alcohol gel, camillas y mascarillas
TRANSCRIPT
1
…………………………………………………………………………………………………………………………………………………………………………… ………………………………………………………………………….
Análisis de precios de insumos médicos
Alcohol Gel, Camillas y Mascarillas
- 31 .0 7 .2020 -
…………………………………………………………………………………………………………………………………………………………………………… ……………………………………………………………………………..
Por: Sergio Lucero
Científico de Datos
Observatorio del Gasto Fiscal
sergio @ quant .cl
2
Tabla de contenido
Contexto ........................................................................................................................................ 3
Procesamiento de datos ............................................................................................................. 4
Segmentación ............................................................................................................................... 7
Resumen Tubería de Datos ....................................................................................................... 8
Anomalías Detectadas ................................................................................................................ 9
Conclusiones y Sugerencias .................................................................................................... 11
Referencias ................................................................................................................................. 12
3
Contexto
En el contexto de la crisis sanitaria mundial provocada por la enfermedad COVID-19, el sector
Salud del Estado se ha visto sometido a una dura presión por realizar compras contra el tiempo,
lo que a priori, nos indicaría que los precios podrían haber sufrido también importantes cambios.
Si bien la alerta sanitaria fue declarada el 05 de enero de este año y entró en vigencia el 08 de
febrero con la publicación del decreto en el Diario Oficial1, las reales implicancias de la pandemia
se pudieron apreciar cuando la situación escaló a Europa a finales de ese mismo mes.
Frente a este escenario el Observatorio del Gasto Fiscal estimó necesario realizar una serie de
análisis sobre el comportamiento de las compras por parte del sector Salud. Este documento se
enfoca en el comportamiento de los precios de tres categorías de productos: camillas, alcohol
gel y mascarillas. Estos tres productos fueron elegidos por su importancia inicial para enfrentar
la pandemia, y pensando en la masividad de la demanda versus la limitada oferta de cada
producto. Dada la emergencia sanitaria, la licitación prácticamente queda descartada como una
opción, debido a lo largo de su proceso de tramitación; en este contexto la competencia por
precio no es posible. Por lo demás, estas son transacciones de insumos que no caen bajo la
definición de commodity, por lo que se trata de un ejemplo perfecto de un mercado desregulado.
En este contexto se profundizó en las categorías señaladas, estableciendo, a través de técnicas
de análisis de datos, distintas subcategorías dentro de cada categoría de productos. Se llevó a
cabo un análisis top-down de las 3 categorías de productos en cuestión, siguiendo una
metodología inspirada en una tubería de limpieza y organización de datos (ETL en inglés). Para
cada producto identificamos segmentos comparables y obtuvimos estadísticas de precios tanto
para el período base histórico (2010 - 2019) como para el foco de estudio (enero - junio 2020).
1 https://www.minsal.cl/wp-content/uploads/2020/02/1724518_alerta_sanitaria_coronavirus.pdf
4
Procesamiento de datos
Lo primero a abordar en este análisis es lograr establecer una base estadística sobre la cual
trabajar. Este desafío no es trivial, pues la información de los productos que registra la plataforma
de Mercado Público presenta las siguientes problemáticas:
• Los productos se categorizan en un clasificador cuyo nivel más desagregado (level4)
contiene 18.264 categorías, lo que hace que la clasificación que hacen los usuarios del
sistema a la hora de realizar la adquisición de los productos sea compleja, sobre todo
cuando hay categorías que son muy similares, lo que ocurre especialmente en el caso
del alcohol gel
• Existe otro campo que tiene información que describe los productos (Desc_Producto) y
que sirve para conocer características específicas como las cantidades, tipos de envase,
calidad, entre otras. El problema principal aquí es que este campo es de texto libre, por
lo que no existe una manera estándar de ingresar todas estas características, de hecho,
un porcentaje de las descripciones ni siquiera tiene esa información
• Por último, en conversaciones con agentes del mercado farmacéutico, pudimos
determinar que hay una confusión generalizada en el mercado de los insumos covid19
que dificulta nuestro trabajo. En particular, existen al menos 6 productos en el mercado
que, siendo distintos, califican como “mascarilla n95”
En la tabla 1 se presentan los resultados del primer ejercicio exploratorio en búsqueda de tres
categorías genéricas de productos (las que serán además el foco del estudio): Alcohol Gel,
Camillas y Mascarillas. Para realizar este ejercicio, se realizó una búsqueda de palabras claves
dentro de los campos ‘level4’ y ‘Desc_Producto’.
