Modelo reúne millones de datos de salud y ambiente para estudios epidemiológicos

Un estudio de cohorte es aquel que sigue a un grupo grande de personas y evalúa, por ejemplo, los efectos sobre la salud de los factores de riesgo a los que están expuestos. En el tema ambiental ayudaría a determinar el impacto en las personas de la contaminación atmosférica, los rellenos sanitarios o el cambio climático. Aunque su desarrollo implica grandes retos, la ingeniería analítica ofrece luces sobre cómo llevarlos a cabo de forma más ágil y efectiva.

La capacidad de los estudios de cohorte se basa en una metodología rigurosa para evitar cualquier sesgo, errores en la recolección de datos o en la interpretación de los resultados.

Al respecto, Laura María Uribe Díez, magíster en Ingeniería Analítica de la Universidad Nacional de Colombia (UNAL) Sede Medellín, señala que esos son algunos de los grandes retos que presentan. “El principal de ellos es que requieren de muchas fuentes de información, por ejemplo, de experiencias cotidianas de grupos de individuos, historiales clínicos, datos de estaciones de monitoreo ambiental, entre otros”.

Con su tesis de posgrado, la investigadora desarrolló un método que permite organizar esos millones de datos, consolidarlos y manipularlos, de manera que quienes lleven a cabo estudios de cohorte epidemiológico registren de forma sencilla la información, la sistematicen y ofrezcan eventuales conclusiones.

La solución la halló mediante la arquitectura de información (AI), una disciplina que puede comprenderse con el símil de una casa. “Para construirla se necesitan varios materiales, en este caso, es toda la información que se requiere para el estudio (resultados de encuestas, historias clínicas, etc.). El reto es maquetar la casa bien, de manera que el usuario final (los investigadores) sepan cómo ubicarse dentro de ella”, anota.

La AI también puede entenderse como la elaboración de una base de datos con distintas dimensiones, como un cubo en 3D, en el que cada cara reúne información de distintos orígenes.

“Por ejemplo, tenemos el historial clínico. Este se mueve con bases legales y estándares; así, un número simple como 0104 puede significar enfermedad pulmonar obstructiva crónica (EPOC). Todo eso lo aprovechamos para armar la dimensión de forma clara, coherente y sin que se repitan datos”, menciona.

Cuando ya se tienen todas las dimensiones organizadas y los datos completos, es indispensable pensar cómo conectar todo.

“Para ello elegimos un modelo relacional que, de forma simple, consiste en presentar la información en filas y columnas, respetando los tipos de datos (si son números, decimales, letras). La elección tuvo que ver con que este modelo está más estandarizado y puede ser más accesible para los investigadores que no suelen ser expertos en informática”, explica.

La investigadora debió comprender conceptos alejados de su ámbito de trabajo, la ingeniería analítica, y más cercanos a la salud, la epidemiología y el ambiente. Así mismo, tuvo que diseñar decenas de mapas y diagramas de flujo para determinar qué tipo de información proveniente, por ejemplo, de las encuestas, era útil y cómo vincularla.

El resultado final quedó consolidado en un software llamado MySQL Workbench, de libre acceso (open source). “Sin embargo, al ser la ‘maqueta’ de una casa, la tecnología que se use no es muy relevante. Independientemente de esta, debe funcionar la conexión que sugerimos”.

Aunque el modelo que planteó tuvo como base un estudio epidemiológico ambiental específico, que se está adelantando en Medellín, la propuesta sirve como guía para futuros análisis relacionados con salud, medio ambiente o cualquier tema que implique el manejo de una gran cantidad de datos, lo que representa oportunidades para todo tipo de investigadores y tomadores de decisiones.