93. Importancia del uso de datos en la toma de decisiones

Uso de datos en la toma de decisiones

Estoy tomando un curso en la plataforma Edx que se llama: «Datos para la efectividad de las políticas públicas», y el día de hoy voy a comentar sobre una lección que se llama: «Importancia del uso de datos en la toma de decisiones».

En algunos puntos profundicé un poco más, hice una investigación no tan profunda y en otros aspectos simplemente voy a parafrasear lo que aprendí en esa clase; la lección comienza de la siguiente manera:

La Ley de Moore

¿Te ha pasado que compras una computadora del modelo más reciente y al cabo de unos meses ya salió el nuevo modelo que supera la capacidad y las características de su predecesora? Esa es una forma de explicar lo que es la Ley de Moore.

Cuenta la historia que Gordon Moore, cofundador de la empresa Intel, predijo en 1965 que el número de transistores por pulgada en los circuitos integrados se duplicaría cada 18 meses y que esa tendencia continuaría por lo menos 20 años.

En la actualidad, la Ley de Moore sigue vigente y se espera que se continúe desarrollando nuevas tecnologías con chips mucho más pequeños. Cuando Moore hizo sus declaraciones, el chip más complejo contaba con 64 transistores, hoy el Pentium IV tiene 55 millones.

Estamos en una época donde las computadoras han incrementado su potencia de cálculo con relación a su precio; imagínate, un equipo de 1,000 dólares es mucho más potente que las computadoras de millones de dólares que se vendían en años pasados.

La maestra del curso mencionó otro dato para darnos cuenta de la magnitud de la Ley de Moore: es muy probable es que tu smartphone sea más poderoso de lo que era todo el programa APOLO de la NASA para llegar a la luna en los años 60s.

Navegando en el mar de información

Con estos avances tecnológicos, podemos decir que estamos expuestos a un mar de información como nunca antes; estamos siendo bombardeados por todos los contenidos que se generamos día con día. Notificaciones de facebook, whatsapp, instagram, correos electrónicos, twitter, etc.

El Foro Económico Mundial afirma en su artículo «if social networks were countries, which would they be?» mencionan que los usuarios activos de Facebook (1,860,000,000) superan la población de China (1,373,000,000) por lo que sería hipotéticamente el «país» más grande, incluso por encima del gigante asiático.

Por otro lado, la maestra del curso mencionó que tan solo en el año 2012, se calcula que hemos creado más datos que todos los datos producidos hasta la fecha en la historia de la humanidad. Durante ese año, produjimos 2,4 EB (Exabytes) de información cada día; que son 2,5 quintillones de bytes de datos o el número 25 seguido de 17 ceros.

Cada año se duplica el ritmo de producción de datos,… todas las fotos que tomamos, nuestras publicaciones en las redes sociales, las compras por internet que realizamos (mercado libre, amazon, etc.) Es cierta manera escalofriante la información que internet está recabando de nosotros, incluso sin no tenemos cuidado, lo que otros pueden saber de nosotros mismos a través de nuestras publicaciones… pero viendo el lado positivo: ¿Cómo podemos aprovechar toda la información para el bien del desarrollo de políticas públicas?

El Big Data

Seguramente has escuchado sobre el Big Dataes un concepto el cual trata de analizar montones de datos para extraer información para la toma de decisiones. Se trata de identificar correlaciones entre diferentes variables para dibujar un panorama más amplio de soluciones a problemas públicos.

Big Data, dicho de una manera más correcta, no es simplemente una gran cantidad de datos. Big Data está basado en tres V:

  • Volumen: (Mucha data, mucha información)
  • Velocidad: Se genera mucha información MUY RÁPIDO
  • Variedad: Variación de fuentes de información, formatos y estructuras.

¿Cuántas evaluaciones se habrán realizado? o estudios, o investigaciones que cuestan a la población y que contienen información súper valiosa pero termina guardada en una computadora o peor aún, en hojas impresas sin digitalizar y archivadas en algún cuarto oscuro.

Lo que más me gustó de la clase de la maestra es que recomienda ampliar el espectro de datos que recibimos, recolectar todo lo que podamos y estar listos para sorprendernos cuando lo que descubrimos pueda ser opuesto a lo que creíamos verdadero.

La maestra menciona ejemplos de políticas públicas que fracasaron debido a que los responsables de su diseño no examinaron información disponible sobre el comportamiento de los mercados, de las tendencias.

Ejemplo sobre la detección de VIH en mujeres embarazadas en Kenia

Partimos del punto en que la mayoría de los Sistemas de Salud en el mundo, tienen clínicas o unidades médicas que hacen servicios preventivos o de atención a la población, y lo cierto es que unas tienen excelente desempeño y otras no tanto. Y el maestro del curso afirma que se pueden aprovechar las mejores prácticas para ayudar a las que tienen peor desempeño.

Esto se puede aplicar a temas de HIV, diabetes, atención prenatal, vacunas; pero lo interesante es que no nos debemos quedar a nivel de promedios, sino debemos analizar desde la unidad mínima de información disponible de cada unidad médica.

La clase continúa con un ejemplo del PEPFAR (President´s emergency plan for AIDS relief), el cual es el programa más grande de EEUU de asistencia para el desarrollo en salud y el ejemplo es sobre el SIDA en África. Este programa es muy importante porque ayudan a detectar en clínicas a mujeres embarazadas que están infectadas con HIV y previenen la transmisión a su bebé.

Sorpresa, sorpresa

¿Recuerdas que debemos estar atentos y sorprendernos de las información de los datos? Bueno, pues contrario a lo que la mayoría pudiera pensar, en Kenia (un país de África) solamente encontraron mujeres infectadas en la mitad de las clínicas, no en todas.

Lo que se estaba haciendo antes de conocer eso, es que se distribuían recursos a todas las clínicas de Kenia para que todas tuvieran la capacidad de detectar mujeres embarazadas y tratarlas.

Pero si la mitad de clínicas no detectaron ni una mujer infectada y 80% de las mujeres infectadas estaban en 28% de las clínicas, implicaba una reasignación de los recursos. Es decir, dar prioridad a las clínicas o unidades médicas donde están las mujeres infectadas.

Esta acción mejoró el desempeño del programa, ya que propició que hubiera más recursos donde se necesitaban.

Y lo mismo puede pasar y pasa con otras enfermedades crónico degenerativos en las clínicas o unidades médicas. Al usar datos, y al analizarlos, se pueden asignar o reasignar los recursos de una mejor manera.

Y el profesor dice que lo que más le gusta es cuando se encuentran en los datos algo que nadie esperaba. El mismo profesor que ha trabajado en el tema del SIDA muchos años, no esperaba que el 50% de las clínicas de Kenia podían no estar encontrando mujeres infectadas.

Conclusiones

Hace 10 años no teníamos las posibilidades de hoy en día. Toda la información disponible podemos analizarla a través de distintas herramientas, y mejor aún otras bases de datos podemos traerlas al ruedo y si tenemos un punto de comparación entre las bases de datos entonces podemos descubrir información para mejorar al programa.

El profesor concluye que existen dos áreas de oportunidad para los sistemas de salud con el uso de información en la toma de decisiones:

  • Recibir retroalimentación de su desempeño y aprender de los mejores
  • O bien, identificar a través de la data los problemas estructurales y arreglarlos.

Me despido con una frase de Stephen Frew:

Los números tienen importantes historias que contar. Ellos confían en ti para que les des voz.

-Isaac Figueroa

Deja un comentario

Este sitio usa Akismet para reducir el spam. Aprende cómo se procesan los datos de tus comentarios.

×