Antecedentes
Este proyecto está alineado con el PND 2019-2024 y la Estrategia Nacional Digital (END) en el objetivo “Salud Universal yEfectiva”, está enfocada en la Secretaría de salud de la CDMX (SEDESA). Esta institución enfrenta la carencia de una estrategia digital de datos, que ha derivado en tener dificultades para la gestión de grandes volúmenes de datosmultidimensionales, que se sintetizan en:
- Sistemas heredados (con diferentes tecnologías y plataformas)
- Interoperabilidadmultidimensional (diversas interfaces y motores de consultas)
- Bases de datos aisladas.
Este ecosistema, representa un grandesafío, pero es también la oportunidad de solucionarlo a través de los paradigmas de Ciencias de Datos, el Big Data y las técnicas Geoespaciales. La integración de datos permitirá descubrir patrones espacio-temporales asociados con enfermedades. En particular, aquellas relacionadas con la contaminación del aire y/o la movilidad de los ciudadanos de la CDMX. Actualmente, se cuenta con un repositorio de cientos de millones de registros de datos heterogéneos, todos de diversa índole y estructura. Por ello, se propone una plataforma disruptiva de Big Data, conformada por cuatro sistemas:
- Un sistema integrador de datos de salud (ingreso y egresos hospitalarios)
- Un integrador de Datos abiertos, movilidad (transporte público) y calidad del aire (contaminantes criterio)
- Un sistema de descubrimiento multidimensional de patrones socio-espacio temporales de salud
- Un sistema de visualización multidimensional
El resultado de esta propuesta será un sistema Big Data que permitirá la interoperabilidad de las bases de datos y desplegará series históricas visualizando la trazabilidad de los pacientes, en especial de enfermedades crónicas no transmisibles. Además, contribuirá para continuar construyendo las bases para la estrategia digital de datos en Salud.
Entregables de incidencia
Un sistema de ciencia de datos funcionando y mostrando análisis en espacio y tiempo de las enfermedades de interés para SEDESA además, de un dashboard de datos abiertos.
Referencias
Cao, R., Wang, Y., Huang, J., Zeng, Q., Pan, X., Li, G., & He, T. (2021). The construction of the air quality health index (AQHI) and a validity comparison based on three different methods. Environmental Research, 197, 110987. https://doi.org/10.1016/j.envres.2021.110987
Yumin, L., Shiyuan, L., Ling, H., Ziyi, L., Yonghui, Z., Li, L., & Kangjuan, L. (2021). The casual effects of COVID-19 lockdown on air quality and short-term health impacts in China. Environmental Pollution, 117988. https://doi.org/10.1016/j.envpol.2021.117988
Bui, L. T., Nguyen, P. H., & Nguyen, D. C. M. (2021). Linking air quality, health, and economic effect models for use in air pollution epidemiology studies with uncertain factors. Atmospheric Pollution Research, 12(7), 101118. https://doi.org/10.1016/j.apr.2021.101118
Dr. Miguel Félix Mata Rivera
Jefe del laboratorio de Inteligencia Artificial Geo-Espacial
y Cómputo Móvil de la Unidad Profesional Interdisciplinaria
en Ingenierías y Tecnologías Avanzadas (UPIITA).
Instituto Politécnico Nacional.
ORCID: https://orcid.org/0000-0001-9714-7137