Modelo analítico para optimizar el programa de salud infantil “Juntos por una Sonrisa” en la provincia del Cañar, Ecuador
Analytical model to optimize the child health program “Juntos por una Sonrisa” in Cañar Province, Ecuador
DOI:
https://doi.org/10.56712/latam.v7i2.5529Palabras clave:
business intelligence, data warehouse, metodología Hefesto, minería de datos, salud infantil, desnutriciónResumen
La digitalización de los sistemas de salud en América Latina genera grandes volúmenes de datos clínicos que, sin herramientas analíticas adecuadas, permanecen subutilizados. El programa “Juntos por una Sonrisa”, de atención médica odontológica infantil en la provincia del Cañar, Ecuador, enfrentaba este desafío: registros acumulados sin capacidad de transformarlos en conocimiento estratégico. El objetivo fue implementar un modelo de Business Intelligence (BI) que optimice la gestión de la información clínica y nutricional para fortalecer la toma de decisiones. Bajo un enfoque cuantitativo, se aplicó metodología Hefesto para construir un Data Warehouse con esquema de constelación; se empleó KNIME para los procesos de Extracción, Transformación y Carga (ETL), y Microsoft Power BI para la visualización interactiva. El universo comprendió 73.765 registros de población infantil (0 a 14 años). Los resultados evidenciaron una baja cobertura de atención: 0,71% en atención médica y 1,23% en odontología; el análisis nutricional reveló que el 41,25% de los casos presentó desnutrición aguda severa. Se concluye que la integración de procesos ETL con herramientas de visualización transforma datos operativos en conocimiento útil, permitiendo monitorear indicadores de salud en tiempo real y planificar intervenciones focalizadas. El modelo constituye un aporte replicable para otros programas de salud en la región andina.
Descargas
Citas
Brizuela, E. I. L., & Blanco, Y. C. (2013). Metodologías para desarrollar Almacén de Datos. Revista de Arquitectura e Ingeniería, 7(3), 1–12.
Burn, J. M., & Loch, K. D. (2003). The societal impact of the World Wide Web-Key challenges for the 21st century. En Advanced Topics in Information Resources Management, Volume 2 (pp. 32–51). IGI Global.
Carlessi, H. S., & Meza, C. R. (2015). Metodología y diseños en la investigación científica. Business Support Aneth. https://www.academia.edu/download/85200155/metodologia_y_diseno_de_la_inve_hugo_sanchez_carlessi_coaguila_valdivia_compress.pdf
Chen, H., Chiang, R. H. L., & Storey, V. C. (2012). Business Intelligence and Analytics: From Big Data to Big Impact. MIS Quarterly, 36(4), 1165–1188. https://doi.org/10.2307/41703503
Davenport, T. H., & Harris, J. G. (2007). Competing on Analytics: The New Science of Winning. Harvard Business School Press.
Few, S. (2013). Data Visualization for Human Perception. En: The Encyclopedia of Human-Computer Interaction.
Han, J., Pei, J., & Kamber, M. (2012). Data Mining: Concepts and Techniques (3a ed.). Morgan Kaufmann.
Inmon, W. H. (2005). Building the Data Warehouse (4a ed.). Wiley.
JX1S-SOFTWARE. (2023). Sistema JX1S-SOFTWARE (Número CUE-004870).
Kimball, R., & Ross, M. (2016). The Data Warehouse Toolkit: The Definitive Guide to Dimensional Modeling (3a ed.). Wiley.
Koh, H. C., & Tan, G. (2011). Data Mining Applications in Healthcare: A Review. Journal of Healthcare Information Management, 19(2), 64–72.
Lachev, T., & Price, E. (2018). Applied Microsoft Power BI (3rd Edition): Bring Your Data to Life! (3rd ed.). Prologika Press.
León Valencia, M. A., & others. (2021). La desnutrición infantil en Ecuador. Una revisión de la literatura. Boletín de Malariología y Salud Ambiental, LXI(4), 556–564.
