Big data. Alternativa para una salud inteligente. Revisión de un modelo conceptual
Palabras clave:
Big data; cuidado de la salud; análisis en big data; sistemas de información en salud; marco conceptualResumen
INTRODUCCIÓN: Big data surgió en la década de los 90 y hace referencia a grandes volúmenes de datos que no pueden ser gestionados con herramientas tradicionales. Sus características fundamentales son volumen, velocidad y variedad, aunque se han añadido otras más con la idea de mejorar la confiabilidad de la información. En el ámbito de la salud, esta tecnología ha transformado la recolección y análisis de datos médicos provenientes de diferentes fuentes, con la intención de que los resultados sean aplicables en la población. Sigue siendo una tarea pendiente el manejo seguro de la información.
OBJETIVOS: Revisar algunos tópicos relacionados con este tema y analizar brevemente las fases de utilización y procesamiento de big data a través de un modelo conceptual. El último objetivo es describir cómo el modelo conceptual puede ser aplicable en psiquiatría.
MATERIAL Y MÉTODOS: Se realizó una búsqueda en bases de datos como Google Scholar, PubMed y Web of Science, utilizando términos recomendados en el MeSH para optimizar la búsqueda. Se seleccionaron artículos originales, revisiones y metaanálisis publicados en los últimos cinco años.
RESULTADOS: Big data ha facilitado la personalización de tratamientos y la creación de modelos predictivos, diagnósticos y preventivos en medicina. También ha optimizado la gestión hospitalaria y la toma de decisiones. El desarrollo de tecnología informática ha permitido estos logros. La falta de estandarización en los sistemas y la preocupación por la privacidad de los datos continúa siendo un desafío.
CONCLUSIONES: A pesar de su potencial, big data sigue limitado por la interoperabilidad y la calidad de los datos. Es esencial implementar marcos éticos y estandarizar procesos para su implementación efectiva, especialmente en áreas como la psiquiatría.
PALABRAS CLAVE: Big data; cuidado de la salud; análisis en big data; sistemas de información en salud; marco conceptual.
Citas
1. Mallappallil M, Sabu J, Gruessner A, Salifu M. A review of big data and medical research. SAGE Open Med [Internet]. 2020;8:2050312120934839. http://dx.doi.org/10.1177/2050312120934839
2. Cohen IG, Amarasingham R, Shah A, Xie B, Lo B. The legal and ethical concerns that arise from using complex predictive analytics in health care. Health Aff (Millwood). 2022;41(2):181-7. doi:10.1377/hlthaff.2021.01317
3. Ristevski B, Chen M. Big data analytics in medicine and healthcare. J Integr Bioinform. 2022;19(1):20210035. doi:10.1515/jib-2021-0035
4. Khoury MJ, Ioannidis JPA. Big data meets public health. Science. 2023;375(6585):1054-5.doi:10.1126/science.abj4538
5. Roski J, Bo-Linn GW, Andrews TA. Creating value in health care through big data: opportunities and policy implications. Health Aff (Millwood). 2023;42(5):1080-5. doi:10.1377/hlthaff.2022.00211
6. Kruse CS, Goswamy R, Raval Y, Marawi S. Challenges and opportunities of big data in health care: a systematic review. JMIR Med Inform. 2021;9(2):e21737. doi:10.2196/21737
7. Goyal P, Malviya R. Challenges and opportunities of big data analytics in healthcare. Health Care Sci [Internet]. 2023;2(5):328-38. http://dx.doi.org/10.1002/hcs2.66
8. Wood RM. Implementing big data analytics in practice - A response to “Factors impacting
the adoption of big data in healthcare: A systematic literature review”. Int J Med Inform [Internet]. 2024;192:105637. http://dx.doi.org/10.1016/j.ijmedinf.2024.105637
9. Hassan M, Awan FM, Naz A, de Andrés-Galiana EJ, Alvarez O, Cernea A, et al. Innovations in genomics and big data analytics for personalized medicine and health care: a review. Int J Mol Sci [Internet]. 2022;23(9):4645. http://dx.doi.org/10.3390/ijms23094645
