Cuando una autoridad sanitaria decide si incorpora una nueva tecnología al sistema de salud, la pregunta clínica llega primero. La financiera llega inmediatamente después: cuánto costará, a quién impactará y en qué momento del ciclo presupuestario se sentirá el gasto.

El análisis de impacto presupuestario, conocido como BIA por sus siglas en inglés, responde esa pregunta con método. Estima las consecuencias financieras de adoptar una tecnología sanitaria dentro de un sistema, un pagador o un plan de salud específico, durante un horizonte definido. ISPOR lo reconoce como una pieza central de la evaluación económica junto con el análisis de costo-efectividad [1].

En América Latina, esta disciplina tiene una importancia práctica enorme. Los recursos son limitados, los presupuestos suelen cerrarse con anticipación y el gasto de bolsillo sigue pesando sobre los hogares. En 2019, el 32.4 por ciento del gasto en salud en América Latina y el Caribe fue pagado directamente por los pacientes, muy por encima del promedio de la OCDE [3]. Un BIA bien construido puede acelerar una decisión. Uno débil puede dejar una tecnología atrapada durante meses.

Qué es un análisis de impacto presupuestario y por qué importa

Un BIA estima el costo neto de incorporar una tecnología sanitaria nueva, comparando un escenario actual con un escenario futuro en el que esa tecnología entra al sistema. Su pregunta principal es concreta: ¿qué pasa con el presupuesto si aprobamos esto?

El análisis debe reflejar la perspectiva del decisor. Modelar para un ministerio de salud, una EPS, una aseguradora privada o un hospital público exige supuestos distintos. Cada pagador tiene población, precios, restricciones operativas y tiempos de decisión propios. Por eso ISPOR recomienda definir con claridad la perspectiva, la población elegible, el mix de tratamientos, los costos actuales, los costos futuros y la incertidumbre del modelo [1].

También debe ser transparente. El decisor necesita entender qué supuestos mueven el resultado, cuáles son las fuentes de datos y qué tan sensible es el presupuesto a cambios en precio, adopción, elegibilidad o utilización de recursos.

Los seis pasos del modelo de impacto presupuestario

El enfoque práctico puede organizarse en seis pasos. La secuencia parece sencilla, pero cada paso exige disciplina metodológica.

1. Estimar la población objetivo

El primer paso es definir quiénes son los pacientes elegibles para la tecnología. Esto implica partir de la población total con la condición, aplicar criterios clínicos de elegibilidad, ajustar por diagnóstico real, acceso efectivo al sistema y proporción de pacientes que recibirían tratamiento.

Ejemplo: si el modelo evalúa un inmunosupresor para trasplante renal, el punto de partida debe ser la población trasplantada y elegible, no la prevalencia general de enfermedad renal. El modelo debe usar el número anual de trasplantes, los criterios de indicación, la tasa de pacientes que cumplen esos criterios y la adopción esperada durante cada año del horizonte.

2. Seleccionar el horizonte temporal

El horizonte debe alinearse con el ciclo presupuestario del decisor. En muchos sistemas latinoamericanos, tres a cinco años suele ser razonable. Un horizonte corto puede ocultar costos de escala. Uno demasiado largo introduce incertidumbre difícil de defender.

Las tecnologías de adopción lenta, como algunas terapias génicas o dispositivos complejos, pueden requerir cinco años. Los medicamentos con adopción rápida y competencia terapéutica clara pueden evaluarse con tres años, siempre que el modelo muestre el impacto anual.

3. Identificar el mix de tratamiento actual y proyectado

El modelo debe mostrar cómo se trata hoy a la población elegible y cómo cambiará ese patrón con la nueva tecnología. La pregunta clave es a quién desplazará la nueva opción.

Si se introduce un anticoagulante oral, el modelo debe estimar cuántos pacientes usan warfarina, cuántos usan anticoagulantes directos, cuántos no reciben tratamiento y qué proporción migrará hacia la nueva alternativa. Este análisis de desplazamiento evita un error común: asumir que toda adopción viene de pacientes nuevos.

4. Estimar costos actuales y futuros

El BIA debe incluir los costos directos relevantes para el pagador: adquisición del medicamento o dispositivo, administración, monitoreo, manejo de eventos adversos, visitas médicas, hospitalizaciones y otros recursos asociados.

En América Latina, los precios locales importan más que los precios de lista internacionales. Muchos mercados tienen acuerdos confidenciales, descuentos institucionales o compras centralizadas. Usar un precio visible pero irrelevante para el pagador debilita el modelo.

5. Estimar cambios en costos relacionados con la enfermedad

Una tecnología puede aumentar el gasto de adquisición y reducir otros costos del sistema. Si disminuye hospitalizaciones, complicaciones o progresión de enfermedad, esos efectos deben cuantificarse con evidencia sólida.

Ejemplo: un antidiabético que reduce eventos cardiovasculares puede generar ahorros por hospitalizaciones evitadas. El modelo puede incorporarlos si existe evidencia clínica robusta y datos locales de utilización de recursos. Las proyecciones especulativas deben quedar fuera o entrar como escenarios de sensibilidad.

