LA CIENCIA DE DATOS COMO ELEMENTOS QUE APORTAN AL SECTOR DE LA SALUD

Proyecto: UNISON – HIMES (Hospital Integral de la Mujer del Estado de Sonora)

Empresa: Universidad de Sonora – LICE (Laboratorio de Investigación y Consultoría en Estadística)

Fecha: 2018

Autores: Rosalía Hernández y Equipo

¿Por qué se Llevó a Cabo?

El objetivo del proyecto es evaluar la utilidad del Índice de Jacobs, para predecir malignidad en tumoraciones anexiales, es decir, las masas localizadas en la zona de la pelvis (ovarios, trompas de Falopio, paredes del útero), el proyecto es importante debido a que el cáncer de ovario es la primera causa de mortalidad entre los canceres de origen ginecológico a nivel mundial y es importante desarrollar un diagnóstico preciso para evaluar la malignidad de estas masas anexiales. [1]

El índice de Jacobs se calcula con base en tres valores que son: U (Resultado del Ultrasonido) M (Indica si la paciente es Premenopáusica o Posmenopáusica) y el CA125 o Nivel de seda 125 (Resultado del Examen de sangre), existe un punto de corte que es de 200, es decir, si el índice es mayor a 200 el tumor es maligno, y si se decide extirpar el tumor la cirugía es más invasiva, porque se extraen ovarios o trompas. Lo que obliga a intervenir profesionales como un ginecólogo oncólogo. [1]

Con base en lo anterior se requería determinar el punto de corte óptimo (con mayor especificidad), cuantificar la relevancia de las variables (U, M, CA125) y explorar si existe relación aparente con otras variables no consideradas en índices clásicos. [1]

¿Cómo se realizó?

Se utilizaron los expedientes clínicos de pacientes del hospital integral de la mujer (HIMES) que fueron diagnosticadas con tumoraciones anexiales en un periodo de tiempo, intervenidas y tratadas en el hospital a las cuales se les había extirpado el tumor, teniendo el resultado de benignidad o malignidad del tumor.

Se plantea realizar el análisis mediante curvas Hob para encontrar los puntos de corte para varios índices de riesgo, se probaron varios pesos para obtener mayor especificidad y sensibilidad que es lo que se busca.[1]

Resultados Obtenidos

Se creó una plataforma para que el médico pueda calcular el índice de manera rápida teniendo los datos, a su vez se determinaron puntos de corte con mayor sensibilidad y se ha logrado explorar mediante computo intensivo ponderando también los hallazgos ultrasonográficos logrando una especificidad de 0.948 y una sensibilidad de 0.85.

Impactos Positivos

El proyecto tiene un impacto positivo en la comunidad de mujeres que pueden llegar a presentar tumoraciones anexiáles, debido a que el diagnóstico es más preciso, obteniendo resultados positivos para la salud de las pacientes, para los médicos se facilita el trabajo de diagnosticar la malignidad o benignidad de los tumores, así como la recolección de la información a través de la plataforma de captura de información desarrollada durante el proyecto.

Impactos Negativos

Uno de los aspectos a mejorar en el proyecto sería obtener datos de otros hospitales no solo de México sino a nivel de otros países con el fin de extender el estudio a otras poblaciones, también se podrían refinar propuestas e indagar nuevos enfoques o técnicas de análisis de datos. Otro de los factores que afectan el proyecto, es el poco tiempo que tienen los médicos para diligenciar las historias anteriores de otras pacientes con este tipo de diagnósticos, por lo que el análisis se realizó únicamente con los datos disponibles  sin incluir todas las historias clínicas de las pacientes del hospital HIMES.

Proyecto: Cobertura Hospitalaria en Cali

Empresa: MinTIC - retos de ciencia de datos

Fecha: 2020

Autores: DS4 –Colombia 2020, Grupo 33

¿Por qué se Llevó a Cabo?

El objetivo del proyecto era determinar si la infraestructura actual de los hospitales de Cali, Colombia, cubre adecuadamente las necesidades de los habitantes de Cali y si hay un acceso equitativo a esta infraestructura. El equipo utilizó datos de Google Maps para crear un modelo predictivo que estima los tiempos de viaje a los hospitales desde diferentes zonas de la ciudad. También se creó un modelo de optimización para establecer qué hospitales deben ser mejorados y dónde colocar los nuevos hospitales. Usando estos modelos, el equipo sugirió lugares para crear dos nuevos hospitales que ampliarían en gran medida la cobertura y aumentaría significativamente la cobertura de las zonas de menores ingresos [5].

¡Has estado involucrado en un gran accidente automovilístico! Los heridos están en mal estado y sangran profusamente. Debe llegar a un hospital en menos de 20 minutos. ¿Lo lograrás? La accesibilidad a los servicios de salud en Colombia se evalúa utilizando los promedios obtenidos de encuestas quinquenales, matrices origen-destino y evaluaciones indirectas. Esto tiene inconvenientes que las nuevas tecnologías abordan: ser insensibles a las variaciones del tráfico, son caras y tardan mucho. El análisis geoespacial con Big Data ofrece alternativas novedosas y rentables que son más rápidas, precisas y sensibles a los cambios [5].

¿Cómo se realizó?

Utilizaron tres fuentes principales de información:

•Tiempos de viaje y distancias desde la API de Google Maps [5].

•Información sociodemográfica (población, estratos, sexo, edad...) de Cali, obtenida del Departamento de  

 Estadística de Colombia (DANE) [5].

•Datos oficiales de los sistemas de salud del Ministerio de Salud y Protección Social (MSPS) de Colombia [5].

•Se crearon dos modelos analíticos: Modelo predictivo para estimar los tiempos de viaje. Modelo de optimización para establecer qué hospital(es) debe actualizar o dónde colocar otros nuevos.

Utilizando metodologías de clustering se identificaron bandas horarias de horas con tiempos de viaje similares, durante los días de una semana [5].

Resultados Obtenidos

• Se implementó un método nuevo, rentable y rápido para establecer la cobertura hospitalaria. Utiliza datos más precisos, es sensible a los cambios de tráfico y se puede utilizar para planificar otros servicios, teniendo en cuenta la información socioeconómica y la equidad (por ejemplo, escuelas, lugares de entretenimiento, estaciones de bomberos ...) [5].

• Se pueden crear aplicaciones similares para los usuarios finales, por ejemplo, para encontrar el hospital que los atenderá en el menor tiempo posible [5].

• La cobertura es del 48,2% para horas de alto tráfico con un tiempo de llegada de 20 minutos. Estratos de menor riqueza con una cobertura del 24,6%. Hay varias áreas de Cali que están mal cubiertas para procedimientos de salud de alta complejidad [5].

• Con un hospital adicional de alta complejidad, la cobertura puede aumentar al 73% (65,7% para estratos de baja riqueza) [5].

• La mejora de un hospital existente aumenta la cobertura al 68,4% (56,6 para estratos de baja riqueza) [5].

Impactos Positivos

•Disminuye el índice de muertes en la ciudad (en accidentes, urgencias médicas, etc.).

•Incrementa la cobertura hospitalaria, teniendo mejor acceso a la atención por emergencias (en caso de vida o muerte).

•Se pueden proponer mejoras en la congestión vehicular, ya que el aplicativo sirve también para otros sectores.

Impactos Negativos

El basarse en los datos de Google Maps, podría dar algunas rutas erradas por información desactualizada. Se deben hacer monitoreo de la calidad de datos, para que las predicciones de rutas sean más precisas