1
1
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
https://vocero.uach.mx/index.php/tecnociencia
ISSN-e: 2683-3360
Artículo Científico
Sistema de análisis de enfermedades crónicas no
transmisibles y sus factores de riesgo
System for the analysis of chronic non-communicable diseases and
their risk factors
*Correspondencia: vladimir.villarreal@utp.ac.pa (Vladimir Villarreal)
DOI: https://doi.org/10.54167/tecnociencia.v15i2.826
Recibido: 13 de julio de 2021; Aceptado: 22 de septiembre de 2021
Publicado por la Universidad Autónoma de Chihuahua, a través de la Dirección de Investigación y Posgrado.
Resumen
El análisis de datos se define como el proceso de limpieza, transformación y modelado de data, con
el objetivo de encontrar información que sea útil en la toma de decisiones para cualquier sector. El
sector salud no cuenta con estadísticas básicas generadas por una plataforma y que puedan
permitirle la interpretación por los tomadores de decisiones en el desarrollo de nuevas estrategias.
Este proyecto busca analizar los datos de diabetes como enfermedad crónica no transmisible y los
factores de riesgo que afectan a la población de Panamá recopilados en la plataforma médica
AmIHealth. A través de estos análisis se podrán estudiar los motivos que hacen que la población
panameña padezca algunas de las enfermedades crónicas no transmisibles. El desarrollo de este
proyecto se basó en una metodología ágil, lo que permitió desarrollar un sistema web funcional. Se
validó el sistema a través de la aplicación de encuestas a los usuarios demostrando la efectividad
de este. La principal aportación se centra en facilitar información para la toma de decisiones,
enfocadas en la gobernanza y el desarrollo del país.
Palabras clave: analítica de datos, desarrollo ágil, gobernanza, enfermedades crónicas no
transmisibles, factores de riesgo.
Abstract
Data analysis is defined as the process of cleaning, transforming and modeling data, with the aim
of finding information that is useful in making decisions for any sector. The health sector does not
have basic statistics generated by a platform that can allow interpretation by decision makers in the
development of new strategies. This project seeks to analyze the data on diabetes as a chronic non-
communicable disease and the risk factors that affect the population of Panama collected in the
AmIHealth medical platform. Through these analyzes, it will be possible to study the reasons that
Jeremy Quiróz1, Vladimir Villarreal1,2*, Mel Nielsen1 , Lilia Muñoz1,2
1 Grupo de Investigación en Tecnologías Computacionales Emergentes, Universidad Tecnológica de
Panamá. Panamá
2 Centro de Estudios Multidisciplinarios en Ciencias, Ingeniería y Tecnología AIP. Panamá
2
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
make the Panamanian population suffer from some of the non-communicable chronic diseases. The
development of this project was based on an agile methodology, which will develop a functional
web system. The system was validated through the application of user surveys, demonstrating its
effectiveness. The main contribution focuses on providing information for decision-making,
focused on the governance and development of the country.
Keywords: data analytics, agile development, governance, chronic non-communicable
diseases, risk factors.
1. Introducción
Las Enfermedades Crónicas no Transmisibles (ECNT) son la principal causa de muerte y
discapacidad en el mundo (PAHO, 2019). El término, enfermedades crónicas no transmisibles, hace
referencia a un grupo de enfermedades que no son causadas por infección alguna, estas
enfermedades son el resultado de desórdenes en la salud y que normalmente generan la necesidad
de cuidados y tratamientos a largo plazo. Entre las principales ECNT, se encuentran las
enfermedades isquémicas del corazón, además del cáncer, enfermedades crónicas respiratorias y la
diabetes. Las ECNT afectan con mayor frecuencia a los países de ingresos medios y bajos y a ellas se
les acredita el 75% de las muertes a nivel mundial (WHO, 2019).
Según el Ministerio de Salud en Panamá, cerca del 50 % de las muertes son causadas por las ECNT.
El cáncer, la diabetes tipo 2, enfermedades de tipo cardiovascular y enfermedades respiratorias
crónicas se registran como las principales enfermedades que sufre la población panameña (MINSA,
2019). Según el Instituto Nacional de Estadística y Censo de la Contraloría General de la República,
las enfermedades crónicas no transmisibles dieron muerte a 37,124 personas entre los años 2007 y
2012 (Panamá América, 2019).
