Big Data y salud pública: efectividad de intervenciones sanitarias en Latinoamérica
DOI:
https://doi.org/10.70577/h04n1a89Palabras clave:
Big Data, Indicadores, Intervenciones, Mortalidad, Salud Pública.Resumen
Este estudio evalúa la efectividad de intervenciones en salud pública en América Latina mediante el uso de Big Data y análisis estadístico avanzado. Se aplicó un modelo de series temporales y un algoritmo predictivo Random Forest sobre una base de datos simulada que abarca múltiples países y tipos de intervención, focalizándose en dos indicadores clave: la tasa de mortalidad general y la tasa de mortalidad infantil. Los resultados muestran patrones estables con variabilidad moderada en ambos indicadores, y revelan que factores socioeconómicos como el ingreso per cápita, el nivel educativo y la disponibilidad de personal sanitario son los principales predictores. El análisis evidencia también una interrelación entre las dos tasas de mortalidad, sugiriendo que deben abordarse de forma integrada. Se destaca la utilidad del Big Data para monitorear tendencias en tiempo real, personalizar intervenciones y mejorar la precisión de las políticas públicas, en línea con enfoques de salud pública de precisión. No obstante, se reconocen limitaciones asociadas a la calidad de los datos, desafíos éticos y falta de sostenibilidad institucional. La metodología implementada ofrece una base sólida para futuros estudios empíricos orientados a optimizar la asignación de recursos y mejorar la equidad en los sistemas de salud de la región. Se concluye que el uso estratégico de datos masivos puede transformar la gestión sanitaria, siempre que se acompañe de marcos éticos, políticas intersectoriales y desarrollo de capacidades locales.
Referencias
[1] Karatas, M., Eriskin, L., Deveci, M., Pamucar, D., & Garg, H. (2022). Big Data for Healthcare Industry 4.0: Applications, challenges and future perspectives. Expert Systems with Applications, 200, 116912. https://doi.org/10.1016/j.eswa.2022.116912
[2] Dolley, S. (2018). Big data’s role in precision public health. Frontiers in Public Health, 6, 68. https://doi.org/10.3389/fpubh.2018.00068
[3] Majnarić, L. T., Babič, F., O’Sullivan, S., & Holzinger, A. (2021). AI and big data in healthcare: towards a more comprehensive research framework for multimorbidity. Journal of Clinical Medicine, 10(4), 766. https://doi.org/10.3390/jcm10040766
[4] Vázquez, M.-L., Vargas, I., Unger, J.-P., De Paepe, P., Mogollón-Pérez, A. S., Samico, I., Albuquerque, P., Eguiguren, P., Cisneros, A. I., Rovere, M., & Bertolotto, F. (2015). Evaluating the effectiveness of care integration strategies in different healthcare systems in Latin America: The EQUITY-LA II quasi-experimental study protocol. BMJ Open, 5(7), e007037. https://doi.org/10.1136/bmjopen-2014-007037
[5] Kruse, C. S., Goswamy, R., Raval, Y., & Marawi, S. (2016). Challenges and opportunities of big data in health care: A systematic review. JMIR Medical Informatics, 4(4), e38. https://doi.org/10.2196/medinform.5359
[6] Batko, K., & Ślęzak, A. (2022). The use of Big Data Analytics in healthcare. Journal of big Data, 9(1), 3. https://doi.org/10.1186/s40537-021-00553-4
[7] Langlois, E. V., Mancuso, A., Elias, V., & Reveiz, L. (2019). Embedding implementation research to enhance health policy and systems: A multi-country analysis from ten settings in Latin America and the Caribbean. Health Research Policy and Systems, 17(1), 85. https://doi.org/10.1186/s12961-019-0484-4
