Este documento describe la utilidad del análisis de grandes cantidades de datos (Big Data) para la predicción de riesgos. Explica que el Big Data involucra la recopilación y análisis de múltiples variables de individuos y comunidades. Además, señala que la analítica predictiva puede usar estos datos para identificar patrones que predigan resultados futuros. Luego, enumera algunos campos clave de aplicación del Big Data en salud, incluyendo la genómica, datos poblacionales, el cuidado de pacientes crón

1. Utilidad del Big Data en
predicción de riesgos
José Francisco Ávila de Tomás. Médico de Familia. Responsable grupo de
NNTT Sociedad Madrileña de Medicina de Familia y Comunitaria (SoMaMFyC)

2. Francisco Trinidad. Publicada en Flickr. Licencia CC.Obtenida en wikimedia

3. Francisco Trinidad. Publicada en Flickr. Licencia CC.Obtenida en wikimedia

4. Francisco Trinidad. Publicada en Flickr. Licencia CC.Obtenida en wikimedia

6. Big Data: muchas determinaciones de una variable única en una persona/muchas
determinaciones de una variable única en una comunidad/ determinaciones de muchas
variables en una única persona/determinación de múltiples variables en una comunidad.
La analítica predictiva utiliza algoritmos para encontrar patrones de información que
puedan predecir resultados similares en el futuro.

7. Martin-Sanchez F, Verspoor K. Big data in medicine is driving big
changes. Yearb Med Inform. 2014;9(1):14-20.

8. Martin-Sanchez F, Verspoor K. Big data in medicine is driving big
changes. Yearb Med Inform. 2014;9(1):14-20.

9. Funciones de datos/Big Data en salud.
• Transformación de datos en información (o información en datos). Dave
deBronkart: “Let the Patients Help”
• Apoyo al autocuidado de las personas prevención/hábitos de vida como en
enfermedades crónicas. (ciudadano)
• Apoyo a los proveedores de cuidados sanitarios. (proveedor de servicios).
• Aumento del conocimiento y concienciación del estado de salud.
(poblacional/salud pública/estrategias salud)

10. Campos de actuación de Big Data en salud.
• Genómica.
• Poblacional
• Paciente crónico. Autocuidado y toma de decisiones
• Predicción de riesgos

11. Campos de actuación de Big Data en salud.
• Genómica.
• Poblacional
• Paciente crónico. Autocuidado y toma de decisiones
• Predicción de riesgos

12. ("Big Data"[Journal] OR "big data"[All
Fields]) AND ("genetics"[Subheading] OR
"genetics"[All Fields] OR "genetics"[MeSH
Terms]) AND Clinical Trial[ptyp]

13. Campos de actuación de Big Data en salud.
• Genómica.
• Poblacional
• Paciente crónico. Autocuidado y toma de decisiones
• Predicción de riesgos

14. ("Big Data"[Journal] OR "big data"[All
Fields]) AND ("genetics"[Subheading] OR
"genetics"[All Fields] OR "genetics"[MeSH
Terms]) AND Clinical Trial[ptyp]

15. Campos de actuación de Big Data en salud.
• Genómica.
• Poblacional
• Paciente crónico. (Autocuidado y toma de decisiones)
• Predicción de riesgos

16. chronic[All Fields] AND
("Big Data"[Journal] OR
"big data"[All Fields])

17. Campos de actuación de Big Data en salud.
• Genómica.
• Poblacional
• Paciente crónico. Autocuidado y toma de decisiones
• Predicción de riesgos

18. ("risk factors"[MeSH Terms] OR "risk
factors"[All Fields]) AND ("Big
Data"[Journal] OR "big data"[All
Fields])

19. • Los datos son básicos en la ciencia.
• El manejo de grandes cantidades de datos va a facilitar
numerosos aspectos en la ciencia pura teórica, en la
investigación asistencial y en la salud pública.
• Poder aproximar N y n es un objetivo que disminuirá los
sesgos y errores en ensayos científicos.
• Nuevo papel investigador para averiguar tendencias y
resultados.