En este artículo se detalla el diseño y desarrollo de una solución tecnológica que permite a los
usuarios generar estadísticas basadas en el análisis de los datos sobre las ECNT y los factores de
riesgos que afectan con mayor frecuencia a la población.
Se podrá generar búsqueda con base en la cantidad de registros de enfermedades registradas en la
plataforma AmIHEALTH, como también podrán ver de manera global los registros de estas
enfermedades clasificados por criterios previamente definidos.
1.1 Justificación del proyecto
En la actualidad son muchos los avances que se dan en el mundo en cuanto a la tecnología de la
información. El sector salud a nivel mundial se está encaminando a la minería de datos para
conocer patrones de las diferentes enfermedades que aquejan a la población. Se hace necesaria la
gestión del sector a niveles regionales, país, continente o a nivel mundial. Para un estado es de
suma importancia contar con información certera y actualizada, conocer el estatus de salud de la
población que es un factor primordial en la gobernanza, avance y desarrollo de un país.
Hemos desarrollado una plataforma prototipo que realice el seguimiento analítico de los datos
recolectados a través de la plataforma AmIHEALTH (Villlarreal, 2018). De esta manera se facilitará
el seguimiento y tratamiento de los pacientes mediante el uso de una plataforma médica.
La solución tecnológica busca segmentar la población, debido a que los grupos poseen
características y rangos de riesgo que tienen de padecer enfermedades crónicas no transmisibles. Es
importante contar con estadísticas sobre los pacientes; con esto se podrá observar que tipo
3
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
enfermedad es más frecuente en un determinado sexo, rango de edad y ubicación geográfica. Estos
parámetros nos permitirán generar estadísticas segmentadas con base en los criterios de aspectos de
salud de la población.
Teniendo en cuenta los puntos mencionados anteriormente, se ha desarrollado una aplicación web
capaz de analizar los datos médicos de los pacientes (presión arterial, peso, nivel de azúcar en
sangre, etc.) y agruparlos por criterios, que le permitan a los tomadores de decisiones diseñar
métodos preventivos contra las enfermedades crónicas no transmisibles.
1.2 Uso de la tecnología en el análisis de datos
El uso de tecnologías para el análisis de datos en la medicina ayuda a obtener un archivo
centralizado y estructurado con los datos recopilados. Gracias a esto se puede segmentar la
población en diferentes grupos y rangos de riesgo, elaborar estadísticas sobre cada paciente y
detectar previamente la necesidad de cada paciente. En este proyecto se desarrolló un módulo de
datos, que es el encargado de gestionar los registros de medidas de todos los pacientes de la
plataforma, relacionándolos a través de los diferentes indicadores generados inicialmente. Cada vez
que se detecta una nueva enfermedad el módulo compara las variables y las asocia a las ya
existentes, pudiendo filtrar posteriormente por cada una de esas variables que corresponden a los
indicadores definidos. A través de una serie de gráficos sencillos el usuario analista de datos será de
capaz de tener acceso a esta información de los pacientes.
1.3 Definición de las enfermedades crónicas no transmisibles
Cada año, a nivel mundial, las enfermedades crónicas no transmisibles causan millones de
defunciones. Si estas enfermedades no son detectadas y tratadas a tiempo, pueden generar
complicaciones de gran alcance, ocasionan problemas que amenazan la salud de las personas, la
capacidad de realizar sus tareas diarias y el bienestar general, acarreando problemas de gran
importancia en el sector económico y en el sector de la salud (WHO, 2019).
1.4. Trabajos Relacionados
Luego de hacer una búsqueda completa en diferentes fuentes de publicaciones, se han
identificado los siguientes trabajos relacionados a la temática de este proyecto y que tienen como
objetivo analizar datos y ofrecer estos datos para su uso en el sector público.
A través de la integración de diversas plataformas de historia clínica electrónica, (Metzger, 2012)
presentan un proyecto que tiene como objetivo fortalecer la toma de decisiones en la salud pública a
nivel regional en Francia, en conjunto con la plataforma regional de salud Rhône-Alpes. Con la
implementación de esta plataforma se vio la necesidad de homologar los datos, analizarlos y
visualizar indicadores de salud pública.
