Ciencia de datos para la programación de servicios de salud

Volver

Información General

Programa XXVII Escuela Internacional de Verano 2026
Año 2026
Semestre Primero
Nombre Ciencia de datos para la programación de servicios de salud
Nombre Convenio Marco
Equipo coordinador Encargado: Cristóbal Cuadrado Nahum
Coordinador: René Lagos Barrios
Administrativo: Priscilla Pino Tolosa

Equipo docente
  • Cristóbal Cuadrado Nahum
Académicos Externos
  • Andrés González Santa Cruz - Universidad de Chile
  • René Alonso Lagos Barrios - Universidad de Chile
Unidad académica Programa de Políticas y Gestión en Salud
Versión 2
Modalidad Híbrida (presencial/on line)
Tipo de Curso Postgrado
Créditos 30 0
Horas del Programa Horas directas (sincrónicas y asincrónicas): 20
Horas indirectas: 10
Días y Horarios Lunes a viernes de 9:00 a 13:00 horas
Lugar
Cupo alumnos mínimo 5
Cupo alumnos máximo 30
Competencias y Habilidades
necesarias para la Asignatura (Pre-requisitos)

Manejo intermedio de Excel, R o Python

Arancel $
Duración (semanas) 1
Fecha Inicio 12/01/2026
Fecha Término 16/01/2026

Características del Curso

Área Temática

Epidemiología, Métodos y Ciencia de Datos

Fundamentos

La Programación de los servicios de salud es uno de los mecanismos para articular e integrar las redes de salud. A través de ella los servicios de salud pueden estimar y monitorear la capacidad de prestaciones e identificar brechas respecto a las necesidades de atención de la población beneficiaria. Esta es una tarea compleja pues requiere integrar datos de múltiples fuentes y colaborar con distintos actores de los centros de salud: recursos humanos, servicios clínicos, estadísticas, etc. Este ejercicio se realiza trimestralmente en todos los establecimientos de salud de la red pública, por lo que es necesario mantener la trazabilidad de los datos utilizados, los supuestos realizados y las proyecciones reportadas a los directivos de los establecimientos, de los servicios de salud y al Ministerio de Salud.

Siendo la Programación un proceso centrado en datos, la ciencia de datos para la salud pública ofrece una perspectiva útil para abordar sistemáticamente sus desafíos técnicos. Ésta considera la rigurosidad de los análisis de demanda y capacidad de los servicios de salud, la reproducibilidad de las proyecciones, la comunicación de los datos a la organización y los estándares éticos que deben orientar la gestión de datos en los servicios de salud. La ciencia de datos es un campo de rápido desarrollo, por lo que existe la oportunidad y necesidad de conocer las herramientas que ofrece para los y las profesionales que trabajan en la programación de servicios de salud.

Objetivo General

Desarrollar competencias profesionales en conceptos, procedimientos y herramientas de ciencia de datos para optimizar la programación de servicios de salud.

Objetivos Específicos

  • Reconocer los estándares éticos y regulatorios en el manejo de datos para la gestión en centros de la red pública de salud.
  • Reconocer los flujos de obtención y procesamiento de datos para la programación de los servicios de salud y las herramientas aplicables en sus distintas etapas.
  • Reconocer y analizar el propósito de la Programación como herramienta de planificación y gestión de servicios de salud y los desafíos en su implementación.
  • Reconocer y aplicar los conceptos de cobertura efectiva y planificación de la dotación para formular y responder preguntas en el marco de la programación de servicios de salud.

Contenidos/Temas

Módulo 1: Marcos conceptuales para la programación de servicios de salud en el marco de la RISS

  • Elementos conceptuales de las Redes Integradas de Servicios de Salud (RISS)
  • Orientaciones técnicas para la Planificación y Programación en Red.
  • Cobertura efectiva de servicios de salud: conceptos, aplicaciones y desafíos.
  • Capacity planning en salud: decisiones de capacidad en salud y métodos de análisis.

Módulo 2: Marcos conceptuales para la ciencia de datos en salud pública

  • Ciencia de datos para la salud pública: orígenes, principios y dimensiones de análisis.
  • Data Warehousing y procesos de extracción, transformación y carga de datos (ETL).

Módulo 3: Herramientas de recolección, almacenamiento, procesamiento y análisis de datos

  • Esquemas para modelamiento de datos multidimensionales.
  • Aplicaciones con planillas y plataformas web en R y Python.
  • Plataformas de contenedores de código (Github).

Módulo 4: Herramientas para compartir y comunicar datos

  • Principios para la Visualización de datos y Storytelling.
  • Dashboards y sistemas de reportería.

Destinatarios

El curso estaría orientado a profesionales que postulan o son responsables de llevar a cabo el proceso de captura, procesamiento y análisis de programación de servicios de salud en el nivel primario, secundario o terciario.

Metodología

El curso se basa en metodologías de aprendizaje activo en donde los y las estudiantes serán sujetos activos responsables de avanzar en el curso a partir de sus conocimientos previos, los materiales de estudio entregados y las actividades en clase.

