La relación entre la tecnología y la Salud Pública está abriendo nuevas puertas para mejorar la atención médica, optimizar recursos y tomar decisiones más informadas. Con el objetivo de analizar estas oportunidades y desafíos, el Departamento de Salud Pública de la Facultad de Medicina de la UNAM organizó el conversatorio “Innovación Digital y Ciencia de Datos en Salud Pública: hacia políticas basadas en evidencia”.
La importancia del análisis de datos en la toma de decisiones
Durante este evento, realizado en el auditorio “Dr. Fernando Ocaranza” y transmitido por YouTube, se presentaron proyectos que destacan la relevancia del análisis avanzado de datos. Uno de ellos fue el informe final de la investigación de Katherine Priscila Villalobos Abarca, alumna en proceso de titulación de la Licenciatura de Registros y Estadísticas de Salud en la Universidad Estatal a Distancia de Costa Rica.
El estudio titulado “Comparación de las tendencias o patrones en los registros del Sistema de Información para la Vigilancia Epidemiológica (SISVE) mediante series temporales de datos COVID-19 en población adulta de 18 a 50 años”, buscó optimizar estrategias de respuesta sanitaria en el Área de Salud Oreamuno, Pacayas, Tierra Blanca.
Uso de modelos avanzados para la predicción epidemiológica
La investigación utilizó el modelo estadístico ARIMA (AutoRegressive Integrated Moving Average), comúnmente aplicado en áreas como las finanzas, pero con gran potencial en la Epidemiología. Este modelo, combinado con el lenguaje de programación Python, permitió a Villalobos analizar series temporales de datos históricos correspondientes al periodo de 2023 y la primera mitad de 2024.
Según la investigadora, este enfoque permitió obtener predicciones más precisas sobre la evolución de los casos de COVID-19, ofreciendo una visión clara de los patrones epidemiológicos locales. “El uso de ARIMA no solo optimizó el análisis, sino que también redujo la dependencia de métodos convencionales como Excel”, explicó.
Resultados del estudio: disminución de casos y patrones estacionales
Entre los hallazgos más relevantes, se identificó una disminución sostenida en la incidencia de casos de COVID-19 durante 2024, especialmente en el último trimestre del año. Además, el modelo ARIMA permitió observar patrones estacionales en los registros del SISVE, lo que facilitó proyecciones más precisas sobre posibles cambios en la incidencia.
Villalobos destacó que los resultados reflejan el impacto positivo de las medidas preventivas implementadas, confirmando una mejora en la respuesta sanitaria local.
Tecnología y Salud Pública: un futuro prometedor
El conversatorio reafirmó la importancia de integrar herramientas tecnológicas avanzadas en la Salud Pública, desde el análisis de datos hasta la toma de decisiones basada en evidencia. Estos esfuerzos no solo optimizan los recursos disponibles, sino que también mejoran la capacidad de respuesta ante emergencias sanitarias.
Con iniciativas como esta, queda claro que la innovación digital y la Ciencia de Datos están marcando un antes y un después en la forma en que entendemos y enfrentamos los desafíos en salud.
Fuente: Nombre
Con información de : gaceta.facmed.unam.mx