Por otro lado, en Estados Unidos un equipo multidisciplinario desarrolló un proyecto que permitía
la visualización de datos que incluía la presión arterial domiciliaria, llevando estos valiosos datos al
flujo de trabajo del médico y a los procesos de toma de decisiones y permitía tanto a los pacientes
como a los médicos a tener una comprensión más completa del comportamiento de la presión
arterial promoviendo la participación activa del paciente (Koopman, 2020).
Además, (Blevins, 2016) en el estudio Interactive data visualization for HIV cohorts sugiere que la
visualización de datos puede producir una presentación aún más rica de la dinámica de la
población del VIH, y en su trabajo establece una herramienta de visualización basada en código
4
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
abierto donde presenta los datos poblacionales en tres clases de gráficos permitiendo la observación
de la dinámica espacio-temporal de datos de CCASAnet que investigan las tendencias en el
recuento de CD4 y el SIDA al inicio de la terapia antirretroviral. La herramienta requiere que la
estructura de datos se ajuste al protocolo de intercambio de datos de cohortes de VIH.
2. Materiales y métodos
Para el desarrollo de este proyecto se utilizó una metodología de desarrollo ágil, que
generalmente se basan en procesos incrementales, es decir, entregas frecuentes con ciclos rápidos,
fáciles de aprender, permite cambios en cualquier momento de desarrollo.
Las metodologías ágiles generan un grupo de pautas, principios y técnicas que hacen la entrega de
los proyectos sea más satisfactoria y menos complicada para los trabajadores y clientes (Maida,
2015).
La metodología ágil implementada fue Extreme Programming o en español, programación extrema.
Esta metodología de desarrollo de software ágil es una de las más exitosas. Esta metodología está
diseñada para poder hacer entregas de software a los clientes en el momento que lo necesiten. Esta
enfocada en alentar a los desarrolladores a poder responder a los requerimientos cambiantes de los
clientes, incluso en momentos tardíos del ciclo de vida de desarrollo. Define cuatro variables para
cualquier tipo de proyecto de software, tiempo, costo, calidad y alcance. Especifica que, de estas
variables, tres de ellas podrían ser fijadas por actores alternos al grupo de desarrolladores, como
por ejemplo, clientes o jefes de proyecto y la variable restante será fijada por el grupo de
desarrolladores. El uso de esta metodología se basa en desarrollo iterativo, se debe dividir el
calendario de desarrollo en etapas que tomen un tiempo de 1 a 3 semanas de duración. Para poder
llevar a cabo el desarrollo se debe tomar muy en cuenta las fechas limites de cada iteración de
desarrollo y medir el progreso en todo momento de la iteración. Una de las reglas que establece esta
metodología es que esta totalmente prohibido, avanzar a otra iteración del proyecto sin antes haber
completado correctamente las iteraciones previas (Wells, 2013).
Esta metodología cuenta de las siguientes fases que se adaptaron al proyecto (Wells, 2013):
Planificación. En esta fase se definieron y eligieron los criterios que se quería mostrar en el tablero
de datos, con base en aspectos como ubicación geográfica, sexo, rangos de medidas, entre otros. Se
definieron el mayor número de criterios para que el tablero de datos se adaptara a los tomadores de
decisiones.
Diseño. Posteriormente se discutieron, seleccionaron y diseñaron las consultas a ser generadas en
los tableros de datos. La estructura de gráficos y tablas según los criterios elegidos.
Codificación. Se desarrollaron los módulos del tablero de datos según el diseño y criterios para
consulta por parte de los tomadores de datos. Para esta fase se hicieron los ajustes para cada
iteración resultante en cada interfaz desarrollada.
Pruebas. Una vez se codificaron los tableros de datos, se sometieron a pruebas por parte de los
tomadores de decisiones en donde realizaban las consultas oportunas de las cuales surgieron
adaptaciones para nuevas iteraciones.
Lanzamiento. Una vez se cumplió con el número de iteraciones y ajustes, se procedió a lanzar y
presentar el tablero de datos a los tomadores de decisiones quienes una vez analizaban la data se
dedicarían a genera estrategias directas a la salud pública.
