{"id":35800,"date":"2022-12-13T09:57:53","date_gmt":"2022-12-13T15:57:53","guid":{"rendered":"https:\/\/saluddigital.com\/?p=35800"},"modified":"2025-10-20T00:14:34","modified_gmt":"2025-10-20T06:14:34","slug":"seis-riesgos-potenciales-que-deben-evitarse-al-trabajar-con-datos-de-expedientes-clinicos-electronicos","status":"publish","type":"post","link":"https:\/\/saluddigital.com\/en\/big-data\/seis-riesgos-potenciales-que-deben-evitarse-al-trabajar-con-datos-de-expedientes-clinicos-electronicos\/","title":{"rendered":"Seis riesgos potenciales que deben evitarse al trabajar con datos de expedientes cl\u00ednicos electr\u00f3nicos"},"content":{"rendered":"
\n\t\t\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t

Los registros electr\u00f3nicos de salud (EHR, en ingl\u00e9s) son utilizados para desarrollar modelos de clasificaci\u00f3n y predicci\u00f3n para apoyar la toma de decisiones a profesionales m\u00e9dicos.<\/h2>\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Los EHR o tambi\u00e9n conocidos como expedientes cl\u00ednicos electr\u00f3nicos son utilizados con diversos prop\u00f3sitos como el desarrollo de modelos de clasificaci\u00f3n y predicci\u00f3n de enfermedades, desarrollo de pol\u00edticas de tratamiento adecuadas o simular ensayos cl\u00ednicos aleatorizados. A diferencia de otras fuentes de datos m\u00e9dicos y de pacientes, enfoques de estudio o ensayos, los EHR tiene una ventaja en el an\u00e1lisis de datos, ya que la informaci\u00f3n est\u00e1 capturada y lista para ser consultada, lo que reduce la carga administrativa.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

Adem\u00e1s, un expediente cl\u00ednico es m\u00e1s representativo de la poblaci\u00f3n y ofrece la posibilidad de un mayor poder estad\u00edstico para analizar la informaci\u00f3n cl\u00ednica. No obstante, esto quiere decir que involucra datos m\u00e1s complejos y requiere de cierta infraestructura m\u00e9dica y tecnol\u00f3gica para su funcionamiento. Por ejemplo, sistemas integrados, sistemas interoperables, una red de proveedores, entre otros.<\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t

\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t\"\"\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t\t
\n\t\t\t
\n\t\t\t\t\t\t
\n\t\t\t\t
\n\t\t\t\t\t\t\t\t\t

El an\u00e1lisis de datos de EHR tiene el potencial de realizar investigaciones prometedoras, a pesar de que pueden verse limitadas por deficiencias metodol\u00f3gicas. En este sentido investigadores m\u00e9dicos publicaron en The Lancet Digital Health una lista de seis potenciales riesgos metodol\u00f3gicos y cl\u00ednicos en el uso de EHR.<\/p>

  1. Sesgo de selecci\u00f3n de la muestra. La construcci\u00f3n de cohortes puede ser un tema complejo dentro del an\u00e1lisis de datos. Los investigadores proponen las siguientes soluciones: Discutir las opciones de dise\u00f1o con m\u00e9dicos experimentados; usar definiciones de cohortes con est\u00e1ndares de oro; y realizar an\u00e1lisis de sensibilidad.<\/li>
  2. Definiciones de variables imprecisas: Las variables imprecisas pueden ser la diferencia en el diagn\u00f3stico preciso y oportuno de una enfermedad, por ello es necesario desarrollar definiciones en un equipo multidisciplinario, que involucre a m\u00e9dicos, epidemi\u00f3logos, estad\u00edsticos, cient\u00edficos sociales y pacientes.<\/li>
  3. Limitaciones para el despliegue: Es decir el despliegue de tecnolog\u00edas predictivas como aprendizaje autom\u00e1tico o cualquier otro sistema que utilice EHR. Para evitar complicaciones en su aplicaci\u00f3n los investigadores indican que es necesario comprobar si la hora de registro est\u00e1 alineada con la hora del resultado; necesidad de incluir informaci\u00f3n que est\u00e9 disponible al inicio y asegurarse de que no haya superposici\u00f3n de pacientes entre el conjunto de datos de entrenamiento y el conjunto de datos de prueba.<\/li>
  4. Frecuencia de medici\u00f3n variable: Consultar a expertos y ajustar variables utilizando estrategias epidemiol\u00f3gicas o estad\u00edsticas como ponderaci\u00f3n, imputaci\u00f3n m\u00faltiple o eliminaci\u00f3n de variables poco fiables.<\/li>
  5. Asignaci\u00f3n de tratamiento subjetivo: Apuntar a ajustar las diferencias entre m\u00e9dicos e intram\u00e9dicos en la asignaci\u00f3n del tratamiento.<\/li>
  6. Sobreajuste del modelo y generalizabilidad reducida: La potencial soluci\u00f3n es cuestionar c\u00f3mo las pol\u00edticas locales podr\u00edan afectar la generalizabilidad y ajustar potencialmente las estimaciones del tama\u00f1o del efecto sobre la base de las diferencias conocidas en la prevalencia.<\/li><\/ol>

    Conoce m\u00e1s sobre este https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00154-6\/fulltext<\/a><\/p>\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t

