Para tiPara empresas
EntrarConsulta gratis
  1. Inicio
  2. /
  3. Radiografía de prestadores

Herramienta gratuita · Aseguradoras

Radiografía de prestadores: sobrecostos y facturación anómala de su red

Actualizado: noviembre 2026

Para detectar sobrecostos de prestadores de salud, compare cada valor con la mediana del mismo código: es atípico si su z robusto, 0,6745 × (valor − mediana) / MAD, supera 3,5 o si triplica la mediana. Ejemplo: con mediana de $100.000 y MAD de $1.000, una cuenta de $300.000 da z de 134,9 y $200.000 de exceso.

Pensada para no chocar con la seguridad de la información: el archivo se lee en su navegador con FileReader, no se sube a ningún servidor ni se guarda. Aun así, use un CSV anonimizado.

Analice la facturación de su red

Suba un CSV con una fila por servicio facturado y las columnas prestador, codigo, valor y fecha. Acepta separador coma o punto y coma, decimales con coma y encabezados con o sin tildes. Hasta 250.000 filas.

Sus datos no salen de su equipo

  • El CSV se procesa en este navegador. No se envía, no se guarda y no queda en la URL.
  • Solo se leen cuatro columnas: prestador, codigo, valor y fecha. Puede cambiar el nombre o NIT del prestador por un alias (IPS-01, IPS-02).
  • No incluya datos de pacientes: en Colombia los datos relativos a la salud son datos sensibles (Ley 1581 de 2012, art. 5).

Se lee en su navegador; nada se envía.

Datos de ejemplo inventados: 12 prestadores, 8 códigos y 1.800 filas, con tres patrones sembrados.

Umbrales (editables)

3,5 según Iglewicz y Hoaglin.

Supuesto editable.

Participación del código frente a los pares.

Supuesto editable.

Por código y por prestador. Supuesto editable.

¿Cómo quieres seguir?

Elige el camino que se ajusta a lo que necesitas hoy.

Ahora mismo

Resuélvelo ahora por WhatsApp

Pregúntale a Arkangel AI en WhatsApp: te ayuda a auditar cuentas, glosas y casos con IA. Tú decides.

No compartas datos que identifiquen a un paciente.

Abrir WhatsApp

Formación

Aprende a auditar con IA

Auditor PRO: 3 módulos, plantillas y comunidad de auditores. Pago único, garantía de 7 días.

$160.000 COP

Ver el curso

Aseguradoras, EPS e IAFAS

¿Auditas para una aseguradora o EPS?

Agenda 30 minutos con el equipo: auditoría de cuentas médicas con reglas, evidencia clínica y revisión humana. El auditor decide.

Cómo funciona la auditoría médica con IA para aseguradoras
Agendar una conversación

¿Qué prestadores de tu red facturan fuera del patrón?

Arkangel AI revisa cada cuenta con reglas administrativas, clínicas y financieras y deja la evidencia de cada hallazgo, para que tu equipo controle lo que paga. Tu auditor decide. Diagnóstico gratuito de 30 minutos para aseguradoras de salud, SOAT y ARL.

Agendar diagnóstico gratuito de 30 min

¿Qué hay detrás del exceso de sus prestadores?

En 30 minutos revisamos con su equipo financiero cómo pasar de la vista agregada a la revisión de cada cuenta, con la evidencia de cada hallazgo. El auditor decide. Déjenos su teléfono o correo; después elige el horario.

Paso 1 de 3

¿Cómo te contactamos?

Dos pasos rápidos y eliges horario para una llamada gratuita de 30 minutos.

o

Al continuar aceptas que Arkangel te contacte por teléfono, WhatsApp o correo sobre tu solicitud, según nuestra política de privacidad.

Cómo se calcula: mediana, MAD y z robusto

Se usa la mediana y no el promedio porque unas pocas cuentas muy altas mueven el promedio y esconden justo lo que se busca. La MAD (mediana de las desviaciones absolutas) mide la dispersión típica sin que la afecten esos extremos.

