evidoria

← Volver al listado

Buena práctica Importada

La Herramienta de Aprendizaje Automático “Decision-Aware” de Sierra Leona Aumenta el Consumo de Medicamentos Esenciales un 19% a Nivel Nacional por 30 Dólares al Mes

Sierra Leona · Freetown · Ver el perfil de Sierra Leona · Ver el perfil de Freetown

Evidencia: Cuasiexperimental Top 6% 87/100 · Pregunte a Evidence Copilot sobre esta práctica

La NMSA de Sierra Leona y la Universidad de Pensilvania crearon una herramienta de IA que aumentó el consumo de medicamentos esenciales un 19% (p<0,01) en un piloto de cinco distritos, luego ampliada a todo el país por 30 dólares al mes, alcanzando a 2 millones de mujeres y niños.

19 %
Aumento del consumo de productos asignados en los distritos tratados (p<0,01) (May 2023 pilot)
32 %
Aumento del consumo en los centros más pobres y remotos (May 2023 pilot)
18-21 %
Rango del efecto según estimadores alternativos
1,058
Centros de salud analizados
~2 million women and children under five
Beneficiarios alcanzados tras la ampliación nacional (from Q3 2023)
$30 per month
Coste mensual de funcionamiento tras la ampliación nacional
La Herramienta de Aprendizaje Automático “Decision-Aware” de Sierra Leona Aumenta el Consumo de Medicamentos Esenciales un 19% a Nivel Nacional por 30 Dólares al Mes

Detalles

Madurez
Consolidada
Promotor
Sierra Leone National Medical Supplies Agency (NMSA); University of Pennsylvania (Wharton School & School of Engineering and Applied Science)
Período
2023-2026
Palabras clave
health, public administration, machine learning, supply chain, social protection

Contexto

La Agencia Nacional de Suministros Médicos de Sierra Leona (NMSA) adquiere y distribuye medicamentos esenciales -más de 70 productos usados en salud materna, neonatal e infantil- a centros de salud pública en todo el país. Como en muchos países de bajos ingresos, la NMSA asignaba históricamente existencias fijas a los centros mediante reglas empíricas aproximadas, lo que provocaba desabastecimientos crónicos en las clínicas más pobres y remotas, incluso mientras otros centros mantenían excedentes.

Objetivos

Construir un sistema de aprendizaje automático de bajo coste y sensible a la decisión para prever la demanda a nivel de cada centro y calcular cómo distribuir el stock nacional limitado para maximizar la cobertura, dejando siempre la decisión final y la posibilidad de anular cualquier recomendación en manos de los responsables.

Actividades

Los investigadores Hamsa Bastani y Osbert Bastani (Universidad de Pensilvania) y la doctoranda Angel Tsai-Hsuan Chung trabajaron con la NMSA y el Ministerio de Salud y Saneamiento de Sierra Leona para combinar aprendizaje multitarea entre productos y centros, prioris catalíticos para manejar datos escasos, y covariables externas (datos de censo y de población derivados de satélite). El sistema se puso a prueba desde mayo de 2023 en cinco de los dieciséis distritos de Sierra Leona (Tonkolili, Falaba, Karene, Kono y Pujehun), y los once distritos restantes sirvieron de control.

Resultados

Un análisis sintético de diferencias en diferencias en 1.058 centros encontró un aumento del 19% en el consumo de productos asignados en los distritos tratados (p<0,01) -un indicador de mejora del acceso- que ascendió al 32% entre los centros que atienden a las poblaciones más pobres y remotas, que sufrían desabastecimientos crónicos. Estimadores alternativos (diferencias en diferencias estándar, emparejamiento geográfico, productos de control alternativos) corroboraron el efecto, entre el 18% y el 21%. Con base en los resultados del piloto, el gobierno de Sierra Leona amplió la herramienta a todo el país a partir del tercer trimestre de 2023; actualmente gestiona la asignación de más de 70 productos esenciales, alcanzando a una estimación de 2 millones de mujeres y niños menores de cinco años, con un coste de funcionamiento de unos 30 dólares al mes en tarifas de servidor y sin personal adicional.

Conclusiones

La propiedad de la herramienta se ha transferido por completo al gobierno de Sierra Leona, y los resultados se publicaron en Nature en abril de 2026.

Implementación
Coste indicativo
Bajo (< 50 000 €)
Tiempo hasta resultados
Medio (1–3 años)
Personal y competencias
University of Pennsylvania research team (Hamsa Bastani, Osbert Bastani, Angel Tsai-Hsuan Chung), Sierra Leone National Medical Supplies Agency (NMSA) as implementing and now owning institution, Sierra Leone Ministry of Health and Sanitation as government partner

Condiciones para el éxito

  • Officials retain final say and can override any model recommendation
  • Use of external covariates (census and satellite-derived population data) to handle sparse facility-level data
  • Full ownership transfer from the university research team to the national government agency for sustainability
  • Very low ongoing running cost (~$30/month in server fees) with no additional staffing needs

Habitualmente financiado por

Horizon Europe Philanthropic / foundation funding National / regional programmes

Vías de financiación indicativas para prácticas de este tipo: compruebe siempre las convocatorias vigentes y las reglas de elegibilidad de cada programa.

Kit de replicación

Artefactos reutilizables de esta práctica — tal como los publican sus fuentes.

¿Usted implementa esta práctica? Reivindíquela — los implementadores verificados obtienen un contacto público en la página y pueden proponer correcciones.

Fuentes de datos

De dónde se obtuvo la información de esta práctica, y cuándo.

Adjuntos

Prácticas similares que pueden serle útiles