    \n\t\t\t\t\t\t
    \n\t\t\t\t\t
    \n\t\t\t
    \n\t\t\t\t\t\t
    \n\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t\t\t
    \n\t\t\t\t\t
    \n\t\t\t\t\t\t\t\t\t\t\t\t\n\t\t\t\t\t\t\t\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t<\/i><\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t\t<\/span>\n\t\t\t\t\t\t\t\t\t\t\t\t BIBLIOGRAPHY<\/a>\n\t\t\t\t\t<\/div>\n\n\t\t\t\t\t

    THE LANCET <\/strong><\/p>

    https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00154-6\/fulltext<\/a><\/p><\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t\t\t\t<\/div>\n\t\t\t\t\t\t<\/div>\n\t\t\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/div>\n\t\t\t\t\t<\/div>\n\t\t<\/section>\n\t\t\t\t<\/div>","protected":false},"excerpt":{"rendered":"

    Los registros electr\u00f3nicos de salud (EHR, en ingl\u00e9s) son utilizados para desarrollar modelos de clasificaci\u00f3n y predicci\u00f3n para apoyar la toma de decisiones a profesionales m\u00e9dicos. Los EHR o tambi\u00e9n conocidos como expedientes cl\u00ednicos electr\u00f3nicos son utilizados con diversos prop\u00f3sitos como el desarrollo de modelos de clasificaci\u00f3n y predicci\u00f3n de enfermedades, desarrollo de pol\u00edticas de tratamiento adecuadas o simular ensayos cl\u00ednicos aleatorizados. A diferencia de otras fuentes de datos m\u00e9dicos y de pacientes, enfoques de estudio o ensayos, los EHR tiene una ventaja en el an\u00e1lisis de datos, ya que la informaci\u00f3n est\u00e1 capturada y lista para ser consultada, lo que reduce la carga administrativa. Adem\u00e1s, un expediente cl\u00ednico es m\u00e1s representativo de la poblaci\u00f3n y ofrece la posibilidad de un mayor poder estad\u00edstico para analizar la informaci\u00f3n cl\u00ednica. No obstante, esto quiere decir que involucra datos m\u00e1s complejos y requiere de cierta infraestructura m\u00e9dica y tecnol\u00f3gica para su funcionamiento. Por ejemplo, sistemas integrados, sistemas interoperables, una red de proveedores, entre otros. El an\u00e1lisis de datos de EHR tiene el potencial de realizar investigaciones prometedoras, a pesar de que pueden verse limitadas por deficiencias metodol\u00f3gicas. En este sentido investigadores m\u00e9dicos publicaron en The Lancet Digital Health una lista de seis potenciales riesgos metodol\u00f3gicos y cl\u00ednicos en el uso de EHR. Sesgo de selecci\u00f3n de la muestra. La construcci\u00f3n de cohortes puede ser un tema complejo dentro del an\u00e1lisis de datos. Los investigadores proponen las siguientes soluciones: Discutir las opciones de dise\u00f1o con m\u00e9dicos experimentados; usar definiciones de cohortes con est\u00e1ndares de oro; y realizar an\u00e1lisis de sensibilidad. Definiciones de variables imprecisas: Las variables imprecisas pueden ser la diferencia en el diagn\u00f3stico preciso y oportuno de una enfermedad, por ello es necesario desarrollar definiciones en un equipo multidisciplinario, que involucre a m\u00e9dicos, epidemi\u00f3logos, estad\u00edsticos, cient\u00edficos sociales y pacientes. Limitaciones para el despliegue: Es decir el despliegue de tecnolog\u00edas predictivas como aprendizaje autom\u00e1tico o cualquier otro sistema que utilice EHR. Para evitar complicaciones en su aplicaci\u00f3n los investigadores indican que es necesario comprobar si la hora de registro est\u00e1 alineada con la hora del resultado; necesidad de incluir informaci\u00f3n que est\u00e9 disponible al inicio y asegurarse de que no haya superposici\u00f3n de pacientes entre el conjunto de datos de entrenamiento y el conjunto de datos de prueba. Frecuencia de medici\u00f3n variable: Consultar a expertos y ajustar variables utilizando estrategias epidemiol\u00f3gicas o estad\u00edsticas como ponderaci\u00f3n, imputaci\u00f3n m\u00faltiple o eliminaci\u00f3n de variables poco fiables. Asignaci\u00f3n de tratamiento subjetivo: Apuntar a ajustar las diferencias entre m\u00e9dicos e intram\u00e9dicos en la asignaci\u00f3n del tratamiento. Sobreajuste del modelo y generalizabilidad reducida: La potencial soluci\u00f3n es cuestionar c\u00f3mo las pol\u00edticas locales podr\u00edan afectar la generalizabilidad y ajustar potencialmente las estimaciones del tama\u00f1o del efecto sobre la base de las diferencias conocidas en la prevalencia. Conoce m\u00e1s sobre este https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00154-6\/fulltext BIBLIOGRAF\u00cdA THE LANCET https:\/\/www.thelancet.com\/journals\/landig\/article\/PIIS2589-7500(22)00154-6\/fulltext<\/p>","protected":false},"author":1,"featured_media":35802,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[156,160],"tags":[145],"class_list":["post-35800","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-big-data","category-noticias","tag-noticias"],"aioseo_notices":[],"_links":{"self":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/35800","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/comments?post=35800"}],"version-history":[{"count":0,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/posts\/35800\/revisions"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media\/35802"}],"wp:attachment":[{"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/media?parent=35800"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/categories?post=35800"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/saluddigital.com\/en\/wp-json\/wp\/v2\/tags?post=35800"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}