COMPARTIR:Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

El almacenamiento de grandes cantidades de información, tanto en instituciones públicas como privadas, está siendo clave para detectar patrones en enfermedades como la obesidad o diabetes y disminuir su impacto en los pacientes.

Según datos Ministerio de Salud chileno, más del 65% de los centros de salud primaria han incorporado en sus procesos las fichas clínicas informatizadas, es decir, el almacenamiento de miles de datos generados por cada paciente. El desafío es procesar y analizar dicha información de una manera adecuada para obtener el mayor beneficio posible para la salud.

“Hoy no solo se habla de descubrir nuevas patologías o mejorar equipos, sino de prevenir la incidencia en el re-ingreso de pacientes a los centros de salud o predecir brotes de enfermedades gracias a la correcta interpretación de los datos de cada paciente: ingreso, síntomas, resultados de exámenes, enfermedad diagnosticada y tratamiento”, señala Marcelo Sukni, gerente general para Chile y Perú de SAS, compañía líder en software y servicios de Business Analytics.

Sukni agrega que otra de las ventajas de unir los modelos predictivos a los procedimientos de los centros de salud es que estos les permiten “reducir costos”.

Según el experto de SAS, el desempeño de las herramientas analíticas puede ser potenciado si se comparte la información almacenada en distintas instituciones de salud, sean de caracteres estatales o administrados por entes privados.

Un ejemplo de ello es lo que está ocurriendo en la Clínica Alemana, con la detección de enfermedades tromboembólicas en pacientes con factores de riesgo.

Cristóbal Carvajal, jefe de la Unidad de Datos Clínicos del Departamento de Informática Biomédica de la Clínica Alemana, explica que se evaluó el re-ingreso de aproximadamente 11.000 casos, y dentro de esos los pacientes que tenían trombosis venosa en el segundo episodio, con el fin de ir depurando variables contempladas en el modelo analítico para perfeccionarlo.

“Entregamos nuestro análisis al departamento de calidad, quienes en su revisión determinaron que en el ámbito quirúrgico la sensibilidad de nuestra metodología era de un 95,4%, eso quiere decir que hubo falla o error del modelo en solo dos casos”, señala Carvajal. El experto agrega que “en los pacientes médicos, en los que no había una cirugía en el evento inicial, la sensibilidad fue cerca del 97% un error en 2 o 3 casos y en las pacientes que habían tenido cesáreas, embarazadas de alto riesgo, encontramos una sensibilidad de 100%”, detalla.

El especialista, asegura que la implementación de soluciones de analítica predictiva logró simplificar el procedimiento por medio de la codificación de Grupos Relacionados por el Diagnóstico (GRD), información disponible en el 90% de los hospitales en Chile, caracterizada por tener diagnósticos codificados y estandarizados. “Anteriormente era complejo determinar si un paciente podía presentar este padecimiento, sin embargo, actualmente es posible predecir la incidencia de estos casos gracias a la analítica. La analítica predictiva brinda a la medicina la oportunidad de identificar patrones, como, por ejemplo, en la instalación de los catéteres para quimioterapia, donde la técnica quirúrgica puede tener incidencia en el aumento de esta enfermedad”, afirma.

Asimismo, Sukni agrega que esta misma metodología analítica puede ser aplicada e implementada en cualquiera de los hospitales de Chile, lo que permitirá a los centros de salud no solo prevenir enfermedades sino también correlacionar enfermedades para determinar factores comunes. “Poder predecir acontecimientos futuros con base en el análisis del pasado, ese es el gran poder que tienen el Big Data y la analítica predictiva”, concluye el experto.

 

 

COMPARTIR:Share on FacebookShare on Google+Tweet about this on TwitterShare on LinkedIn

NO COMMENTS

DEJAR UN COMENTARIO