Extreme programming busca concentrar las capacidades de los desarrolladores de software en las
tareas más importantes establecidas por los clientes, en vez de tener diferentes tareas sin terminar
elegidas por los desarrolladores. Con esta metodología se busca que los proyectos se realicen de
una forma transparente y que beneficie también a los desarrolladores (Fig. 1).
5
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Figura 1. Ciclo de vida extreme progamming (Wells, 2000)
Figure 1. Extreme progamming life cycle
2.1 Arquitectura Modelo Vista Controlador (MVC)
La arquitectura implementada en el desarrollo de la plataforma se basa en Framework de PHP,
Laravel. Este Framework utiliza la metodología Modelo-Vista-Controlador, conocida comúnmente
como MVC. El patrón MVC sirve para clasificar los datos, la lógica de trabajo y la interfaz que se le
muestra a los usuarios en diferentes capas. La metodología de trabajo MVC es muy utilizada en el
desarrollo de aplicaciones web debido a la facilidad que otorga para clasificar sus componentes,
gracias a esto se pueden modificar funciones sin necesidad de afectar alguna otra.
En la Fig. 2, se definen los procesos que realiza la arquitectura MVC para llevar acabo los procesos
de desarrollo.
Figura 2. Arquitectura MVC (Steemit, 2019)
Figure 2. MVC architecture (Steemit, 2019)
6
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
2.2 Lenguajes de programación
Se utilizaron lenguajes y de programación y distintas tecnologías que facilitan el desarrollo de
aplicaciones web. Para el desarrollo del sistema se utilizó el framework de PHP Laravel. Este es un
framework de código abierto es uno de los más utilizados en el desarrollo de aplicaciones web que
utilizan el lenguaje de programación de PHP (Sierra, 2018). Gracias al fácil manejo y uso que ofrece
Laravel, se simplifica el desarrollo de todos los componentes necesarios para el buen
funcionamiento de la plataforma. También se utilizaron herramientas de desarrollo enfocadas en el
front-end de la aplicación. Entre estas herramientas se pueden destacar HTML 5, CSS3 y Javascript.
Las pantallas con las que el usuario interactúa se desarrollaron con el framework Bootstrap, que
facilita un desarrollo ágil, e intuitivo para el fácil uso de los usuarios.
Se utilizó jQuery, que es una librería de Javascript para poder obtener los datos que son solicitados
por el usuario en distintas interfaces (MDN Web Docs, 2021).
3. Desarrollo de la plataforma
A continuación, se detallan cada una de las interfaces desarrollas para el funcionamiento de la
plataforma web.
3.1 Registro de usuario
El desarrollo de esta plataforma comienza desde el perfil de usuario tipo administrador. Los
usuarios administradores se encargarán de crear y gestionar a los nuevos usuarios de la plataforma
tipo analista de datos.
En la Fig. 3, se puede apreciar el proceso que debe realizar el usuario administrador para poder
registrar en la plataforma a un nuevo usuario analista de datos. Los datos requeridos son número
de cédula, número de idoneidad, nombre, apellido, correo electrónico, sexo y fecha de nacimiento.
Figura 3. Registro de usuario
Figure 3. User registration
7
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Una vez que el registro del nuevo usuario sea completado, el sistema enviara un correo electrónico
al usuario, el cual tiene dos objetivos, el primer objetivo es validar la cuenta del usuario y el
segundo será notificarle la contraseña para que pueda iniciar sesión en la plataforma. En la Fig. 4 se
aprecia el correo electrónico que recibirán los usuarios para poder validar su cuenta en la
plataforma web.
Figura 4. Correo de confirmación de cuenta.
Figure 4. Account confirmation email.
3.2 Búsqueda de información
Comprende las funcionalidades donde el usuario analista de datos es capaz de buscar datos
generales de los pacientes, empezando desde la enfermedad (Hipertensión arterial, Obesidad y
Diabetes), una vez seleccionada la enfermedad el usuario tiene que elegir una clasificación de la
enfermedad seleccionada, ejemplo: Hipertensión arterial => Hipertensión grado 1. El siguiente
campo a seleccionar es el género de los pacientes, el analista también tendrá la opción de
seleccionar ambos géneros. A continuación, se debe seleccionar la ubicación geográfica, las
ubicaciones están desglosadas desde la provincia, luego el distrito y por último el corregimiento.
