Análisis con Python: ¿Cuántos reumatólogos se necesitan en Playa del Carmen?

📊 ¿Cuántos reumatólogos se necesitan en Playa del Carmen? Un análisis con Python

Las enfermedades autoinmunes afectan aproximadamente al 5% de la población mundial. Esto incluye padecimientos como lupus, artritis reumatoide, esclerosis múltiple, entre otros.

En este artículo haremos un ejercicio técnico para estimar cuántos reumatólogos serían necesarios para atender esa demanda en una ciudad como Playa del Carmen, Quintana Roo, utilizando Python y Jupyter Notebook.

---

📌 Paso 1: Estimar población y personas afectadas

De acuerdo con datos recientes, la población aproximada de Playa del Carmen es de 304,942 personas.

Si el 5% sufre una enfermedad autoinmune:

# Supuestos
poblacion_total = 304_942
porcentaje_afectados = 0.05

personas_afectadas = poblacion_total * porcentaje_afectados

print(f"Número estimado de personas con enfermedades autoinmunes: {int(personas_afectadas)}")

Resultado: 15,247 personas con enfermedades autoinmunes.

---

📌 Paso 2: ¿Cuántos reumatólogos hay disponibles?

Según búsquedas locales en directorios médicos y clínicas privadas, hay alrededor de 4 reumatólogos que atienden en Playa del Carmen.

¿Qué carga de pacientes implicaría eso por reumatólogo?

reumatologos_disponibles = 4
pacientes_por_doctor = personas_afectadas / reumatologos_disponibles

print(f"Cada reumatólogo tendría que atender aproximadamente {int(pacientes_por_doctor)} pacientes.")

Resultado: aproximadamente 3,811 pacientes por cada reumatólogo.

---

📌 Paso 3: ¿Es eso manejable? ¿Y cuánto tiempo tomaría?

Supongamos que un reumatólogo puede atender a 20 pacientes por día durante 5 días a la semana, 48 semanas al año:

pacientes_por_dia = 20
dias_por_semana = 5
semanas_al_anio = 48

atencion_anual_por_doctor = pacientes_por_dia * dias_por_semana * semanas_al_anio

print(f"Capacidad anual por reumatólogo: {atencion_anual_por_doctor} consultas al año")

Resultado: cada doctor podría atender 4,800 consultas al año.

Ahora estimemos si los 4 reumatólogos pueden cubrir la demanda total:

capacidad_total = atencion_anual_por_doctor * reumatologos_disponibles

if capacidad_total >= personas_afectadas:
    print("Los reumatólogos actuales pueden cubrir la demanda.")
else:
    pacientes_sin_atender = personas_afectadas - capacidad_total
    print(f"Faltarían al menos {int(pacientes_sin_atender)} consultas.")

En este escenario, la demanda apenas se cubriría si todos los pacientes asistieran solo una vez al año. Pero muchos de estos padecimientos requieren seguimiento mensual o bimestral, por lo que **la capacidad actual sería insuficiente**.

---

📌 Paso 4: ¿Cuántos reumatólogos se necesitarían realmente?

Supongamos que cada paciente necesita al menos 4 consultas al año:

consultas_requeridas = personas_afectadas * 4

reumatologos_necesarios = consultas_requeridas / atencion_anual_por_doctor

print(f"Se necesitarían al menos {round(reumatologos_necesarios, 1)} reumatólogos.")

Resultado: se necesitarían al menos 13 reumatólogos para brindar seguimiento adecuado.

---

📌 Reflexión final

Este ejercicio muestra cómo los datos y la programación pueden ayudarnos a estimar brechas en el acceso a la salud especializada.

Por supuesto, esta es una simplificación. No todos los pacientes buscarán atención al mismo tiempo, algunos viajarán a Cancún o Chetumal, y no todos los reumatólogos trabajan a tiempo completo. Aun así, este tipo de estimaciones son muy útiles para visualizar necesidades médicas a nivel local.

🎯 ¿Te gustaría aplicar este análisis a tu ciudad? Solo tienes que cambiar el valor de la población, el número de doctores y el porcentaje de enfermedades en el código.

📌 He incluido el código completo en Python en este artículo para que puedas adaptarlo a tu ciudad o región. Puedes modificar la población, el porcentaje de personas afectadas o la capacidad de atención médica para hacer tu propio análisis.