Low, L. L., Lee, K. H., Hock Ong, M. E., Wang, S., Tan, S. Y., Thumboo, J., & Liu, N. (2015). Predicting 30-Day Readmissions: Performance of the LACE Index Compared with a Regression Model among General Medicine Patients in Singapore. BioMed Research International, 2015, 169870. https://doi.org/10.1155/2015/169870
Luhn, H. P. (1958). A Business Intelligence System. IBM Journal of Research and Development, 2(4), 314–319. https://doi.org/10.1147/rd.24.0314
Ministerio de Salud Pública del Ecuador. (2023). Resultados de la primera Encuesta Especializada sobre Desnutrición Infantil (ENDI) 2022–2023.
Norões, I. J. A. de, & Silva, A. C. e. (2022). DASHBOARDS PARA ACOMPANHAMENTO E PROMOÇÃO DA SAÚDE DA CRIANÇA: UM PROTOCOLO DE REVISÃO DE ESCOPO. RECIMA21 - Revista Científica Multidisciplinar - ISSN 2675-6218, 3(9), e391885. https://doi.org/10.47820/recima21.v3i9.1885
Ordenes, F. V, & Silipo, R. (2021). Machine learning for marketing on the KNIME Hub: The development of a live repository for marketing applications. Journal of Business Research, 137, 393–410. https://doi.org/10.1016/j.jbusres.2021.08.021
Organización Panamericana de la Salud (OPS/PAHO). (2020). Transformación digital del sector salud en las Américas: Recomendaciones para la acción. https://iris.paho.org/handle/10665.2/52705
Rahman, Md. M. (2025). Machine Learning in Predicting Child Malnutrition: A Meta-Analysis of Demographic and Health Surveys Data. International Journal of Environmental Research and Public Health, 22(3), 449. https://doi.org/10.3390/ijerph22030449
Roorda, E., Bruijnzeels, M., Struijs, J., & Spruit, M. (2024). Business intelligence systems for population health management: a scoping review. JAMIA Open, 7(4), ooae122. https://doi.org/10.1093/jamiaopen/ooae122
Shaikh, S., & Memon, A. (2020). Predicting Childhood Malnutrition Using Data Mining Techniques. International Journal of Advanced Computer Science and Applications, 11(5), 310–318. https://doi.org/10.14569/IJACSA.2020.0110540
Shittu, R. A., Ehidiamen, A. J., Ojo, O. O., Zouo, S. J. C., Olamijuwon, J., Omowole, B. M., & Olufemi-Phillips, A. Q. (2024). The role of business intelligence tools in improving healthcare patient outcomes and operational efficiency. World Journal of Advanced Research and Reviews, 24(2), 1039–1060. https://doi.org/10.30574/wjarr.2024.24.2.3414
Silva Peñafiel, G. E., Estrada Velasco, M. V, Cusco Vinueza, V. A., & Córdova Vaca, A. M. (2021). Implementación de un Data Warehouse mediante la metodología Hefestos para la toma de decisiones en el Instituto Nacional de Patrimonio Cultural Regional 3. Dominio de las Ciencias, 7(3), 1116–1135.
Trincanato, E., & others. (2024). Business intelligence and the leverage of information in healthcare organizations from a managerial perspective: a systematic literature review and research agenda. Journal of Health Organization and Management. https://doi.org/10.1108/JHOM-02-2023-0039
Turban, E., Sharda, R., & Delen, D. (2011). Decision Support and Business Intelligence Systems (9a ed.). Pearson.
UNICEF Ecuador. (2023). Desnutrición crónica infantil.
Villamizar Ramírez, L. M., & Morales Linares, N. M. (2021). Usos de business intelligence en el sector salud en Latinoamérica. Una revisión de literatura. https://repositorio.fucsalud.edu.co/handle/001/1701
Wang, Y., Kung, L., & Byrd, T. A. (2018). Big Data Analytics: Understanding Its Capabilities and Potential Benefits for Healthcare Organizations. Technological Forecasting and Social Change, 126, 3–13. https://doi.org/10.1016/j.techfore.2015.12.019
