Mora J4, Cartes S4, Arancibia A4, Hernández E3, Pizarro G1,2, Hernández D3, Ibañez P1,2. 1Departamento de Gastroenterología. 2Programa de EII. 3Fellow de Enfermedad Inflamatoria. 4Centro de innovación, Clínica Las Condes.
Introducción: En 1854 John Snow logró controlar la pandemia de cólera con un mapa marcando las defunciones y una bomba de agua contaminada. Hoy, con técnicas computacionales modernas, se pueden obtener novedosas formas de ver grandes volúmenes de datos de forma dinámica, comprensible y en tiempo real. Objetivo: Presentar la metodología y herramientas utilizadas para visualizar de forma dinámica y analítica los datos de nuestro registro de 11.045 visitas de pacientes al programa de Enfermedad Inflamatoria Intestinal. Metodología: Los datos son obtenidos mensualmente desde el registro clínico electrónico (ingresos-seguimientos) de nuestro centro. Se almacenan de forma tabulada, anonimizada y segura en el Centro de Innovación en Salud. El pre-procesamiento y analítica descriptiva se realizó con librerías de Python. Se normalizan por tipo de datos y se realiza limpieza de datos. La visualización se realizó con las librerías Matplotlib, Seaborn y Plotly de Python; y con la herramienta PowerBi de Microsoft. Se elaboraron modelos experimentales predictivos con técnicas computacionales de aprendizaje de máquina (machine learning). Conclusiones: La visualización de grandes volúmenes de datos de forma simple, amigable y dinámica es una valiosa herramienta para analizar información y generar nuevas hipótesis que los datos sugieren por sí mismos al utilizar estas técnicas. Es posible realizar analítica avanzada de datos clínicos con herramientas de código abierto de bajo costo y de forma segura. El trabajo interdisciplinario entre clínicos y especialistas en datos permite expandir nuestra visión
PDF | DOI: 10.46613/congastro2022-28
XLIX Congreso Chileno de Gastroenterología – 2022