Tabla 1: resultados preliminares de OCs relacionadas con categorías de productos camillas, mascarillas y alcohol gel
𝐎𝐂𝐬 𝐩𝐫𝐨𝐦𝐞𝐝𝐢𝐨 𝐦𝐞𝐧𝐬𝐮𝐚𝐥
𝟐𝟎𝟐𝟎
𝑉𝑎𝑟𝑖𝑎𝑐𝑖ó𝑛 𝑀𝑒𝑛𝑠𝑢𝑎𝑙 =
𝐎𝐂𝐬 𝐩𝐫𝐨𝐦𝐞𝐝𝐢𝐨 𝐦𝐞𝐧𝐬𝐮𝐚𝐥 𝟐𝟎𝟏𝟎−𝟐𝟎𝟏𝟗
Categoría de
producto Texto usado
para filtrar
Cantidad de OC
período 2010-2019
Cantidad de
OC año 2020
Variación
Mensual Total
Alcohol Gel “Solventes de alcohol”
“alcohol gel” 6’116 2’347
+668% 8’463
Camillas “Camillas”
“camilla” 10’345 515
-0.4% 10’860
Mascarillas
“Mascarillas de
aislamiento” “mascarilla”
50’195 6’993
+179% 57’188
Fuente: Elaboración propia, en base a información obtenida de bases de datos de ChileCompra
5
Como se observa en la tabla 1, el universo preliminar de órdenes de compra que eventualmente
cumplirían los criterios son en total 76’511, sobre un total de 14.2 MM OC22 en el período 2009
– 2020. O sea, nuestro universo corresponde al 0.32% de la base de datos de Chile Compra.
Luego se decidió profundizar sobre este universo de OC, específicamente en el comportamiento
de compras mensuales de cada categoría de productos, tanto en términos de la cantidad de OC,
como en los montos involucrados. La idea ulterior es establecer si en el primer trimestre 2020 se
registran anomalías respecto del comportamiento histórico, a nivel de precios.
En la tabla 2 se presenta la cantidad de órdenes de compras mensuales relacionadas con cada
categoría de productos para los últimos 18 meses (omitiendo en el gráfico un período con cifras
“normales”), y como se puede observar existen niveles de compra regular durante el período
histórico y un alza muy marcada en el período marzo-junio 2020, salvo para las camillas, que
subieron menos. Claramente este se trata del producto menos fungible (cada unidad cuesta en
general millones de pesos, mientras que las mascarillas o alcohol gel valen sólo miles).
Tabla 2: Evolución en los últimos 18 meses de la cantidad de órdenes de compras relacionadas a las tres categorías de
producto en estudio.
Fuente: Elaboración propia, en base a información obtenida de bases de datos de ChileCompra
Luego, en la Tabla 3 podemos ver la misma evolución, pero en términos de los montos mensuales
involucrados. Acá queda en evidencia que marzo 2020 es un mes absolutamente fuera de lo
normal. El gasto en alcohol gel y mascarillas se multiplicaron por 20. Es relevante señalar que,
habiéndose declarado la pandemia en febrero, entre los meses de marzo a mayo detectamos un
bajo gasto en camillas. Según El Mostrador, el Ministerio de Salud “llegó tarde” a la gran pelea
mundial por este insumo3. De los tres productos estudiados, este es el insumo covid19 más
crucial e irremplazable, ya que se pueden fabricar mascarillas caseras e incluso algunas
empresas productoras de cervezas sin alcohol empezaron a destinar esfuerzos dentro de su
producción a la fabricación de alcohol gel4.
1 En este universo se encuentran datos parciales del Ministerio de Obras Públicas y SERVIU, quienes no están obligados a emitir
órdenes de compra. 2 Las órdenes de compra (OC) consideradas para este análisis son aquellas que se encuentren en los siguientes estados: enviada a
proveedor, aceptada y recepcionada conforme. 3 https://www.elmostrador.cl/noticias/pais/2020/04/03/la-falla-estrategica-de-manalich-para-abastecer-de-insumos-al-mejorsistema-de-salud-del-planeta/ 4 https://www.ccu.cl/alcohol-gel-originado-en-procesos-productivos-de-ccu-sera-entregado-a-ministerio-de-salud/
6
Tabla 3: Evolución de los últimos 18 meses del monto de compras (en millones de pesos 2020)
relacionadas a las tres categorías de producto en estudio.
Fuente: Elaboración propia, en base a información obtenida de bases de datos de ChileCompra
Nuestro país no es el único afectado por este fenómeno, por ejemplo: el medio GlobeNewsWire
señala que “las pandemias recientes de influenza, ébola y ahora el más reciente covid-19 han
puesto una gran presión en las autoridades y servicios de salud, llevándolos a …planes que
incluyan un aumento en el número de camas UCI para pacientes críticos. Durante una pandemia,
la mayoría de los pacientes requieren ser ingresados a la UCI y esto impacta a los mercados de
camas UCI”5.