Dando clic en el botón de “Buscar” el sistema retornará la cantidad de pacientes que presenten
casos de la enfermedad seleccionada y la ubicación.
En la Fig. 5 se muestra un ejemplo de como funciona la carga de los datos dependiendo del campo
seleccionado anteriormente.
8
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Figura 5. Búsqueda de información.
Figure 5. Information search.
La siguiente interfaz que el usuario podrá apreciar será la salida de resultados, donde se indicara la
cantidad de pacientes que presentan la enfermedad seleccionada y el lugar indicado. Con estos
datos el usuario podrá generar reportes cada vez que los considere necesarios. De esta manera se
podrá llevar una trazabilidad de la cantidad de pacientes que registran periódicamente
enfermedades crónicas no transmisibles.
En la Fig. 6, se muestra la salida de resultados con respecto a la búsqueda realizada en la Fig. 5.
Figura 6. Resultados de búsqueda
Figure 6. Search results
En la interfaz que se muestra en la Fig. 6 el usuario tiene el botón de Crear PDF. Con este botón el
usuario podrá generar un reporte con todas las búsquedas que haya realizado.
9
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
3.3 Estadística anual
Su función es de gestionar los registros de medidas de todos los pacientes de la plataforma. A
través de una serie de gráficos sencillos el usuario analista de datos será capaz de tener acceso a esta
información de los pacientes. Esta interfaz muestra las gráficas que representan la cantidad de
registros generados por los pacientes en el año, clasificados por enfermedad: hipertensión arterial,
obesidad, diabetes y temperatura. También se muestra la cantidad de pacientes que han ingresado
a la plataforma durante el año actual.
En la Fig. 7 se muestran las gráficas que representan todos los registros de las distintas
enfermedades generadas por los pacientes.
3.4 Datos por enfermedad
Cada enfermedad es analizada por separado, es decir, sus variables se miden por separado. Por
ejemplo, en la hipertensión arterial se mide la cantidad de pacientes con hipertensión grado 2 en la
ciudad de David y en la obesidad se mide la obesidad grado 3 en la ciudad de Bugaba.
3.4.1 Datos Hipertensión arterial
En la Fig. 8 se muestran los datos generales de los pacientes con respecto a la enfermedad de
hipertensión arterial. Dentro de esta interfaz el analista de datos podrá apreciar los pacientes que
registran medidas correspondientes a la hipertensión arterial, su distribución geográfica, cantidad
de registros por enfermedades relacionadas con la hipertensión (hipertensión grado 1, hipertensión
grado 2, etc.), cantidad de pacientes clasificados por edad y el promedio general de las medidas
tomadas (presión sistólica, presión diastólica y pulso) y la cantidad de registros tomados en lo que
va del año.
Figura 7. Estadística anual
Figure 7. Annual statistics.
10
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Figura 8. Datos Hipertensión arterial
Figure 8. Hypertension data
3.4.2 Datos Obesidad
La Fig. 9 abarca los datos generales de los pacientes con respecto a la obesidad. La obesidad o
sobrepeso es uno de los factores de riesgo que puede provocar a los pacientes padecer de otras
enfermedades como la pre hipertensión o presión arterial alta. Los datos con respecto a la obesidad
permiten mostrar cuales son las enfermedades que más afectan a la población panameña. El
analista de datos tiene acceso a la cantidad de pacientes por género que registran datos con respecto
a la obesidad, ubicación geográfica, el conteo de casos por enfermedad y el total de casos
registrados en el año.
11
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Figura 9. Datos Obesidad
Figure 9. Obesity data
3.4.3 Datos Diabetes
La Fig. 10 muestra los datos generales de los pacientes con respecto a la diabetes. La interfaz contiene la
clasificación de los pacientes por género (masculino y femenino), la ubicación geográfica de los pacientes, la
distribución de los registros por enfermedad (Hipoglucemia, nivel elevado, altamente elevado), la cantidad de
pacientes clasificados por edad, promedio de glucosa y los casos que se han registrado en el año.
Figura 10. Datos diabetes.
