Ciencia de datos para la programación de servicios de salud
VolverInformación 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 |
|
Académicos Externos |
|
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
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)