[8] Vargas, I., Mogollón-Pérez, A.-S., Eguiguren, P., Samico, I., Bertolotto, F., López-Vázquez, J., Amarilla, D.-I., De Paepe, P., Vázquez, M.-L., for Equity-LA II, Puzzolo, J., Colautti, M., Aronna, A., Luppi, I., Muruaga, C., Leone, F., Rovere, M., Huerta, A., Alonso, C., … Ballarini, M.-N. (2023). Lessons learnt from the process of designing care coordination interventions through participatory action research in public healthcare networks of six Latin American countries. Health Research Policy and Systems, 21(1), 39. https://doi.org/10.1186/s12961-023-00985-9
[9] Luna, L. L. (2021). Salud pública y big data: COVID-19. Reflexión jurídica sobre la normativa de datos de salud y de aplicación de herramientas big data en el ámbito de la investigación biomédica y de la asistencia sanitaria. DS: Derecho y salud, 31(1), 6-21. https://dialnet.unirioja.es/servlet/articulo?codigo=8136584
[10] Copete, A. F. L., Martinez, L. R., & Gómez, D. A. R. (2023). Aplicación de big data en sistemas de salud pública. Publicaciones e Investigación, 17(1). https://doi.org/10.22490/25394088.6446
[11] Rosa, J. M., & Frutos, E. L. (2022). Ciencia de datos en salud: desafíos y oportunidades en América Latina. Revista Médica Clínica Las Condes, 33(6), 591-597. https://doi.org/10.1016/j.rmclc.2022.09.007
[12] Lasso Cardona, L. A., Franco Ocampo, D. F., & Estrada Esponda, R. D. (2022). Aplicaciones de la Datificación y Big Data en América Latina entre el 2015 y 2019. Revista Logos Ciencia & Tecnología, 14(2), 125-143 http://dx.doi.org/10.22335/rlct.v14i2.1594
[13] Curioso, W. H. (2019). Building capacity and training for digital health: Challenges and opportunities in latin america. Journal of Medical Internet Research, 21(12), e16513. https://doi.org/10.2196/16513
[14] Farias, M. A., Badino, M., Marti, M., Báscolo, E., García Saisó, S., & D’Agostino, M. (2023). La transformación digital como estrategia para el fortalecimiento de las funciones esenciales de salud pública en las Américas. Revista Panamericana de Salud Pública, 47, e150. http://dx.doi.org/10.26633/RPSP.2023.150
[15] Serna-Trejos, J. S., Bermúdez-Moyano, S. G., & Leon-Giraldo, H. (2023). Big Data en ciencias de la salud: Aspectos importantes: Big Data in health sciences: Important issues. Peruvian Journal of Health Care and Global Health, 7(1). https://revista.uch.edu.pe/index.php/hgh/article/view/228
[16] Guayasamín, L. G. S., Sarabia, C. A. S., Orozco, G. S. S., & Orellana, Z. M. R. (2024). Tendencias actuales en la epidemiología de enfermedades infecciosas emergentes: Lecciones aprendidas de la pandemia de COVID-19. Revista Imaginario Social, 7(3). https://doi.org/10.59155/is.v7i3.223
[17] Lu, W., Todhunter-Reid, A., Mitsdarffer, M. L., Muñoz-Laboy, M., Yoon, A. S., & Xu, L. (2021). Barriers and facilitators for mental health service use among racial/ethnic minority adolescents: a systematic review of literature. Frontiers in public health, 9, 641605. https://doi.org/10.3389/fpubh.2021.641605
[18] Chianumba, E. C., Ikhalea, N. U. R. A., Mustapha, A. Y., Forkuo, A. Y., & Osamika, D. A. M. I. L. O. L. A. (2021). A conceptual framework for leveraging big data and AI in enhancing healthcare delivery and public health policy. IRE Journals, 5(6), 303-310. https://www.researchgate.net/publication/390764695_A_Conceptual_Framework_for_Leveraging_Big_Data_and_AI_in_Enhancing_Healthcare_Delivery_and_Public_Health_Policy
[19] Bauskar, S. R., Madhavaram, C. R., Galla, E. P., Sunkara, J. R., & Gollangi, H. K. (2022). Predicting disease outbreaks using AI and Big Data: A new frontier in healthcare analytics. European Chemical Bulletin. Green Publication. https://doi. org/10.53555/ecb. v11: i12, 17745.