Cómo se calcula: mediana, MAD y z robusto
ConceptoFórmula
Mediana del códigoValor del medio de todas las filas de ese código, ordenadas.
MADMediana de |valor − mediana| en ese código.
Z robusto (z modificado)0,6745 × (valor − mediana) / MAD. Atípico si supera 3,5.
Regla de veces la medianaAtípico si valor ≥ 3 × mediana (supuesto editable). Cubre los códigos con tarifa fija, donde la MAD es 0.
Excesomax(0; valor − mediana del código). Se suma por prestador para el ranking.
Frecuencia anómalaParticipación de un código en las filas del prestador; z robusto frente a la de los demás prestadores (incluidos los que no lo facturan).
Pico a fin de mesParticipación del valor facturado con fecha en los últimos 3 días del mes frente a la esperada por calendario (3 / días del mes).

Ejemplo resuelto

  1. Un código tiene siete valores: $98.000, $99.000, $100.000, $100.000, $101.000, $102.000 y $300.000. Ordenados, la mediana es $100.000.
  2. Las desviaciones absolutas son 2.000, 1.000, 0, 0, 1.000, 2.000 y 200.000; su mediana, la MAD, es $1.000.
  3. La cuenta de $300.000 tiene z robusto 0,6745 × 200.000 / 1.000 = 134,9: muy por encima de 3,5. También es 3 veces la mediana. Su exceso es $200.000.
  4. El corte del z robusto en ese código es 100.000 + 3,5 × 1.000 / 0,6745 = $105.189: la cuenta de $102.000 (z = 1,35) no se marca.
  5. Frecuencia: si un código pesa 4 %, 5 %, 5 %, 6 % y 7 % en cinco prestadores y 30 % en un sexto, la mediana es 5,5 %, la MAD 1 punto y el z robusto del sexto 0,6745 × 24,5 / 1 = 16,5.
  6. Fin de mes: octubre tiene 31 días, así que se espera que los días 29, 30 y 31 concentren 3 / 31 = 9,7 % del valor. Un prestador con 30 % en esos días factura 3,1 veces lo esperado.

Cómo detectar sobrecostos de prestadores de salud en Excel

Con los datos en las columnas A (prestador), B (codigo), C (valor) y D (fecha), desde la fila 2 hasta la 10001, escriba estas fórmulas en la fila 2 y cópielas hacia abajo. En Excel en español con configuración de Colombia el separador de argumentos es el punto y coma.

Cómo detectar sobrecostos de prestadores de salud en Excel
ColumnaQué calculaFórmula en la fila 2
EMediana del código=MEDIANA(FILTRAR($C$2:$C$10001;$B$2:$B$10001=B2))
FMAD del código=MEDIANA(ABS(FILTRAR($C$2:$C$10001;$B$2:$B$10001=B2)-E2))
GZ robusto=SI(F2=0;"";0,6745*(C2-E2)/F2)
H¿Atípico?=O(Y(F2>0;G2>3,5);C2>=3*E2)
IExceso sobre la mediana=MAX(0;C2-E2)
J¿Últimos 3 días del mes?=D2>FIN.MES(D2;0)-3
KParticipación del código en el prestador=CONTAR.SI.CONJUNTO($A$2:$A$10001;A2;$B$2:$B$10001;B2)/CONTAR.SI.CONJUNTO($A$2:$A$10001;A2)

Luego cree una tabla dinámica por prestador con la suma de C (facturado), la suma de I (exceso) y el conteo de H = VERDADERO: ese es el ranking. Filtre J = VERDADERO y sume C para ver el valor de fin de mes de cada prestador.

FILTRAR es una función de matriz dinámica; si su versión de Excel no la tiene, esta herramienta hace el mismo cálculo. Cada fórmula de las columnas E, F y K recorre toda la columna, así que en archivos de decenas de miles de filas el libro se vuelve lento; aquí el cálculo ordena una sola vez por código y termina en segundos.

Cómo interpretar el resultado

Un valor atípico es una señal para revisar la cuenta, no una prueba de sobrecosto ni de fraude. Puede deberse a la complejidad del paciente, a una tarifa pactada distinta, a un paquete que agrupa varios servicios o a un error de digitación. Compare primero contra la tarifa del contrato.

La frecuencia anómala compara la mezcla de servicios: un prestador que factura un código en una proporción muy superior a la de sus pares puede tener otra especialidad o población, o una práctica de codificación que conviene revisar. Compare prestadores del mismo nivel de complejidad.

