La visualización de datos en salud indispensable en la epidemiología la clínica y la economía de la salud

¿Qué es la visualización de datos en salud?

Obtener una “imagen” de la información que se analiza hace parte fundamental de los procesos de comunicación en investigación, salud pública, economía de la salud y marketing sanitario entre otras áreas. Diferentes herramientas nos permiten transmitir un mensaje relevante a partir de una gráfica, mediante características como la altura de una barra, el diámetro de un círculo, un mapa de coropletas entre otras.

Ahora bien, la visualización correcta no es aquella que es más difícil de interpretar, o que es saturada de formas y tonalidades, por el contrario, es aquella en la que el espectador encuentra lo que está buscando, pero además esta gráfica se basa en un “estándar” académico “visual”, conocido por el público que la consulta e.g., un histograma que se utiliza para describir una variable continua como la edad o el tiempo a un evento.

Por otra parte, actualmente disponemos de gráficas que nos permiten profundizar en diferentes niveles, este es el caso del gráfico radial jerárquico, más conocido como sunburst. Si nos vamos a su asepción en español querría decir sol radiante, y de alguna forma la gráfica nos está trayendo diferentes tonalidades en círculos concéntricos para una característica que tiene diferentes niveles de pertenencia como variable padre, variable hija... De allí que tengamos diferentes “shades” de una característica que de alguna manera pertenece a otra de mayor jerarquía.

Retomando, pensemos en la visualización de datos como la escritura, que es en esencia un código cultural de signos que nos permite entender y transmitir una idea. Lo mismo sucede cuándo construimos una gráfica, solo que esta vez debemos pensar en un estándar científico global, porque la ciencia debe ser interpretable para cualquier persona, independientemente de su habla o cultura.

“ Curso preIA para epidemiología y análisis de datos

Salud Nova

¿Qué herramienta existen para la visualización de datos en salud?

Actualmente, existen múltiples herramientas para la visualización de datos, entre ellas Python, este lenguaje de programación de alto nivel permite el uso de paquetes como Plotly los cuales cuentan con poderosos elementos para construir gráficas y tener una interacción valiosa y constructiva con los datos. Python usa además otras librerías y plugins como Data Wrangler, Pandas y Numpy las cuales son elementos indispensables para el procesamiento de  datos y la correcta visualización de los mismos. Una de las grandes ventajas de Python es que su uso es libre, al igual que los paquetes para construir gráficas, así que el único límite es el conocimiento del lenguaje y tu imaginación.

De otra parte, herramientas como Stata nos permiten procesar datos estadísticos a un nivel importante, y al igual que Python agregan elementos de reproducibilidad al momento de analizar datos y construir visualizaciones que requieren compartir el código con una revista científica (journal científico), con la intensión de constatar el correcto procesamiento de la información.

Cabe mencionar que, las gráficas construidas en Python a diferencia de las que se construyen en Excel garantizan un cierto nivel de reproducibilidad que es de máxima relevancia para la ciencia, dado que “entrega” todos los elementos bajo los cuales fueron observados y tenidos en cuenta cada uno de los datos de una investigación. Desde luego, si la intención es publicar con otros fines, como agregar elementos a una infografía, la adaptabilidad es amplia permitiendo “jugar” de alguna manera con colores y tamaños.

Más aún, si los elementos visuales tienen un fin dentro del marketing sanitario, Python nos permite construir poderosos tableros interconectados que brindan y extraer insights de primera mano para la industria. A diferencia de Power BI, Python es capaz de integrar numerosos elementos, pero además permite escalar y ajustar en otro nivel el uso de estos tableros dinámicos agregando una experiencia del usuario superior.

¿Cuál es el papel de la visualización de datos en salud?

Pensemos en la demanda imagenológica en una ciudad, o en un fármaco requerido para el manejo de la EPOC, o en una institución que presta servicios de salud a pacientes hemofílicos, un dashboard puede enriquecer la discusión agregando información sobre las dinámicas del mercado a nivel territorial, la distribución geográfica de las necesidades no servidas entre la población y como fortalecer el despliegue de un producto tecnológico e impactar positivamente la población. 

¿Cómo apoyamos en SaludNova?

En SaludNova apoyamos la formulación de estrategias a partir de información valiosa del mercado, fortaleciendo a nuestros clientes con datos y diferentes herramientas que permiten trazar desafíos sanitarios, establecer oportunidades desde la epidemiología y la ciencia de datos, pero también atacar amenazas y establecer fortalezas presentes y futuras. 

El mundo actual requiere información detallada y de calidad sobre diferentes áreas, apoyar el despliegue precontractual para la incorporación de un fármaco o tecnología en conocimiento de las necesidades de un prestador, pero también en la definición de riesgos, será la hoja de ruta para los sistemas de salud en el corto plazo. 

Finalmente, SaludNova cuenta con elementos educativos encaminados a apoyar personas interesadas en la visualización de datos en el sector salud, es por eso que contamos con un curso en Udemy al cual podemos acceder a través de este enlace:

Python Health Data Visualization: Plotly, Pandas & GeoDa

¿Qué ofrece este curso?

• Visualización de Datos para Profesionales de la Salud
• Visualizaciones claras, impactantes y reproducibles para las ciencias de la salud y de la vida.

En este curso aprenderás a crear gráficos significativos orientados a la salud, las ciencias biológicas y áreas afines. Comenzaremos configurando tu entorno paso a paso con Python, Jupyter Notebooks y Visual Studio Code. Trabajarás con dos bibliotecas clave: Pandas para la preparación de datos y Plotly para visualizaciones interactivas con calidad de publicación. Además, presentaremos GeoDa para construir cartogramas y otros análisis espaciales, ofreciéndote múltiples enfoques para explorar datos geográficos en salud.

Se recomienda una familiaridad básica con Python, R, Stata u otras herramientas usadas en análisis de datos de salud, de modo que puedas centrarte en los conceptos de visualización mientras sigues el código.

• A través de ejercicios prácticos con conjuntos de datos reales y anonimizados, podrás:
• Visualizar estadísticas de cáncer, patrones de multimorbilidad y tendencias epidemiológicas.
• Analizar datos de COVID-19 y métricas poblacionales de aseguramiento en salud.
• Crear figuras claras y reproducibles para artículos, informes y presentaciones.
• Construir visualizaciones geográficas que revelen relaciones espaciales en datos de salud.

Pondremos énfasis en la reproducibilidad: compartir el código detrás de tus figuras ayuda a validar métodos, fomenta la colaboración y se ajusta a las expectativas de las publicaciones científicas.

Al finalizar, podrás preparar conjuntos de datos, seleccionar técnicas de visualización eficaces y transformar información sanitaria compleja en conclusiones claras y accionables—listas para revistas, partes interesadas o tomadores de decisión.