Formas de Evaluación

  • Este curso es evaluado

Calendario

Sesión Fecha Hora Docentes Contenidos Modalidad Actividad
12 enero 2026 14:00 - 18:00 Cristóbal Alfonso Cuadrado Nahum Programación como herramienta de planificación y gestión de servicios de salud Híbridas (presencial y transmisión virtual) Clase
12 enero 2026 14:00 - 18:00 Cristóbal Alfonso Cuadrado Nahum Conceptos y aplicaciones de cobertura efectiva para la evaluación de servicios de salud Híbridas (presencial y transmisión virtual) Clase
13 enero 2026 14:00 - 18:00 René Alonso Lagos Barrios Planificación de la dotación en salud Híbridas (presencial y transmisión virtual) Clase
13 enero 2026 14:00 - 18:00 René Alonso Lagos Barrios Fundamentos conceptuales, éticos y normativos en el manejo de datos en salud pública Híbridas (presencial y transmisión virtual) Clase
13 enero 2026 14:00 - 18:00 René Alonso Lagos Barrios Flujos de obtención y procesamiento de datos para la programación de servicios de salud Híbridas (presencial y transmisión virtual) Clase
14 enero 2026 14:00 - 18:00 Andres Gonzalez Santa Cruz
René Alonso Lagos Barrios
Herramientas para la recolección y almacenamiento de datos Híbridas (presencial y transmisión virtual) Taller o ejercicio individual
15 enero 2026 14:00 - 18:00 Andres Gonzalez Santa Cruz
René Alonso Lagos Barrios
Herramientas para el procesamiento y análisis de datos Híbridas (presencial y transmisión virtual) Taller o ejercicio individual
16 enero 2026 14:00 - 18:00 René Alonso Lagos Barrios
Andres Gonzalez Santa Cruz
Herramientas para compartir y comunicar datos Híbridas (presencial y transmisión virtual) Taller o ejercicio individual

Bibliografía

Tipo lectura Tipo contenido Referencia Archivos
Básica/Obligatoria Artículo Amouzou, A., Leslie, H. H., Ram, M., Fox, M., Jiwani, S. S., Requejo, J., Marchant, T., Munos, M. K., Vaz, L. M. E., Weiss, W., Hayashi, C., & Boerma, T. (2019). Advances in the measurement of coverage for RMNCH and nutrition: From contact to effective coverage. BMJ Global Health, 4(Suppl 4), e001297. https://doi.org/10.1136/bmjgh-2018-001297 e001297.full.pdf
Básica/Obligatoria Artículo Lee, J. T., Crettenden, I., Tran, M., Miller, D., Cormack, M., Cahill, M., Li, J., Sugiura, T., & Xiang, F. (2024). Methods for health workforce projection model: Systematic review and recommended good practice reporting guideline. Human Resources for Health, 22(1), 25. https://doi.org/10.1186/s12960-024-00895-z s12960-024-00895-z.pdf
Recomendada/Complementaria Artículo Ong, T. C., Kahn, M. G., Kwan, B. M., Yamashita, T., Brandt, E., Hosokawa, P., Uhrich, C., & Schilling, L. M. (2017). Dynamic-ETL: A hybrid approach for health data extraction, transformation and loading. BMC Medical Informatics and Decision Making, 17(1), 134. https://doi.org/10.1186/s12911-017-0532-3 s12911-017-0532-3.pdf
Básica/Obligatoria Libro Kimball, R., & Ross, M. (2013). The data warehouse toolkit: The definitive guide to dimensional modeling. John Wiley & Sons. (Capítulo 1)
Recomendada/Complementaria Artículo Tanahashi, T. (1978). Health service coverage and its evaluation. Bulletin of the World Health organization, 56(2), 295. bullwho00439-0136.pdf
Recomendada/Complementaria Artículo Wilson, G., Bryan, J., Cranston, K., Kitzes, J., Nederbragt, L., & Teal, T. K. (2017). Good enough practices in scientific computing. PLOS Computational Biology, 13(6), e1005510. https://doi.org/10.1371/journal.pcbi.1005510
Recomendada/Complementaria Artículo Midway, S. R. (2020). Principles of Effective Data Visualization. Patterns, 1(9), 100141. https://doi.org/10.1016/j.patter.2020.100141
Básica/Obligatoria Artículo Lagos Barrios, R. A. (2024). Método para medir brechas de consultas médicas de especialidad en la programación de hospitales públicos. Revista Médica De Chile, 152(10). Recuperado a partir de https://www.revistamedicadechile.cl/index.php/rmedica/article/view/10435 3.AI10435-Lagos04.pdf
Básica/Obligatoria Artículo Marsh, Andrew D., Moise Muzigaba, Theresa Diaz, Jennifer Requejo, Debra Jackson, Doris Chou, Jenny A. Cresswell, Regina Guthold, Allisyn C. Moran, Kathleen L. Strong, Anshu Banerjee, y Agnès Soucat. 2020. «Effective Coverage Measurement in Maternal, Newborn, Child, and Adolescent Health and Nutrition: Progress, Future Prospects, and Implications for Quality Health Systems». The Lancet Global Health 8(5):e730-36. doi:10.1016/S2214-109X(20)30104-2. Marsh et al. - 2020 - Effective coverage measurement in maternal newbor.pdf

Recursos de Plataforma

  • Utilización de Plataforma
  • Prueba Online
  • Zoom (clases sincrónicas)
Volver