Un pico a fin de mes no prueba nada por sí solo, pero es un patrón de facturación que suele merecer muestreo: revise si las fechas de servicio coinciden con la historia clínica y con las autorizaciones.

Qué hacer con el resultado, y por qué auditar todas las cuentas cambia el número

Empiece por los primeros prestadores del ranking: concentre la revisión en los códigos y meses que explican su exceso, pida los soportes de las cuentas marcadas y compárelas contra el contrato y la historia clínica.

Esta radiografía es la vista agregada: muestra dónde mirar, no qué glosar. Si su equipo audita solo una muestra, una parte del exceso nunca llega a revisión. Revisar todas las cuentas convierte la señal estadística en hallazgos concretos, cada uno con su soporte.

Arkangel AI revisa cada cuenta con 98 reglas deterministas (27 administrativas, 29 clínicas y 42 financieras), entrega cada hallazgo con su evidencia y su causal, marca como «no verificado» lo que no puede confirmar y deja la decisión final al auditor humano.

Cómo usar la radiografía de prestadores, paso a paso

  1. 1

    Exporte la facturación

    Una fila por servicio facturado con prestador, código (CUPS, CUM o el código interno), valor y fecha del servicio. Quite cualquier dato de pacientes.

  2. 2

    Anonimice al prestador si lo prefiere

    Cambie el nombre o NIT por un alias. El análisis solo necesita que el mismo prestador tenga siempre el mismo identificador.

  3. 3

    Suba el CSV

    Se lee en su navegador. Acepta coma o punto y coma como separador y decimales con coma.

  4. 4

    Ajuste los umbrales

    Bájelos para ver más señales o súbalos para quedarse con las más fuertes. El resultado se recalcula al instante.

  5. 5

    Descargue los hallazgos

    El CSV de hallazgos sale de su navegador a su equipo y le sirve para priorizar la auditoría.

Preguntas frecuentes sobre sobrecostos y facturación anómala de prestadores

¿Cómo detectar sobrecostos de prestadores de salud en Excel?

Calcule la mediana de cada código con =MEDIANA(FILTRAR(valores;códigos=código)), la MAD con =MEDIANA(ABS(FILTRAR(...)-mediana)) y el z robusto con 0,6745*(valor-mediana)/MAD. Marque los valores con z mayor que 3,5 o de al menos 3 veces la mediana y sume por prestador el exceso, =MAX(0;valor-mediana), en una tabla dinámica.

¿Cómo identifico IPS con facturación anómala?

Compare cada IPS con sus pares en tres frentes: valores por encima de la mediana del mismo código, frecuencia de cada código frente a la de las demás IPS y concentración del valor facturado en los últimos días del mes. Luego ordene las IPS por el valor facturado por encima de la mediana y revise primero las de mayor exceso.

¿Por qué usar la mediana y no el promedio para comparar tarifas?

Porque unas pocas cuentas muy altas suben el promedio y la desviación estándar, y así esconden los mismos valores que se quieren encontrar. La mediana y la MAD casi no cambian con esos extremos. Por eso el z robusto, 0,6745 × (valor − mediana) / MAD, es el criterio que recomiendan Iglewicz y Hoaglin para detectar atípicos.

¿Qué umbral uso para marcar un valor atípico?

Iglewicz y Hoaglin recomiendan marcar como posible atípico un z robusto con valor absoluto mayor que 3,5, según el manual de estadística del NIST. La herramienta usa 3,5 por defecto y añade una regla de 3 veces la mediana, un supuesto editable que cubre los códigos con tarifa fija, donde la MAD es 0.

¿Qué significa un pico de facturación a fin de mes?

Que un prestador concentra en los últimos días del mes más valor del que tocaría por calendario. En un mes de 31 días los últimos 3 días deberían concentrar cerca de 9,7 % del valor; con 30 % el prestador factura 3,1 veces lo esperado. Es una señal para revisar fechas de servicio, no una prueba.

¿Mis datos se envían o se guardan en algún servidor?

No. La página lee el CSV con FileReader dentro de su navegador y no lo envía, no lo guarda y no lo pone en la URL. Aun así, use datos anonimizados y sin información de pacientes: en Colombia los datos relativos a la salud son datos sensibles según el artículo 5 de la Ley 1581 de 2012.

¿Un valor atípico significa sobrecosto o fraude?

