La pandemia por COVID-19 ha desencadenado cambios profundos en la medicina y la salud pública a nivel global. Ha resaltado la necesidad crítica de que todos los países fortalezcan sus sistemas de información, específicamente en lo que respecta a la gestión de los datos de salud. Los datos que son oportunos, creíbles, fiables y procesables son esenciales para garantizar que las decisiones políticas se fundamenten en la mejora de la calidad de vida de las personas (Azzopardi-Muscat et al., 2020). Sin embargo, la crisis sanitaria también ha evidenciado problemas persistentes en los sistemas de información de salud y en la gestión de datos.
Barreras en la Gestión de Datos de Salud
Entre las principales barreras que afectan la gestión de datos de salud se encuentran la falta de estandarización en las definiciones, cálculos y formatos de los datos, así como los retrasos en su recepción. También hay una notable carencia de integración e interoperabilidad entre los diferentes sistemas de datos e información relacionados con la salud y, crucialmente, la falta de recursos humanos capacitados para gestionar y utilizar estos datos (Azzopardi-Muscat et al., 2020). Aunque estos problemas han existido durante décadas, la pandemia ha provocado que impacten simultáneamente a todos los países, provocando una crisis mundial (Azzopardi-Muscat et al., 2020).
El Papel de la Salud Digital
Hoy en día, la salud digital y las tecnologías vinculadas a la gestión de datos desempeñan un papel fundamental. Existe una creciente demanda para aumentar la formación y las habilidades de los profesionales sanitarios en ciencia de datos y en el uso eficiente de las tecnologías de la información y la comunicación (TIC) (Gallagher, 2015). A pesar de las oportunidades que el análisis de datos ofrece para mejorar la efectividad y eficiencia de la atención sanitaria, esta área requiere un desarrollo continuo de habilidades debido a los rápidos cambios en los métodos y fuentes de datos disponibles.
El uso de big data a nivel poblacional, recopilados a través de diversas actividades en un sistema de salud, permite la creación de modelos que pueden predecir enfermedades, promover mejores medidas preventivas y desarrollar una atención más personalizada para los pacientes (Raghupathi y Raghupathi, 2014).
Datos Desagregados y Toma de Decisiones
Durante la pandemia, la combinación de datos desagregados y de diversos conjuntos de datos —incluyendo datos demográficos, socioeconómicos, genéticos, antecedentes sociales y familiares, estilos de vida y del medio ambiente— ha permitido revelar patrones y facilitar la focalización precisa de decisiones y medidas de políticas sanitarias. En este contexto, nos enfrentamos a un ecosistema de datos digitalizados que requiere nuevas soluciones y habilidades para abordar adecuadamente los eventos del día a día, que demandan decisiones informadas.
Es esencial que todas las personas comprendan los beneficios y riesgos de compartir sus datos. Por ello, los temas relacionados con la ética, la privacidad, la confidencialidad y la seguridad de los datos son críticos. Además, la respuesta al COVID-19 requiere un acceso y actualización oportuna de los repositorios de datos abiertos vinculados a la salud (Curioso y Carrasco-Escobar, 2020).
Iniciativas Educativas: Programa de Capacitación en Inteligencia de Datos
En respuesta a estas necesidades, la Universidad Continental (UC), a través de su Escuela de Posgrado, lanzó en enero de 2021 el Programa de Capacitación en Inteligencia de Datos para Preparación ante Pandemias y Epidemias. Esta iniciativa, financiada por el Fondo Nacional de Desarrollo Científico, Tecnológico y de Innovación Tecnológica (FONDECYT), fue reconocida como una de las propuestas educativas ganadoras para abordar los desafíos de la COVID-19.
El programa ofrece un plan de estudios que combina asignaturas y talleres, con la participación de destacados especialistas nacionales e internacionales. Está organizado en cinco módulos clave:
- Conceptos básicos de epidemiología y salud pública.
- Gestión y modelamiento de datos en salud: modelos dinámicos.
- Sistema de información en salud.
- Inteligencia y visualización de datos en salud.
- Aplicaciones de inteligencia artificial en salud. Machine Learning: identificación de patrones numéricos, textos e imágenes.
Además, se complementa con talleres prácticos relacionados con modelos epidemiológicos y machine learning con fines epidemiológicos.
Los datos son una herramienta de vital importancia para abordar eficazmente la pandemia y las crisis de salud pública. Es fundamental fortalecer las capacidades del recurso humano en salud para mejorar los sistemas de datos e información. Esto garantiza que todas las decisiones se basen en datos precisos, lo que nos permitirá estar mejor preparados para enfrentar futuras epidemias o pandemias. La formación continua y el enfoque en la tecnología son claves para avanzar hacia un sistema de salud más resiliente y efectivo.