ClubEnsayos.com - Ensayos de Calidad, Tareas y Monografias
Buscar

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


Enviado por   •  2 de Abril de 2022  •  Síntesis  •  2.409 Palabras (10 Páginas)  •  88 Visitas

Página 1 de 10

Reporte búsqueda información | Módulo 1 – Unidad 2

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

Ana Marcela Soto Cotes

Sandra Paola Botero Ramirez

Emerson Trujillo Sierra

Maestría en Ciencia de Datos, Retos en Ciencia de datos – 20221 – A

  1. INTRODUCCIÓN

Es innegable la importancia de los datos en la salud, ya que con estos se puede prevenir y tomar acciones en una sociedad que cada día enfrenta patologías inesperadas, que aún, lucha por dar soluciones a enfermedades que por años han deteriorado la salud en la humanidad.

En este contexto, este reporte muestra como la ciencia de datos tiene un papel fundamental en la calidad de la salud humana. Podemos evidenciar resultados, que aportan grandes mejoras desde los aspectos científicos hasta la atención hospitalaria en el país.

A continuación, se describen tres proyectos de Ciencia de Datos que han contribuido con la salud humana, creando mejores oportunidades de diagnóstico de enfermedades, de forma más precisa, rápida y eficiente.

El primero de los proyectos que se menciona es el proyecto UNISON – HIMES que se realizó en convenio entre la Universidad de Sonora y el hospital integral HIMES cuyo propósito es determinar un punto de corte optimo del índice de Jacobs que provea mayor especificidad y sensibilidad, al momento de determinar si un tumor es maligno o benigno. Como segundo proyecto, es el de cobertura hospitalaria en la ciudad de Cali, que puede ser un referente para otras ciudades en Colombia en temas como el de salvar vidas en momentos de emergencias.

El proyecto Sahli, (Sistema Autónomo de Habilidades de Lectura Independiente), que lleva por nombre el software creado a través de una alianza de MacondoLab, de la Universidad Simón Bolívar, Cofca, la Gobernación del Atlántico, CaribeTic y Renata Colombia, [4] es la muestra que el conocimiento medico trasciende de un consultorio y ahora los médicos pueden tomar decisiones con mayor precisión y mucho más rápido, brindándole a sus pacientes un ahorrar tiempo valioso en el diagnóstico que puede llegar a salvar su visión.

 

PROYECTO I

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.

  1. PROYECTO II

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

...

Descargar como (para miembros actualizados) txt (16 Kb) pdf (260 Kb) docx (119 Kb)
Leer 9 páginas más »
Disponible sólo en Clubensayos.com