Herramienta para la exploración de tendencias y detección de patrones epidemiológicos en Argentina

Abstract

Este trabajo tiene como objetivo presentar la primera etapa del desarrollo de una herramienta informática que analiza los datos del registro sistematizado de fallecimientos y sus causas (codificadas según CIE-9 y CIE-10) entre los años 1991 y 2017 (Ministerio de Salud de la Nación Argentina), combinándola con la información demográfica del Instituto Nacional de Estadísticas y Censos (INDEC). El objetivo fue permitir el ingreso de conjuntos de códigos de causas de óbito, definidos según el interés de investigación, y obtener rápidamente reportes epidemiológicos para el periodo de tiempo indicado. El entrecruzamiento de la información de fallecimientos con la información demográfica y su referenciación geográfica (departamental, provincial y regional) nos permite calcular, por cada año, las tasas, incidencia y mortalidad, y visualizarlas en los reportes, diferenciando por sexo, grupo etario o zona geográfica. Mediante la utilización de herramientas para el análisis de datos del lenguaje Python (Pandas, Geopandas, Seaborn, Ploomber) se confeccionó un proceso de datos con alta capacidad de mantenimiento, flexibilidad y evolución. Considerando la variabilidad de los posibles estudios epidemiológicos en Argentina (estudio de enfermedades poco frecuentes, respiratorias, congénitas, etc.), se prevé que una herramienta de este tipo podrá acelerar y enriquecer la exploración y el análisis de patrones.

This work presents the first stage of the development of an informatics tool that analyzes data from the systematized registry of deaths and their causes (coded according to ICD-9 and ICD-10) between the years 1991 and 2017 (Ministry of Health of the Argentina), combining it with demographic information from the National Institute of Statistics and Census (INDEC). The objective of the confection of this tool was to analyze various sets of cause-of-death codes, defined according to the research interest, and to quickly obtain epidemiological reports for the indicated time period. The cross-referencing of the information on deaths with demographic information and its geographic referencing (departmental, provincial and regional) allows us to calculate, for each year, the rates, incidence and mortality, and to visualize them in the reports, differentiating by sex, age group or geographic area. By using Python data analysis tools (Pandas, Geopandas, Seaborn, Ploomber), a data process with a high capacity for maintenance, flexibility and evolution was created. Considering the variability of possible epidemiological studies in Argentina (study of rare, respiratory, congenital diseases, etc.), it is expected that a tool of this type could accelerate and enrich the exploration and analysis of patterns.