10. Rutledge RB, Chekroud AM, Huys QJ. Machine learning and big data in psychiatry: toward clinical applications. Curr Opin Neurobiol [Internet]. 2019;55:152-9. http://dx.doi.org/10.1016/j.conb.2019.02.006
11. Raji M, Dandekar R, Aggarwal A. Privacy and security of health data in big data analytics. J Med Syst [Internet]. 2023;47(4):45. http://dx.doi.org/10.1007/s10916-023-01948-4
12. Arbez G, Birta L, Tolk A, Diallo SY, Rabelo L. Conceptual modeling: definition, purpose and benefits. In: Yilmaz L, Chan WKV, Moon I, Roeder T, Macal C, Rossetti MD, editors. Proceedings of the 2015 Winter Simulation Conference. Huntington Beach (CA): IEEE; 2015. p. 2812-26. https://www.informs-sim.org/wsc15papers/277.pdf
13. Li J, Liu Y, Lin K, et al. Integrating big data analytics into healthcare systems: challenges, opportunities, and future directions. J Biomed Inform [Internet]. 2021;113:103645. http://dx.doi.org/10.1016/j.jbi.2021.103645
14. Zeng D, Jiang H, Liang Z, et al. Data integration and standardization for health information systems: a systematic review. Health Inf Sci Syst [Internet]. 2020;8(1):37. http://dx.doi.org/10.1186/s13755-020-00306-z
15. Zhang Y, Wang W, Li Y, et al. Real-time data analytics for healthcare: an overview and future perspectives. Healthcare (Basel) [Internet]. 2022;10(8):1579. http://dx.doi.org/10.3390/healthcare10081579
16. Thompson S, Vickers J. Personalized medicine and big data: transforming healthcare with precision treatments. Clin Genet [Internet]. 2022;101(5):583-90. http://dx.doi.org/10.1111/cge.14143
17. Pérez P, Silva L, Rosso F, et al. Big data analytics in public health surveillance: recent advances and challenges. Int J Public Health [Internet]. 2022;67:67. http://dx.doi.org/10.1007/s00038-022-01858-x
18. Kim K, Jeong SH, Lee H, et al. Integrating social and clinical data for mental health prediction: a big data approach. J Psychiatr Res. 2021;137:49-56. doi:10.1016/j.jpsychires.2021.02.008
19. Lee Y, Lee H, Choi J, et al. Cloud-based mental health data storage and access: a practical approach. Health Inf Sci Syst. 2022;10(1):13. doi:10.1186/s13755-022-00320-z
20. García A, Martínez J, Hernández I, et al. Data processing for psychiatric diagnosis: a machine learning approach. J Med Syst. 2023;47(7):80. doi:10.1007/s10916-023-01958-2
21. Patel A, McCrindle C, Ward E, et al. Predictive models for bipolar disorder crises using big data. J Affect Disord. 2022;305:149–57. doi:10.1016/j.jad.2022.02.024
22. Zhang Y, Zhang Z, Wang W, et al. Clinical decision support using big data for psychiatric care: applications and challenges. Psychiatry Res. 2021;298:113801. doi:10.1016/j.psychres.2021.113801
23. Raghupathi W, Raghupathi V. Big data analytics in healthcare: promise and potential. Health Inf Sci Syst. 2014;2(1):3. doi: 10.1186/2047-2501-2-3
24. Khan N, Yaqoob I, Hashem IAT, Inayat Z, Ali M, Kamaleldin W, et al. Big data: survey, technologies, opportunities, and challenges. Sci World J. 2014;2014:712826. doi: 10.1155/2014/712826
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
ARCHIVOS DE MEDICINA,SALUD Y EDUCACIÓN MÉDICA by Universidad Autónoma de Tamaulipas is licensed under a Creative Commons Reconocimiento-CompartirIgual 4.0 Internacional License.
ARCIVOS DE MEDICINA, SALUD Y EDUCACIÓN MÉDICA es una revista digital de acceso abierto (OJS) y editada por la Universidad Autónoma de Tamaulipas, con publicación semestral Sitio web: ... Director de la revista:... Reserva de Derechos al Uso Exclusivo No..... otorgados por el Instituto Nacional del Derecho de Autor (INDAUTOR). Responsable de la última actualización Dr. José Alberto Ramírez de León, con domicilio en calle Matamoros S/N Zona Centro, C.P. 87000 Ciudad Victoria, Tamaulipas, México. Tels. (834) 3181800 y 3181700, ext 1148..
Aceptado 2025-05-29
Publicado 2025-06-25
