Documentos de Académico
Documentos de Profesional
Documentos de Cultura
24 DE SEPTIEMBRE 2023
ACTIVIDAD MÓDULO 1
CUADRO COMPARATIVO DE 3 PAÍSES
• 1) Mortalidad materna
• 2) Mortalidad infantil
Por último, cabe mencionar que se tiene considerado de igual forma, las
siguientes iniciativas para la mejora del manejo y organización de datos:
3.Lee el siguiente artículo (disponible en google scholar): Andreu-Perez, J., Poon, C. C.,
Merrifield, R. D., Wong, S. T., & Yang, G. Z. (2015). Big data for health. IEEE journal of
biomedical and health informatics, 19(4), 1193-1208. y genera un ejemplo de una
posible solución de ciencia de datos (Diagrama y explicación de este). Realiza una
investigación para saber si tu solución ya se está aplicando en alguna organización o
país. En base al ejemplo creado redacta en tus conclusiones la importancia de la
diferenciación entre la informática en salud y la ciencia de datos en salud. Investiga en
artículos científicos y añade a tu resumen sobre el uso de ciencia de datos,
aprendizaje automático y/o inteligencia artificial en el diagnóstico médico diferentes a
los presentados en el módulo. Identifica y comenta los retos principales que
mencionan los autores en relación con el diagnóstico y cuál es la estrategia
empleada para superarlo. (Mínimo 5 cuartillas)
Las aplicaciones de ciencia de datos están impulsadas por un esfuerzo continuo para
hacer que los servicios de salud sean más eficientes y sostenibles dadas las
demandas de una población en crecimiento, así como el cambio de paradigma de la
prestación de servicios de salud hacia la prevención, la intervención temprana, y
gestión óptima. Existen diversas maneras de definir el concepto de big data, que es
un término amplio utilizado para describir los desafíos relacionados con el
procesamiento de una gran cantidad de datos, tanto estructurados como no
estructurados. Evidentemente, uno de los aspectos fundamentales del big data es su
volumen, es decir, la cantidad de datos involucrados. La cantidad de datos generados
por individuos está en constante aumento. Sin embargo, es importante destacar que
la interpretación de estos datos puede presentar un problema debido a que no
siempre se conoce el contexto en el que se generaron, lo que puede llevar a
predicciones incorrectas o sesgadas.
Se ahonda en una de las posibles soluciones que presenta la ciencia de datos, siendo
esta un medio para los hospitales y sistemas de salud al optimizar la asignación de
recursos, como camas de hospital, personal médico y suministros. Los modelos de
predicción pueden anticipar la demanda de servicios de atención médica y garantizar
una distribución eficiente de recursos en momentos críticos, como durante una
pandemia.
Una vez que se cuentan con los datos necesarios, se recomienda llevar a cabo la
limpieza y preparación de datos para eliminar valores atípicos, datos incompletos o
inconsistentes, y asegurarse de que los datos estén listos para el análisis, para así,
comenzar con un análisis inicial de los datos para identificar tendencias, patrones y
relaciones clave. Esto puede incluir visualizaciones de datos y estadísticas
descriptivas.
I. Calidad de los Datos: Los datos pueden estar incompletos, ser inexactos o
estar desorganizados. Para superar este desafío, se emplean estrategias de
limpieza de datos y validación, que incluyen la corrección de errores, la
estandarización y la eliminación de datos duplicados.
Entre los retos que se presentan en estas aplicaciones destaca el hecho de que los
datos médicos a menudo son ruidosos, incompletos o desequilibrados. Además,
puede haber una falta de datos etiquetados para entrenar modelos de aprendizaje
automático. Para superar este reto presentado, utilizan técnicas de aumento de datos
para ampliar conjuntos de datos limitados. Asimismo, muchos modelos de
aprendizaje automático, como las redes neuronales profundas, son difíciles de
interpretar, lo que puede generar desconfianza en los profesionales médicos. Para
resolver esto, se desarrollan técnicas de explicabilidad y visualización de modelos
para hacer que los resultados sean interpretables. Esto incluye el uso de mapas de
calor de importancia de características y la generación de explicaciones de modelos.