[20] McGill, E., Er, V., Penney, T., Egan, M., White, M., Meier, P., ... & Petticrew, M. (2021). Evaluation of public health interventions from a complex systems perspective: a research methods review. Social science & medicine, 272, 113697. https://doi.org/10.1016/j.socscimed.2021.113697
[21] Gomes, M., Murray, E., & Raftery, J. (2022). Economic evaluation of digital health interventions: methodological issues and recommendations for practice. Pharmacoeconomics, 40(4), 367-378. https://doi.org/10.1007/s40273-022-01130-0
[22] Klaic, M., Kapp, S., Hudson, P., Chapman, W., Denehy, L., Story, D., & Francis, J. J. (2022). Implementability of healthcare interventions: an overview of reviews and development of a conceptual framework. Implementation Science, 17(1), 10. http://dx.doi.org/10.1186/s13012-021-01171-7
[23] Gentili, A., Failla, G., Melnyk, A., Puleo, V., Tanna, G. L. D., Ricciardi, W., & Cascini, F. (2022). The cost-effectiveness of digital health interventions: a systematic review of the literature. Frontiers in Public Health, 10, 787135. https://doi.org/10.3389/fpubh.2022.787135
[24] Zah, V., Burrell, A., Asche, C., & Zrubka, Z. (2022). Paying for digital health interventions–what evidence is needed?. Acta Polytechnica Hungarica, 19(9), 179-199. http://dx.doi.org/10.12700/APH.19.9.2022.9.10
[25] Hassan, M., Awan, F. M., Naz, A., deAndrés-Galiana, E. J., Alvarez, O., Cernea, A., ... & Kloczkowski, A. (2022). Innovations in genomics and big data analytics for personalized medicine and health care: a review. International journal of molecular Sciences, 23(9), 4645. https://doi.org/10.3390/ijms23094645
[26] Norori, N., Hu, Q., Aellen, F. M., Faraci, F. D., & Tzovara, A. (2021). Addressing bias in big data and AI for health care: A call for open science. Patterns, 2(10). https://doi.org/10.1016/j.patter.2021.100347
[27] Atalla, M., Pinto, A. J., Mielke, G. I., Benatti, F. B., & Gualano, B. (2019). Impact of a real‐world lifestyle intervention in an entire latin american city with more than 50,000 people. Obesity, 27(12), 1967–1974. https://doi.org/10.1002/oby.22575
[28] Borges do Nascimento, I. J., Marcolino, M. S., Abdulazeem, H. M., Weerasekara, I., Azzopardi-Muscat, N., Gonçalves, M. A., & Novillo-Ortiz, D. (2021). Impact of big data analytics on people’s health: Overview of systematic reviews and recommendations for future studies. Journal of medical Internet research, 23(4), e27275. http://dx.doi.org/10.2196/27275
[29] Sreedevi, A. G., Harshitha, T. N., Sugumaran, V., & Shankar, P. (2022). Application of cognitive computing in healthcare, cybersecurity, big data and IoT: A literature review. Information Processing & Management, 59(2), 102888. http://dx.doi.org/10.1016/j.ipm.2022.102888
[30] Cozzoli, N., Salvatore, F. P., Faccilongo, N., & Milone, M. (2022). How can big data analytics be used for healthcare organization management? Literary framework and future research from a systematic review. BMC health services research, 22(1), 809. https://doi.org/10.1186/s12913-022-08167-z
[31] Iyamu, I., Gómez-Ramírez, O., Xu, A. X., Chang, H. J., Watt, S., Mckee, G., & Gilbert, M. (2022). Challenges in the development of digital public health interventions and mapped solutions: findings from a scoping review. Digital health, 8, 20552076221102255. https://doi.org/10.1177/20552076221102255
[32] Molina, Y., Iglesias, J. G., & Montesinos, L. (2024). A data-driven approach on COVID-19 restrictions and its effectiveness in Latin America. 2024 IEEE 37th International Symposium on Computer-Based Medical Systems (CBMS), 176–181. https://doi.org/10.1109/CBMS61543.2024.00037
[33] Espinel-Flores, V., Vargas, I., Samico, I., Eguiguren, P., Mogollón-Pérez, A., López, J., Bertolotto, F., & Vázquez Navarrete, M. L. (2020). Effectiveness of interventions related to continuity of health care in five Latin America countries. European Journal of Public Health, 30(Supplement_5), ckaa166.513. https://doi.org/10.1093/eurpub/ckaa166.513