No necesariamente. Es una señal estadística que indica dónde revisar. La complejidad del caso, una tarifa pactada distinta o un error de digitación también producen atípicos. La decisión sale de revisar la cuenta con su soporte, el contrato y la historia clínica, y siempre la toma el auditor.

Revisa la facturación de toda tu red con IA, cuenta por cuenta

Arkangel AI revisa cada cuenta con reglas administrativas, clínicas y financieras y deja la evidencia de cada hallazgo, para que tu equipo controle lo que paga. Tu auditor decide. Diagnóstico gratuito de 30 minutos para aseguradoras de salud, SOAT y ARL.

Agendar diagnóstico gratuito de 30 min

La URL de esta página solo acepta los umbrales (k, veces, z_frecuencia, fin_mes, min_filas), nunca datos de facturación. El endpoint JSON acepta además el parámetro csv, anonimizado y de hasta 500 filas, para agentes; sin csv responde con el ejemplo sintético.

Para agentes y desarrolladores

Esta calculadora acepta los datos en la URL y tiene una versión JSON gratuita, sin registro, con los mismos parámetros:

Página con datos
https://arkangel.ai/es/radiografia-prestadores?k=3.5&veces=3
Resultado en JSON
https://arkangel.ai/tools/radiografia-prestadores.json?k=3.5&veces=3
Parámetros
csv, k, veces, z_frecuencia, fin_mes, min_filas
Catálogo de herramientas
https://arkangel.ai/tools.jsonhttps://arkangel.ai/tools/openapi.json

Herramientas relacionadas

  • Fuga en cuentas médicas
  • Simulador de muestreo de auditoría
  • Estimador de fraude en seguros
  • Reloj de plazos de glosa
  • Comparativo de siniestralidad
  • Proyección de inflación médica
  • Calculadora IBNR (chain ladder)
  • Caso de negocio de auditoría
  • Herramientas de auditoría

Fuentes

  • NIST/SEMATECH e-Handbook of Statistical Methods, 1.3.5.17 Detection of Outliers: Z modificado de Iglewicz y Hoaglin: M = 0,6745 × (x − mediana) / MAD; recomiendan marcar como posible atípico |M| > 3,5. Revisada el 19 de noviembre de 2026.
  • Función MEDIANA, soporte de Microsoft: Sintaxis MEDIANA(número1; [número2]; ...). Revisada el 19 de noviembre de 2026.
  • Función FILTRAR, soporte de Microsoft: Sintaxis FILTRAR(matriz; incluir; [si_vacío]). Revisada el 19 de noviembre de 2026.
  • Función FIN.MES, soporte de Microsoft: FIN.MES(fecha_inicial; meses) devuelve el último día del mes. Revisada el 19 de noviembre de 2026.
  • Función CONTAR.SI.CONJUNTO, soporte de Microsoft: Cuenta las filas que cumplen todos los criterios: CONTAR.SI.CONJUNTO(rango_criterios1; criterios1; ...). Revisada el 19 de noviembre de 2026.
  • Ley 1581 de 2012 (protección de datos personales), texto de SUIN-Juriscol publicado por el IDEAM: Art. 5: los datos relativos a la salud son datos sensibles; art. 6: su tratamiento está prohibido salvo excepciones. Revisada el 19 de noviembre de 2026.

Última revisión: 2026-11-19. Herramienta informativa de análisis estadístico. Un valor atípico no prueba sobrecosto ni fraude; la decisión sobre cada cuenta corresponde al auditor. No constituye asesoría legal.

Al ingresar aceptas los términos y la política de privacidad.

© 2026 Arkangel AI.

Empresa

Quiénes somosPreciosContactoPrivacidadTérminosSeguridad y cumplimiento

Producto

MedSearchPara aseguradorasPara hospitalesPara farmacéuticasIA para MédicosBúsqueda médica con IAAsistente médico con IAInvestigaciónCasos de usoCalculadorasCambiosDiabetes Sessions 2026

Recursos

BlogAlternativa a OpenEvidenceAlternativa a UpToDateCálculo de goteoEquivalencia de corticoidesNomograma de FaganTarifas SOAT 2026Centro de Auditoría MédicaHerramientas para auditores médicosPodcastAcademyBoletínAfiliadosAssessment de adopción de IA

Inteligencia Aumentada