Uno de los retos más sonados del IA es la dependencia tecnológica, pues puede hacer
que los profesionales médicos descuiden habilidades clínicas tradicionales, lo que
podría ser problemático si los sistemas de IA fallan o no están disponibles. Es por ello
por lo que la IA debe considerarse como una herramienta complementaria en lugar
de un sustituto de la atención médica tradicional. Esto último aplica de igual forma
para evitar el cambio en la dinámica entre médicos y pacientes, en donde la atención
es menos personalizada.(16)
Esta situación plantea una preocupación significativa en el área de UCIN, ya que los
ventiladores son dispositivos críticos utilizados en el tratamiento y cuidado de los
neonatos que requieren cuidados intensivos. Cabe mencionar que el conocimiento
del aumento de reportes es solo un estimado mental, aun no se cuenta con un
análisis de tendencia para asegurar que realmente se estén presentando un mayor
número de mantenimientos o si existen otras causas que estén contribuyendo a esta
situación. No obstante, en una revisión visual de los últimos reportes, se encontró que
la mayoría estaban relacionados a la prueba ATE, específicamente en la comprobación
de suministro de gases. El ATE es una prueba piloto que realiza el equipo de manera
automática antes de realizar el funcionamiento normal, este autotest permite al
equipo revisar las conexiones y funcionamiento de cada uno de los componentes
antes de conectarlo directamente al paciente
Ahora bien, es fundamental determinar la causa raíz de estas fugas, ya que pueden
deberse a una variedad de factores, como el desgaste de los componentes, defectos
en las conexiones, problemas en las válvulas, entre otras fallas particulares
relacionadas a este equipo médico. Identificar la causa subyacente es esencial para
abordar el problema de manera efectiva, debido a que existen propuestas por parte
del personal de mantenimiento, de realizar una renovación de todas las tomas del
área para resolver el problema. Propuestas que no presentan ningún fundamento
sustentable ni evidencia suficiente para considerar que realizar una inversión de este
nivel solucionaría el problema.
Claro está que la seguridad de los pacientes es la prioridad máxima en este escenario,
razón por la cual, el equipo de ingeniería biomédica ha decidido tomar cartas en el
asunto para generar un análisis correcto y abordar esta situación de manera efectiva;
para así, garantizar un entorno de cuidados intensivos neonatales seguro y confiable
y poder proveer una justificación sustancial del protocolo a seguir.
6. Analizar los datos: Una vez que se hayan recopilado suficientes datos, se
pueden realizar los siguientes análisis:
7. Tomar una decisión: Basándose en los resultados del análisis, se deben tomar
decisiones informadas:
Por otro lado, el sector privado presta servicios a la población con capacidad de pago.
Este se financia con los pagos que hacen los usuarios al momento de recibir la
atención y con las primas de los seguros médicos privados, y ofrece servicios en
consultorios, clínicas y hospitales privados. (17)
¿Quién es el paciente?
En muchos casos, un individuo puede ser considerado tanto paciente como cliente,
dependiendo de la situación; ambas perspectivas (paciente y cliente) pueden coexistir,
pero el enfoque principal suele depender del propósito y la orientación del sistema de
atención médica en un determinado lugar y momento.
Al ser considerado como cliente, el paciente posee una legítima expectativa de recibir
respuestas en múltiples aspectos. En primer lugar, la seguridad es de suma
importancia; cada paciente tiene derecho a sentirse seguro y protegido durante su
atención médica, desde la prevención de riesgos hasta la gestión adecuada de
procedimientos, medicamentos y dispositivos médicos. Además, los resultados son
fundamentales, ya que los pacientes esperan y merecen una evaluación precisa de su
estado de salud, así como la efectividad de los tratamientos recomendados.
En el ámbito de los derechos y obligaciones sobre su salud, los pacientes deben estar
plenamente informados sobre su diagnóstico y opciones de tratamiento, al tiempo
que se les permite participar en la toma de decisiones relacionadas con su atención
médica. Los profesionales de la salud también tienen responsabilidades y
obligaciones, incluido el deber de proporcionar cuidados de calidad, respetar la
confidencialidad y actuar de manera ética.
¿Quién es el cliente?
Ahora bien, un pagador o una institución también pueden ser vistos como el cliente
cuando el impacto del trabajo del profesional de salud se suma como sistema y los
resultados son colectivos. Desde esta perspectiva, se deben de considerar diversos
puntos a responder. Comenzando con los KPIs (Indicadores Clave de Desempeño),
que juegan un papel vital en este criterio, ya que permiten evaluar la eficacia y calidad
de los servicios de salud brindados. Algunos ejemplos de estos indicadores
representan aspectos como la satisfacción del paciente, la eficiencia operativa, tiempo
de respuesta y la gestión de recursos y costos.
Los KPIs se pueden aplicar tanto sistema de salud, como al paciente. En cuanto a los
KPIs del sistema de salud, podemos enunciar la espera promedio para citas, tasa de
mortalidad, tasa de incidentes adversos, tasa de cobertura, entre otras. En cambio, los
KPIs que abordan al paciente pueden ser el cumplimiento del plan de tratamiento,
satisfacción general, participación en la toma de decisiones, etc.
Por otro lado, la cobertura de salud es un elemento crítico por considerar. Una
institución o pagador eficaz se esfuerza por brindar atención médica accesible y de
calidad a un amplio espectro de la población. Esto se traduce en una atención médica
equitativa y en la reducción de disparidades en la atención médica. Asimismo, las
referencias desempeñan un papel importante al respaldar la reputación y la calidad
de una institución o pagador de salud. Cuando otros profesionales de la salud y los
pacientes confían en remitir a sus pacientes a una entidad, esto es un indicio de
confiabilidad y competencia.
