición	Glosa / facturado por grupo	Calidad de cuenta médica
Traslados por riesgo	Entradas/salidas por score	Selección residual

Estos indicadores permiten evaluar simultáneamente suficiencia, morbilidad, operación y riesgo financiero.

17. Consideraciones de equidad¶

El ajuste por morbilidad debe mejorar equidad financiera sin crear discriminación indebida. La pregunta técnica no es solo quién cuesta más, sino por qué y cómo debe financiarse.

Variables como pobreza, ruralidad, etnia, discapacidad o vulnerabilidad territorial pueden capturar necesidades reales de acceso, pero también pueden introducir riesgos éticos y legales si se usan sin diseño cuidadoso. En un sistema público o solidario, estas variables deben tratarse como factores de equidad y acceso, no como mecanismos de exclusión.

Un diseño responsable debe:

prohibir uso para negar afiliación o restringir acceso;
usar el score para financiar necesidad, no para seleccionar población;
auditar impactos por región y grupo vulnerable;
documentar variables sensibles;
separar predicción de decisión;
incluir indicadores de calidad y oportunidad, no solo costo.

18. Conexión con Cuenta de Alto Costo y MIPRES¶

La UPC ajustada por morbilidad no debe confundirse con mecanismos ex post de alto costo. Ambos pueden coexistir.

Mecanismo	Función
UPC ajustada por morbilidad	Financiar riesgo esperado prospectivo
Cuenta de Alto Costo	Mutualizar y monitorear condiciones específicas de alta carga
MIPRES / presupuestos máximos	Financiar tecnologías y servicios no cubiertos por UPC
Reaseguro o corredores	Limitar volatilidad extrema

El riesgo técnico es el doble conteo. Si una condición ya está compensada vía score prospectivo y también vía mecanismo ex post, el diseño debe definir qué parte se financia por cada canal.

Una alternativa es usar capas:

UPC base demográfica.
Ajuste prospectivo por morbilidad común y crónica.
Compensación específica para alto costo extremo.
Corredores de riesgo para eventos excepcionales.

19. Limitaciones¶

Un modelo colombiano de ajuste por morbilidad enfrentará limitaciones iniciales:

calidad heterogénea de diagnósticos;
cambios en reglas de reporte;
rezagos de facturación;
glosas y disputas que distorsionan costo observado;
diferencias tarifarias entre redes;
subregistro de condiciones crónicas;
selección residual no observable;
eventos de alto costo con baja frecuencia;
cambios regulatorios que rompen comparabilidad histórica.

Estas limitaciones no impiden construir el modelo. Exigen que el modelo se implemente gradualmente, con validación continua y con uso inicial analítico antes de uso financiero vinculante.

20. Recomendación metodológica¶

La ruta más defendible para Colombia es progresiva:

Mantener el modelo demográfico como benchmark.
Construir una matriz longitudinal afiliado-mes.
Crear agrupadores clínicos iniciales a partir de RIPS, medicamentos y alto costo.
Estimar GLM/GAM prospectivos para costo UPC.
Evaluar modelos challenger con boosting para detectar no linealidades.
Validar por año, EPS, región, régimen, condición y decil de riesgo.
Implementar shadow model sin transferencias reales.
Usar resultados para diagnóstico de suficiencia y diseño de pilotos.
Incorporar controles de auditoría clínica y codificación.
Definir una política explícita para CAC, MIPRES y No UPC.

El objetivo final no es producir un score perfecto. El objetivo es pasar de una compensación parcialmente ciega a la morbilidad hacia una asignación técnicamente trazable, auditable y coherente con la necesidad esperada de recursos.

21. Checklist operativo¶

Antes de usar un modelo de morbilidad para suficiencia UPC o reserving, debe verificarse:

¿La población y exposición están reconciliadas?
¿El periodo de observación está separado del periodo de predicción?
¿El target corresponde al uso financiero previsto?
¿Los diagnósticos tienen reglas de persistencia y severidad?
¿Los medicamentos se usan como marcadores clínicos y no solo como costo?
¿Se controlan tarifas, glosas y diferencias operativas?
¿Existe comparación contra modelo demográfico base?
¿El modelo fue validado fuera de muestra y fuera de tiempo?
¿Hay métricas por EPS, región, régimen y decil de riesgo?
¿Se evaluó riesgo de upcoding?
¿Se documentaron variables excluidas?
¿Hay versión, bitácora y aprobación técnica?
¿El resultado se conecta con reservas, presupuesto y solvencia?

22. Conclusión¶

La UPC ajustada por morbilidad es una evolución técnica necesaria para medir suficiencia con mayor precisión en un sistema con envejecimiento, cronicidad, alto costo y fragmentación financiera. Para Colombia, la prioridad no debería ser adoptar de inmediato un modelo internacional sin adaptación, sino construir una arquitectura local con estándares actuariales: datos longitudinales, agrupadores clínicos, modelo base interpretable, validación rigurosa, controles de incentivos y gobierno transparente.

La morbilidad no reemplaza el juicio actuarial. Lo estructura. Permite explicar mejor por qué una población requiere más recursos, dónde se concentra el riesgo y cómo se conectan la UPC, las reservas, la Cuenta de Alto Costo, MIPRES y la sostenibilidad financiera del SGSSS.

Fuentes de trabajo del proyecto¶

ASOP No. 45, The Use of Health Status Based Risk Adjustment Methodologies.
ASOP No. 12, Risk Classification, como referencia conceptual asociada.
gemini-deep-research-report.md, secciones sobre UPC, ajuste de riesgo, RIPS-FEV, brechas y recomendaciones para Colombia.
chatgpt-deep-research-report.md, secciones sobre ajuste de riesgo, modelos HCC/ACG/CRG/DxCG, SGSSS, RIPS, MIPRES y recomendaciones.

Próximo capítulo¶

➡️ Colombia High-Cost Conditions and Risk Pooling