¿Investigamos alojados en la Torre de Babel?
En los albores de
la humanidad, cuando todos los hombres y mujeres compartían una sola lengua,
decidieron construir una ciudad magnífica que sería el símbolo de su grandeza y
unidad. En el corazón de esa ciudad, planeaban erigir una torre tan alta que su
cima tocaría los cielos. Esta torre monumental sería conocida como la Torre de
Babel.
¿Dialogar es
humano. Estandarizar es divino?
El lenguaje es una
de las facultades esenciales y distintivas del ser humano. Va más allá de un
mero medio de comunicación; por el lenguaje nos comunicamos, pensamos,
expresamos identidad, creatividad, evolución. Gracias al lenguaje hacemos
medicina, investigamos, vivimos y sobrevivimos. Luego, consensuar con
otro, podría estar en otra categoría azarosa o divina.
Entendernos cuando
investigamos es casi divino.
La estandarización
de datos observacionales (una suerte de lenguaje común para entendernos en la
Torre de Babel) es esencial para asegurar la interoperabilidad y comparabilidad
de datos provenientes de diversas fuentes. En el ámbito de la investigación en
salud, la existencia de múltiples estándares facilita la integración, análisis
y uso eficiente de datos, promoviendo así avances significativos en la
investigación clínica y de resultados.
Poco se sabe sobre
los idiomas de la Torre de Babel Informática. A continuación, presento algunos
de los principales estándares globales para la estandarización de datos
observacionales:
1. OMOP Common Data Model (OMOP CDM)
Organización: Observational Health Data Sciences and Informatics (OHDSI). Descripción: El OMOP CDM se
enfoca en la conversión de datos de salud de diferentes sistemas en un formato
estandarizado, facilitando análisis observacionales a gran escala. Es
ampliamente utilizado en investigaciones de seguridad de medicamentos y estudios
de resultados.
2. Sentinel Common Data Model
Organización: U.S. Food and Drug Administration (FDA). Descripción: Utilizado
principalmente para la vigilancia activa de la seguridad de medicamentos y
dispositivos médicos, el Sentinel CDM permite la integración y análisis de
datos de múltiples fuentes.
3. PCORnet Common Data Model
Organización: Patient-Centered Outcomes Research Institute (PCORI). Descripción: Diseñado para
facilitar la investigación clínica y de resultados centrada en el paciente, el PCORnet
CDM estandariza datos clínicos y de reclamaciones para apoyar estudios
observacionales y ensayos clínicos.
4. i2b2 (Informatics for Integrating Biology and
the Bedside)
Organización: i2b2 tranSMART
Foundation. Descripción: Plataforma de investigación biomédica que
facilita la integración y análisis de datos clínicos y de investigación
genética. Es utilizada en hospitales y centros de investigación para la
investigación traslacional.
5. FHIR (Fast Healthcare Interoperability Resources)
Organización: Health Level Seven International (HL7). Descripción: Un estándar para
el intercambio electrónico de información de salud, FHIR permite a los
desarrolladores construir aplicaciones para el intercambio de datos clínicos
entre diferentes sistemas de salud.
6. CDISC (Clinical Data Interchange Standards
Consortium)
Organización: CDISC. Descripción:
Desarrolla estándares para la recopilación, intercambio y archivo de datos
clínicos y no clínicos en ensayos clínicos, incluyendo modelos como SDTM (Study
Data Tabulation Model) y ADaM (Analysis Data Model).
7. LOINC (Logical Observation Identifiers Names and
Codes)
Organización: Regenstrief
Institute, Inc. Descripción: Un estándar universal para identificar
observaciones clínicas en laboratorios, ensayos clínicos y documentos clínicos.
8. SNOMED CT (Systematized Nomenclature of Medicine
-- Clinical Terms)
Organización: SNOMED
International. Descripción: Un sistema de terminología clínica integral
que cubre una amplia gama de términos clínicos y se utiliza para la
codificación de datos de salud.
9. ICD (International Classification of Diseases)
Organización: Organización
Mundial de la Salud (OMS). Descripción: Una clasificación estándar
internacional para diagnósticos y procedimientos que facilita la comparabilidad
internacional de datos de salud.
Organizarse en
Comunidades.
Existen en
diferentes regiones del mundo comunidades y grupos de task force orientados a
promover y desplegar la conducta de la estandarización de datos en salud. Es
que lo informático e interoperable, clama un consenso armonioso a los
habitantes de la Torre de Babel, donde dos o más efectivamente se entiendan sintáctica,
semántica y antropológicamente. Es que la Torre solo aloja a quienes
comprenden el juego.