Figure 10. Data on diabetes
12
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
4. Evaluación de funcionamiento del sistema
Las pruebas de software conforman el desarrollo de una aplicación web, nos permite verificar el
buen funcionamiento y calidad de nuestra aplicación. Hay una gran probabilidad de que el código
final tenga algún tipo de error así que los beneficios de realizar pruebas es la mitigación del riesgo
de aparición de fallos en el período de producción, validar el cumplimiento de los objetivos
propuestos en el proyecto, ya sea en términos de calidad y resultados.
Para evaluar el funcionamiento de la aplicación se aplicó un cuestionario a 20 usuarios con respecto
al tema de diseño y organización de los elementos. Se evaluó cada pregunta, según las respuestas
obtenidas de los participantes. En esta sección mostraremos los elementos más importantes:
organización, validez de la información y valoración del sistema.
Según la Fig. 11, un 60% de los participantes creen que la organización de los elementos es
excelente, un 20% piensa que es buena, 10% piensa que es regular y el 10% restante piensa que es
mala. De esta manera la aplicación obtiene un resultado positivo.
Figura 11. Evaluación de la organización de los elementos del sistema.
Figure 11. Evaluation of the organization of the elements of the system.
En la Fig. 13 se observa que el 65% de los participantes piensa que el sistema desarrollado es
excelente, un 25% cree que es bueno y el 10% que resta piensa que es regular. Con estos resultados
se obtiene una valoración positiva en el desarrollo del sistema.
Figura 13. Evaluación según la valoración del sistema desarrollado.
Figure 13. Evaluation according to the evaluation of the developed system.
13
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
5. Discusión
Una de las ventajas que ofrece el análisis de datos, es que les permite a los tomadores de
decisiones orientar sus actividades con base en data comparativa, facilitando los ajustes en
diferentes sectores de salud. Una plataforma de gestión de datos de salud para la población debe
poder facilitar a los expertos de salud pública, un mecanismo de evaluación del comportamiento de
la población.
Este trabajo se basó en un sistema de seguimiento de pacientes con enfermedades crónicas no
transmisibles llamado AmIHEALTH y que actualmente contiene datos de personas, que ofrece un
mecanismo de seguimiento de los factores de riesgos del paciente para un grupo de enfermedades.
Una de las preocupaciones que han surgido es la posibilidad de crecimiento del sistema, lo que
afecta la posibilidad de evaluar el impacto con base a la data almacenada. Es por ello, que hemos
ofrecido una solución a los expertos de salud pública con base en los criterios solicitados, para saber
como se comportan esos datos con base a las regiones donde están ubicadas, el sexo de los
pacientes, clasificación de su enfermedad, entre otros aspectos. En nuestro país ningún sistema
tiene integrado un módulo de analítica de datos que se actualiza de forma instantánea, sino que hay
que extraer los datos y luego hacer el análisis de forma poco automatizada.
Luego de analizadas las funcionalidades de los proyectos encontrados inicialmente podemos
evidenciar que este proyecto al igual que los proyectos iniciales, aporta una herramienta para
visualización de los datos basada en indicadores que el sector salud necesita analizar y relacionados
a variables previamente desarrolladas en la plataforma. Nuestro valor agregado y que se diferencia
de los demás es que el modelo de los datos definidos se ajusta a esas variables para poder, una vez
se agreguen nuevos datos o nuevas enfermedades, agrupar esos datos y mostrarlos de forma
gráfica.
Hay que recalcar que las analíticas responden a una necesidad actual y que se pueden definir
nuevos criterios para las enfermedades ya contenidas en el sistema como aquellas nuevas que se
puedan agregar a futuro.
6. Conclusiones
Este proyecto ofrece una herramienta que permite obtener datos de pacientes, clasificarlos y
luego generar una analítica de datos según criterios predefinidos. Estos criterios pueden ser
ajustados según las necesidades de análisis que se tengan en su momento. El sistema facilita el
proceso de búsqueda de datos, de esta manera se podrá saber que enfermedad tiende a tener un
mayor grado de presencia en algún lugar del país o grupo de edad y así poder encontrar cuales son
los motivos que ocasionan el crecimiento de la enfermedad. Los tomadores de decisiones podrán
evidenciar de forma gráfica y tabular información contenida en los tableros de datos, lo que les
permitirá detectar variaciones en la población por algún factor de riesgo que tenga variaciones
según los pacientes vayan actualizando su perfil de medidas y valores en el seguimiento de su
enfermedad.
