El problema El valor de un paciente no es lo que ya te dejó, sino lo que le queda por dejarte: las revisiones, los tratamientos futuros, los que trae por recomendación. Atiendes como prioritario al que más reclamó una vez y descuidas al que, en silencio, sostendrá tu agenda durante años. Sin medirlo, repartes el trato sin criterio.
Por qué ocurre Lo que aportó cada paciente está en la facturación; lo que le queda por aportar, no — eso debe proyectarse a partir de su patrón: frecuencia de visita, tipo de tratamiento, tiempo desde la última. Ese cálculo, paciente a paciente y orientado al futuro en lugar del pasado, excede a una hoja ordenada por total histórico, que premia al que ya fue y no al que será.
Cómo se resuelve A partir de tu histórico se proyecta el valor de vida de cada paciente — lo que se espera que aporte en adelante, no lo que ya aportó — según su patrón de visita y tratamiento. La cartera se ordena por ese número, y la atención, el seguimiento y el tiempo se concentran en quien lo justifica a largo plazo.
El algoritmo Valor de vida del paciente (CLV) proyectado, con modelos de visita repetida (BG/NBD + Gamma-Gamma; lifetimes).
Qué requiere Tu histórico de visitas y facturación con fecha, paciente e importe · con eso basta para proyectar; si conoces el coste de servir a cada uno, también resulta quién te cuesta dinero.
Lo que está en juego El retorno reside en dejar de repartir el esfuerzo de forma uniforme: el seguimiento y la atención que hoy distribuyes por igual se concentran donde rinden, y dejas de tratar igual al paciente que sostendrá tu agenda durante años y al que apenas vuelve. Es la misma idea que Kaiser Permanente aplicó leyendo su propia historia clínica para segmentar a sus pacientes por lo que cada grupo necesitaría en adelante, y dirigir a cada uno la atención que le corresponde en lugar de la misma para todos. El número concreto para tu clínica lo da el diagnóstico sobre tu propio histórico.
Caso real Kaiser Permanente leyó el historial clínico de 91.113 pacientes mayores de 65 años y los segmentó en cuatro grupos según lo que cada uno iba a necesitar — del paciente robusto al que se acerca al final de su vida — para concentrar el seguimiento donde más rinde en lugar de tratar a todos igual. La segmentación coincidió con el juicio del médico en el 85% de los casos.
Zhou, Wong & Li, The Permanente Journal (2014), Senior Segmentation Algorithm · fuente