6. Presentar el impacto anual, acumulado y por escenario

La presentación final debe mostrar el impacto año por año y el acumulado total. Los decisores aprueban presupuestos por periodos, así que necesitan ver cuándo aparece el gasto y cómo evoluciona.

El análisis también debe incluir sensibilidad. Precio, adopción, tamaño de población y costos de manejo pueden cambiar el resultado. ISPOR recomienda explorar escenarios alternativos para que el decisor entienda el rango plausible del impacto financiero [1].

Errores comunes que reducen la credibilidad del BIA

Los errores metodológicos suelen aparecer en los mismos lugares. Conviene detectarlos antes de que los detecte el pagador.

Sobreestimar la población elegible: usar datos epidemiológicos brutos sin aplicar criterios clínicos reales infla el impacto y resta credibilidad.
Ignorar el mix competitivo: modelar adopción como si todos los pacientes fueran nuevos distorsiona el impacto neto.
Usar precios internacionales: los precios de lista pueden estar lejos del costo real para el pagador local.
Proyectar ahorros sin evidencia local: trasladar reducciones de hospitalización observadas en otro sistema puede ser débil si no se ajusta a la práctica regional.
Ocultar supuestos: un modelo que no muestra sus fuentes, fórmulas y escenarios invita a la desconfianza.

BIA en América Latina: lo que el modelo debe capturar

El contexto regional exige modelos más aterrizados. La información está fragmentada, los precios pueden variar por institución y los patrones de acceso no son homogéneos. Además, el gasto farmacéutico de bolsillo sigue siendo un componente relevante para muchos hogares; el Banco Mundial documentó que el valor de las compras de medicamentos en farmacias de América Latina y el Caribe pasó de USD 34.3 mil millones en 2008 a USD 69.5 mil millones en 2017 [4].

Un BIA regional debe considerar cuatro dimensiones operativas.

Datos fragmentados: muchos países carecen de registros centralizados de costos unitarios y uso de recursos.
Precios opacos: descuentos, compras públicas y acuerdos de precio volumen pueden cambiar el costo real.
Acceso desigual: la adopción puede diferir entre zonas urbanas y rurales, sector público y privado, o instituciones de alta y baja complejidad.
Ciclos presupuestarios rígidos: si el modelo llega tarde al calendario de decisión, puede perder utilidad aunque sea técnicamente sólido.

Cómo la tecnología puede acelerar el proceso

Construir un BIA robusto sigue exigiendo juicio experto. La automatización no reemplaza ese juicio, pero puede reducir tareas mecánicas: búsqueda de datos epidemiológicos, validación de supuestos, cálculo de escenarios, actualización de precios y generación de salidas para distintos países.

Para equipos de acceso a mercados que operan en varios países, la ventaja está en adaptar un modelo central sin reconstruirlo desde cero. La plataforma correcta permite cambiar población, costos, curvas de adopción y estructura del sistema de salud, manteniendo trazabilidad sobre cada supuesto.

Conclusión

Un análisis de impacto presupuestario bien diseñado es una herramienta de decisión. Permite mostrar cuánto costará incorporar una tecnología, cuándo aparecerá el gasto y qué variables pueden cambiar el resultado.

En mercados con presupuestos presionados, cada supuesto cuenta. Un BIA transparente, local y defendible demuestra que el equipo entiende las restricciones del pagador y que hizo el trabajo necesario para cuantificar el impacto financiero con rigor.

En Quantus, ayudamos a equipos de market access, HEOR y medical affairs a convertir evidencia clínica y económica en modelos claros para decisores. Si quieres construir un BIA más rápido, más trazable y más alineado con la realidad de América Latina, escríbenos.

Fuentes

[1] Sullivan, S. D., Mauskopf, J. A., Augustovski, F., Caro, J. J., Lee, K. M., Minchin, M., Orlewska, E., Penna, P., Rodriguez Barrios, J. M., & Shau, W. Y. Budget Impact Analysis: Principles of Good Practice: Report of the ISPOR 2012 Budget Impact Analysis Good Practice II Task Force. Value in Health. 2014;17(1):5-14. Disponible en: https://www.ispor.org/heor-resources/good-practices/article/principles-of-good-practice-for-budget-impact-analysis-ii

[2] Mauskopf, J. A., Sullivan, S. D., Annemans, L., Caro, J., Mullins, C. D., Nuijten, M., Orlewska, E., Watkins, J., & Trueman, P. Principles of Good Practice for Budget Impact Analysis: Report of the ISPOR Task Force on Good Research Practices. Value in Health. 2007;10(5):336-347. Disponible en: https://www.ispor.org/heor-resources/good-practices/article/principles-of-good-practice-for-budget-impact-analysis

[3] OECD/The World Bank. Health at a Glance: Latin America and the Caribbean 2023. OECD Publishing. 2023. Disponible en: https://www.oecd.org/en/publications/health-at-a-glance-latin-america-and-the-caribbean-2023_532b0e2d-en.html

[4] Vargas, V., et al. Pharmaceuticals in Latin America and the Caribbean: Players, Access, and Innovation Across Diverse Models. World Bank. 2022. Disponible en: https://openknowledge.worldbank.org/entities/publication/e5fae256-f0c0-5400-9c14-b80387e182c8