El desarrollo del proyecto a través de la metodología ágil de programación extrema, nos permitió
tener pequeños prototipos funcionales e ir rediseñando los tableros de datos según las necesidades
de los tomadores de decisión.
Para evidenciar el impacto que tiene el proyecto, se evaluó algunos criterios de uso, diseño y
funcionalidad lo que nos permitió validar que el sistema desarrollado cumple con los
requerimientos necesarios para brindar una experiencia fácil y agradable al usuario.
14
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Agradecimiento
El desarrollo de este proyecto ha sido llevado a cabo como parte del proyecto AmIHEALTH,
para lo cual agradecemos a los investigadores del proyecto por su apoyo. Autores de este artículo
son miembros del Sistema Nacional de Investigación – SNI de la Secretaría Nacional de Ciencia,
Tecnología e Innovación – SENACYT.
Referencias
Blevins, M., Wehbe, F. H., Rebeiro, P. F., Caro-Vega, Y., McGowan, C. C., Shepherd, B. E., . . . South
America Network for HIV Epidemiology (CCASAnet). (2016). Interactive data visualization for
HIV cohorts: Leveraging data exchange standards to share and reuse research tools. PLoS One,
11(3). http://dx.doi.org/10.1371/journal.pone.0151201
Koopman, R. J., Canfield, S. M., Belden, J. L., Wegier, P., Shaffer, V. A., Valentine, K. D., . . . LeFevre,
M. L. (2020). Home blood pressure data visualization for the management of hypertension:
Designing for patient and physician information needs. BMC Medical Informatics and Decision
Making, 20, 1-15. http://dx.doi.org/10.1186/s12911-020-01194-y
MDN Web Docs. (2021). ¿Qué Es JavaScript? https://developer.mozilla.org/es/docs/Web/JavaScript
Maida, E.G., Pacienzia J. (2015). Metodologías de Desarrollo de Software. (Tesis licenciatura
Facultad de Química e Ingeniería “Fray Rogelio Bacon” Pontificia. Universidad Católica
Argentina, Santa María de los Buenos Aires.) https://bit.ly/3wrS2oN
Metzger, M., Durand, T., Lallich, S., Salamon, R., & Castets, P. (2012). The use of regional platforms
for managing electronic health records for the production of regional public health indicators in
france. BMC Medical Informatics and Decision Making, 12, 28. http://dx.doi.org/10.1186/1472-
6947-12-28
MINSA. Ministerio de Salud de la República de Panamá. (2019). https://bit.ly/3aKbXYL
PAHO. (2019). Enfermedades no transmisibles. https://bit.ly/3x8KO9m
Panamá América. (2019). Enfermedades crónicas socavan a la población. https://bit.ly/3NVg0Q7
Sierra, K. (2018). ¿Qué es Laravel? Ventajas del desarrollo a medida para tus proyectos.
https://www.synergyweb.es/blog/laravel-desarrollo-medida
Steemit. (2019). How to Organize Your Project with PHP and Laravel to Get the Best Structure in
MVC Pattern. https://bit.ly/3tiUFs8
Villarreal V., Nielsen M., Samudio M. (2018). Sensing and Storing the Blood Pressure Measure by
Patients through A Platform and Mobile Devices †, Sensors, vol. 18, no. 6, p. 1805.
https://doi.org/10.3390/s18061805
15
Jeremy Quiróz et al.
TECNOCIENCIA CHIHUAHUA, Vol. XV (2) e 826 (2021)
Wells, D. (2013). Extreme Programming. A Gentle Introduction.
http://www.extremeprogramming.org/
Wells, D. (2000). XP Flow Chart. Recuperado de
http://www.extremeprogramming.org/map/project.html).
WHO. (2019). Enfermedades no transmisibles. Recuperado de https://www.who.int/es/news-
room/fact-sheets/detail/noncommunicable-diseases
WHO. (2021). Hypertension. https://www.who.int/health-topics/hypertension#tab=tab_1
2021 TECNOCIENCIA CHIHUAHUA.
Esta obra está bajo la Licencia Creative Commons Atribución No Comercial 4.0 Internacional.
https://creativecommons.org/licenses/by-nc/4.0/