[34] Read, A., Lutgens, D., & Malla, A. (2023). A descriptive overview of mental health services offered in post-secondary educational institutions across Canada. The Canadian Journal of Psychiatry, 68(2), 101-108. https://doi.org/10.1177/07067437221128168
[35] Utomo, J., Rukmana, A. Y., Andarmoyo, S., & Anurogo, D. (2023). The Effect of Education, Income, and Access to Health Services on the Quality of Life of the Elderly in West Java. West Science Social and Humanities Studies, 1(05), 227-235. https://pdfs.semanticscholar.org/a8e6/b6260c73e67afa73c2228d50a679e0fd6402.pdf
[36] Valery, P. C., Bernardes, C. M., Hayward, K. L., Hartel, G., Haynes, K., Gordon, L. G., ... & Powell, E. E. (2022). Poor disease knowledge is associated with higher healthcare service use and costs among patients with cirrhosis: an exploratory study. BMC gastroenterology, 22(1), 340. https://doi.org/10.1186/s12876-022-02407-6
[37] Karam, M., Chouinard, M. C., Poitras, M. E., Couturier, Y., Vedel, I., Grgurevic, N., & Hudon, C. (2021). Nursing care coordination for patients with complex needs in primary healthcare: a scoping review. International journal of integrated care, 21(1), 16. https://doi.org/10.5334/ijic.5518
[38] Swan, D., & Connolly, D. (2023). Driving improvements in the quality, safety, consistency and coordination of care and support for children using health and social care services, through the collaborative development of national standards. International Journal of Integrated Care, 23(S1). http://dx.doi.org/10.5334/ijic.ICIC23208
[39] Liow, M. H. L., Lee, L. C., Tan, N. C. K., Tan, H. K., Chow, W., Wee, G. L. E., ... & Ling, M. L. (2022). Personal protective equipment training for non-healthcare workers in the Covid-19 pandemic: effectiveness of an evidence-based skills training framework. Infection, disease & health, 27(1), 38-48. https://doi.org/10.1016/j.idh.2021.09.040
[40] Nekar, D. M., Kang, H., Alao, H., & Yu, J. (2022). Feasibility of using multiplayer game-based dual-task training with augmented reality and personal health record on social skills and cognitive function in children with autism. Children, 9(9), 1398. https://doi.org/10.3390/children9091398
[41] Du, G., Liu, Z., & Lu, H. (2021). Application of innovative risk early warning mode under big data technology in Internet credit financial risk assessment. Journal of Computational and Applied Mathematics, 386, 113260. http://dx.doi.org/10.1016/j.cam.2020.113260
Contribución de los Autores Individuales en la Elaboración de un Artículo Científico (Po-lítica de Ghostwriting)
Todos los autores participaron equitativamente del desarrollo del artículo.
Fuentes de Financiamiento para la Investiga-ción Presentada en el Artículo Científico o para el Artículo Científico en sí
No se recibió financiación para la realización de este estudio.
Conflicto de Intereses
Los autores declaran no tener ningún conflicto de interés relevante con el contenido de este artículo.
Licencia de Atribución de Creative Com-mons 4.0 (Atribución 4.0 Internacional, CC BY 4.0)
Este artículo se publica bajo los términos de la Licencia de Atribución de Creative Commons 4.0.
Descargas
Publicado
Número
Sección
Licencia
Usted es libre de:
- Compartir — copiar y redistribuir el material en cualquier medio o formato
- La licenciante no puede revocar estas libertades en tanto usted siga los términos de la licencia
Bajo los siguientes términos:
- Atribución — Usted debe dar crédito de manera adecuada , brindar un enlace a la licencia, e indicar si se han realizado cambios . Puede hacerlo en cualquier forma razonable, pero no de forma tal que sugiera que usted o su uso tienen el apoyo de la licenciante.
- NoComercial — Usted no puede hacer uso del material con propósitos comerciales .
- SinDerivadas — Si remezcla, transforma o crea a partir del material, no podrá distribuir el material modificado.
- No hay restricciones adicionales — No puede aplicar términos legales ni medidas tecnológicas que restrinjan legalmente a otras a hacer cualquier uso permitido por la licencia.