Desde el punto de vista del paciente ante este conflicto, se puede alegar al
consentimiento informado, pues los pacientes pueden no estar conscientes de que
sus datos médicos podrían venderse a terceros, lo que plantea alertas sobre la
transparencia en la relación médico/paciente. Además, se apela a quién asumirá la
responsabilidad en caso de que se produzca una brecha de seguridad o un mal uso
de los datos médicos vendidos. Las instituciones médicas tienen la responsabilidad
ética de garantizar que los datos de los pacientes estén protegidos de manera
adecuada y que se utilicen de manera ética por parte de terceros. Las consecuencias
de una fuga de datos médicos pueden ser graves, lo que plantea la necesidad de
establecer estándares rigurosos de seguridad y supervisión continua.
El valor sanitario creado por el uso de los datos debe beneficiar equitativamente a las
personas y las comunidades. Los datos los aportan las personas, ya sea como
individuos o como comunidades, por lo que las personas deben tener una
participación equitativa en el valor sanitario que generan sus datos. (22)
Ahora bien, en el caso de conflicto de ética presentado, se requiere recurrir a los tres
grupos de principios. Esto porque el primer grupo, verá por la protección de las
personas; es decir, la protección de la privacidad y uso de los datos de los pacientes.
Asimismo, con el segundo grupo se buscará el intercambio de los datos de pacientes
recopilados por las instituciones en una modalidad ética y segura. Por último, con el
tercer grupo, se asegurará que los beneficios de este intercambio sean equitativos, en
este caso para los dos actores principales del conflicto, los pacientes y las
instituciones de salud. Lo anterior respalda el hecho de que los principios de
gobernanza de datos de salud están diseñados para complementarse y reforzarse
mutuamente. No están ponderados ni enumerados en ningún orden de prioridad.
Asimismo, el marco referencial DAMA nos presenta lo que entiende que son las
mejores prácticas para garantizar el control sobre la información,
independientemente del negocio de aplicación, y para ello, posiciona al gobierno del
dato como principal actividad alrededor de la cual se gestionan el resto de las
actividades. (23)
El objetivo es encontrar una solución que equilibre los intereses de las instituciones
médicas, los pacientes y terceros interesados en los datos de salud, asegurando la
integridad, la privacidad y la ética en la gestión de estos datos. Para esto, se deben
considerar estrategias que incluyan la transparencia en la recolección de datos, la
obtención de consentimiento informado, la implementación de medidas de seguridad
robustas y la definición de reglas claras para la venta de datos médicos.
Para conseguir el objetivo se deben desarrollar políticas claras que establezcan quién
tiene derecho a acceder y utilizar los datos de salud y en qué condiciones, e
implementar medidas de seguridad sólidas para proteger los datos médicos de
posibles fugas o accesos no autorizados, asegurando así la protección de las personas y
el hecho de que todas las prácticas estén en conformidad con las leyes y regulaciones
de protección de datos y privacidad. Cabe mencionar que la gobernanza de los datos
sanitarios debe indicar en qué casos será necesaria la desidentificación y la
anonimización para la protección del paciente.
En relación con la gestión de riesgos, se deben identificar todos los posibles riesgos
éticos, como son las brechas de seguridad, el capitalismo de la vigilancia, o mal uso de
datos, y tomar medidas para mitigarlos. Una propuesta para reducir los riesgos puede
ser la creación de un comité de ética de datos que supervise y asesore sobre
cuestiones éticas relacionadas con la gestión de datos a las instituciones y a los
terceros de igual forma.
Por último, se debe mantener una comunicación transparente con los pacientes y las
partes interesadas conforme a las situaciones que se presenten.
Referencias
1. Banco Mundial. (s.f.). Mortalidad infantil, tasa de mortalidad (por 1,000 nacidos
vivos) - OECD.
https://datos.bancomundial.org/indicator/SP.DYN.IMRT.FE.IN?locations=OE&m
ost_recent_value_desc=true
5. Banco Mundial. (s.f.). Camas de hospital (por cada 1,000 personas) - México.
https://datos.bancomundial.org/indicador/SH.MED.BEDS.ZS?locations=MX
10. OPS/OMS. (s.f.). Casos Exitosos - Estrategia de Acción sobre la Salud de las
Personas Jóvenes. https://www3.paho.org/ish/index.php/es/historias?id=117
12. Andreu-Perez, J., Poon, C. C., Merrifield, R. D., Wong, S. T., & Yang, G. Z. (2015).
Big data for health. IEEE journal of biomedical and health informatics, 19(4),
1193-1208.
13. KnowledgeHut. (s.f.). Data Science in Healthcare.
https://www.knowledgehut.com/blog/data-science/data-science-in-healthcare
16. Choi, W. M., & Huerta, T. R. (2019). Digital Health and Health Systems of the
Future. Frontiers in Digital Health, 1, 4.
https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6691444/
17. Secretaría de Salud (México). (2002). Perfil del Sistema de Salud - México.
https://saludpublica.mx/index.php/spm/article/view/5043/10023
18. Secretaría de Salud (México). (2002). Perfil del Sistema de Salud - México.
http://www.salud.gob.mx/apps/htdocs/gaceta/gaceta_010702/hoja7.html
20. HIA. (2022). Perfil de salud - México. Health Information Platform for the
Americas. https://hia.paho.org/es/paises-2022/perfil-mexico