En Europa a modo de
ejemplo existen grupos como:
1. Observational
Health Data Sciences and Informatics (OHDSI): Una comunidad
interdisciplinaria y de múltiples partes interesadas que busca extraer valor de
los datos de salud mediante análisis a gran escala. OHDSI se basa en su modelo
de datos común llamado Observational Medical Outcomes Partnership (OMOP) CDM,
que es fundamental para mejorar la investigación observacional y obtener una
comprensión integral de la salud y la enfermedad.
2. European
Health Data & Evidence Network (EHDEN): Una asociación público-privada
con el objetivo de construir una red federada a gran escala de datos de salud
estandarizados al OMOP CDM. EHDEN proporciona apoyo financiero y técnico a
instituciones para estandarizar sus datos, especialmente aquellos relacionados
con pacientes de COVID-19, para mejorar la interoperabilidad y facilitar
investigaciones colaborativas internacionales.
3. Taskforce de
EHDEN: Especialistas en ETL (Extracción, Transformación y Carga) que
apoyaron a los socios de datos en el proceso de conversión de sus datos al OMOP
CDM. Este equipo fue fundamental para proporcionar orientación y apoyo técnico
a lo largo del proceso.
Estas comunidades y
organizaciones juegan un papel crucial en la estandarización de datos de salud,
facilitando la interoperabilidad de diferentes fuentes de datos y mejorando la
capacidad de realizar investigaciones colaborativas a nivel internacional.
En Latinoamérica:
OHDSI Latinoamérica: La comunidad de
Observational Health Data Sciences and Informatics (OHDSI) tiene miembros y
colaboradores en América Latina. Varias instituciones académicas y de
investigación en la región han adoptado el OMOP Common Data Model y están
participando en proyectos de investigación colaborativa.
Red de Salud Digital
de las Américas (REDSDA): Esta red, promovida por la Organización
Panamericana de la Salud (OPS), busca mejorar la interoperabilidad y el uso de
datos de salud en la región. Aunque no se centra exclusivamente en la
estandarización de datos, promueve prácticas que facilitan la integración y el
análisis de datos de salud.
Instituto Nacional
de Salud Pública de México (INSP): El INSP ha participado en varios proyectos de
estandarización y análisis de datos de salud, colaborando con organizaciones
internacionales y adoptando estándares globales para mejorar la calidad y la
interoperabilidad de los datos.
Hospital Italiano
de Buenos Aires: Este hospital en Argentina ha sido un pionero en
la implementación de sistemas de información en salud y ha participado en
proyectos internacionales relacionados con la estandarización de datos de
salud.
Conclusión atada de
cuestiones relativas
Asegurar los
estándares y la interoperabilidad en la intermediación de componentes
informáticos en la investigación es un tema moral, es un tema que le importa a la
ética de la investigación y que ocupa a los Comités de Ética en Investigación
(CEIs) a la hora de evaluar un Protocolo.
Pero, es un tema
que debiera importar más aún más al Estado.
Cada uno de estos
estándares desempeña un papel crucial en garantizar que los datos de salud sean
consistentes, interoperables y reutilizables en diversas investigaciones y
aplicaciones clínicas, promoviendo así una mejora continua en la calidad y
efectividad de la atención médica. La continua evaluación y mejora de estos
estándares por parte de la comunidad científica y las organizaciones de salud
es fundamental para el desarrollo de una infraestructura de datos de salud
robusta y eficiente.
Hay una posibilidad
de investigar en la Torre de Babel. Si quieres saber más mg.consultores.miip@gmail.com
Por Maria Isabel
Iñigo Petralanda *
(*)
MBA/MBE Abogada Bioeticista especialista en Derecho de Salud, Marco Regulatorio
y de Compliance tencologias modeladas por datos en salud e IA generativa en
salud. Miembro y Coordinadora del Comite de Etica en Investigación de la UCA
donde me ubicas en el Instituto de Bioetica miip@uca.edu.ar Entusiasta de los eurekas y
las buenas preguntas. Mi lema: solo se que hoy se menos que ayer y que
mañana tendre más preguntas. Mi personaje Favorito Mafalda. Ah ! no te
olvides de anotarte en la Maestria en Bioetica UCA. https://uca.edu.ar/es/instituto-de-bioetica/maestria-en-etica-biomedica
Fuente:
ETICA
como topping
No hay comentarios.:
Publicar un comentario