Destacamos por fin una serie de estudios surgidos en abril 2020 desde el Centro de
Modelamiento Matemático de la Universidad de Chile, titulados “MAXIMAL ICU BED DEMAND
FOR COVID-19 OUTBREAK”, que se abocaron a estimar la demanda máxima posible por camas
UCI (Unidad de Cuidados Intensivos) utilizando un modelo epidemiológico SEIRHD y
considerando distintos escenarios de encierro a nivel país. La recomendación en ese momento
era considerar cuarentenas para implementar estrategias de largo plazo consistentes en la
aplicación de fuertes esfuerzos de detección activa de infectados, determinar su trazabilidad, y
aislar estos infectados y observar sus contactos recientes Todo esto con el objetivo de minimizar
la posibilidad de superar la capacidad existente de camas UCI.
5 https://www.globenewswire.com/news-release/2020/04/21/2019231/0/en/Global-ICU-Beds-Market-2020-to-2030-COVID-19-Implications-and-Growth.html
7
Segmentación
Para cada producto y según reglas específicas, definidas observando el campo Desc_Producto,
especificamos segmentos para cada producto (ej: camilla tipo 1638584, caja 12 alcohol gel
70ml, 100 mascarillas kn95) y eventualmente subsegmentos según el número de unidades
(definidos por el campo tipo_cantidad, que en general debiera corresponder a cajas, docenas u
otros). Esto debiera permitir comparar cada compra del año 2020 con estadísticas propias del
pasado reciente (años 2010 al 2019 que aunamos bajo el concepto de “2019” con el objetivo de
simplificar). Además, no distinguiremos entre segmentos y subsegmentos, es decir, todo es un
gran segmento.
Luego para cada segmento comparamos Precio2020 con Precio2019. La definición precisa de
lo que significa Precio2019 no es evidente, pero por ahora convengamos que utilizaremos como
precio base la mediana (y no la media aritmética) por ser más robusta al ruido de los outliers
(como precios o unidades mal ingresados) pero separado por región de cada institución. Es
importante tener esta definición en mente a la hora de evaluar cada uno de los Precios2020. Lo
anterior se puede apreciar en la tabla 4.
Tabla 4: Tres ejemplos para explicar el concepto de piso estadístico para estimar el ruido (por segmento)
Caso Precio2019 Precio2020 Lambda_20/19 DesvEst_2019 N_2019 Conclusión
1 $100 $105 1.05 $0 1 No hay piso
2 $102 $100 0.98 $10 100 Una buena
compra
3 $80 $96 1.20 $5 100 Anomalía
Fuente: Elaboración propia
Entendemos con los ejemplos de esta tabla que la definición de anomalía debiera considerar al
menos esos 3 criterios: Lambda, N_2019 (cuántas compras del segmento ocurrieron en el
período base) y finalmente Ruido2019, que podemos definir alternativamente como:
Ruido = Señal_Ruido = DesvEstándar/Mediana o Rango90 = (Percentil_95 – Percentil_05)
Este último estadístico es aceptable para aquellas muestras de data suficientemente
representada, (por ejemplo N>10).
8
Resumen Tubería de Datos
En síntesis, el proceso de análisis de los datos consiste de cuatro etapas, las cuales se
presentan, en conjunto con cifras para ilustrar los resultados de cada una.
Figura 1: Evolución del proceso de procesamiento de datos Nivel 1.
2010-2020
10.5 años
N Segmentos Anomalías Producto
8’463 11 1314 Alcohol
66MM productos 10'860 69 133 Camillas
24MM OCs 57'188 11 507 mascarillas
Fuente: Elaboración propia, en base a información obtenida de bases de datos de ChileCompra
Filtros de Transición: cómo pasamos de una etapa a la siguiente
Enfoque Segmentación Monitor
Campos: level4
+ Descripción de
Producto
Precio Base = Mediana por
región
Precio2020 = *Precio Base
Alcohol por volumen (ej: 50ml, 1litro)
Camillas código FONASA +
descriptor
Mascarillas descriptor (ej: kn95, Venturi)
Fuente: Elaboración propia, en base a información obtenida de bases de datos de ChileCompra
El paso de una muestra a la siguiente involucra necesariamente criterios subjetivos del autor
basados en su comprensión de la calidad y las falencias de la data. El filtro Enfoque permite
acotar la muestra a las compras que corresponden a insumos covid19; el filtro Segmentación
permite agrupar por segmentos significativos dentro de cada producto, y finalmente Monitor nos
permite detectar qué compras presentan una diferencia en precio estadísticamente relevante.
En resumen, partimos desde precios originales de ChileCompra y llegamos a la evaluación
de las compras en el 2020, con un multiplicador de sobre/subprecio (lambda).
Por ahora definiremos una anomalía como una compra efectuada el año 2020 cuyo precio difiera
significativamente del precio base 2019, pero no demasiado (en cuyo caso creemos que se debe
al ruido en los datos).
9
Anomalías Detectadas
Luego de la aplicación de los filtros se fijaron rangos de lambda y tres intervalos de análisis:
Intervalo 1 Intervalo 2 Intervalo 3 Lambda
Lambda
90% < Lambda <110%
Lambda<10% o
Lambda>500%
variación de precio alejada
del valor aceptable, lo que se
considera una anomalía
variación de precio en rango
aceptable, no constituye una
anomalía
variación de precio muy lejos
del valor aceptable, no es
una anomalía, sino ruido
ANOMALIA NORMALIDAD RUIDO
Otra forma de visualizar esta clasificación es viendo compras cuya razón de precios no difiere
mayormente del 100%, un rango de anomalías en la capa siguiente y finalmente, ruido afuera.
En la tabla 4 se presentan los resultados de la aplicación de estos criterios en los datos
resultantes de la segunda segmentación presentada en la figura 1, específicamente los registros
que quedaron clasificados como anomalías. Eliminamos del análisis las compras sin
segmentación (por ejemplo: descripción “alcohol gel” o simplemente “mascarillas”).
Tabla 4: Cantidad de anomalías detectadas por mes y producto (con límites 10-90-110-500)
Producto 2020-01 2020-02 2020-03 2020-04 2020-05 2020-06
Total
2020
alcohol 36 32 330 338 290 288 1.314
camillas 14 21 37 22 16 23 133
mascarillas 91 70 128 99 93 56 507
TOTAL 141 123 495 459 369 367 1.954 Fuente: Elaboración propia, en base a información obtenida de bases de datos de ChileCompra
Como se puede apreciar en la tabla, existen 1.954 registros que se clasificaron como anomalías.
Podemos observar un aumento en las anomalías en alcohol y mascarillas más pronunciado a
10
partir del mes de marzo. Resalta también que más del 90% de las anomalías corresponden a
compras de alcohol gel o mascarillas. Tiene sentido en cierta forma por el ruido propio de esos
productos (no tienen código Fonasa, se transan en distintas escalas (cajas, galones)).
11
Conclusiones y Sugerencias
A la luz de los datos, detectamos fuertes sobreprecios en los 3 productos bajo estudio, por un
total del orden de 20 MM US$, si bien podemos comprender alguna componente debida
solamente al mercado en las fluctuaciones. Como referencia, McKnight’s 6 y otros medios
detectaron patrones alcistas con sobreprecios del orden de 1000% que se dieron prácticamente
en todo el mundo apenas se declaró la pandemia.
Sugerimos también a partir de nuestras observaciones tener mayor cuidado al ingresar las
compras al sistema de ChileCompra. Es demasiada la variabilidad observada al ingresar el
campo manual, lo que genera problemas para cualquier tipo de análisis. En particular se perdió
mucha información valiosa por falta de ingreso de código FONASA para 37 OCs de camillas.
Detectamos también una serie de compras (en los 3 productos) donde el proveedor quedaba
identificado como “Jorge”, sin más.
Observamos de forma general que los sobreprecios siempre superan en monto a las compras
eficientes, lo que es esperable en un entorno alcista de escasez y sobredemanda.
Es importante señalar que este mismo análisis podría extenderse sin mayor variación a una lista
más amplia de “insumos covid19”, por nombrar algunos: respiradores, guantes, reactivos,
exámenes PCR. El método aquí desarrollado sólo requeriría estudiar los campos descriptivos
level4 y Desc.
6 McKnight’s, Abril 2020, “Analysis: PPE costs increase over 1,000% during COVID-19 crisis” (link)
12
Referencias
Iniciativas semejantes a la de este estudio se han llevado a cabo en distintos rincones del globo.
Destacamos el sitio de la comunidad europea:
https://simap.ted.europa.eu/web/simap/covid-related-tenders
Hemos creado herramientas que pueden ser utilizadas para generalizar este análisis a cualquier
producto del mundo ChileCompra. Todo está en este repositorio de código
La idea es compartir algunas herramientas de código libre con la comunidad chilena de datos
para que eventualmente cualquier persona pueda verificar este estudio o generar uno propio
quizás orientado a otras compras.
Anexo1: Herramientas generadas
Diversas herramientas de interés público fueron generadas como parte de este estudio. En
particular, por sobre la API de Mercado Público pudimos montar un consultor de compras
mensuales. Para buscar, por ejemplo, todas las compras para abril 2020 con la palabra “covid”
en el campo descriptor, podemos usar esta URL:
http://data.quant.cl:8080/mercadopublico/mes/producto=covid&mes=042020
Es importante señalar que el formato del mes es MMYYYY (2 dígitos de mes y 4 de año).
Nuestros colegas del Observatorio de Gasto Fiscal generaron una visualización interactiva de los
datos estudiados en esta dirección:
https://public.tableau.com/profile/observatoriofiscal#!/vizhome/preciosproductoscovid/Dashboard1