Hace unos días, decidí cambiar la ruta que tomo cada día para ir a la oficina, para salir de la rutina y poder coger el autobús en vez del metro.
Durante el trayecto, una anciana entró. Tenía serios problemas para andar, se encontraba mal y se disponía a ir al médico para que revisarán su estado de salud. Tardó más de 45 minutos en llegar, sin contar todas las molestias y estrés que le causó el poder llegar a la clínica.
En el momento en que se bajó del autobús, me surgió una enigmática duda:
¿Cómo puede ayudarnos el poder de los datos a mejorar nuestro mundo?
En este artículo trataré de conseguirlo gracias a la herramienta de Business Intelligence y la lógica asociativa que ofrece Qlik Sense.
¿Por dónde empezamos?
Lo primero que debemos definir es que la necesidad que debemos resolver con la aplicación de Business Intelligence.
En nuestro caso, el escenario consistirá en analizar los datos de los centros hospitalarios, con el objetivo de obtener conocimiento y tomar decisiones que mejoren la situación sanitaria de las personas de avanzada edad.
Ahora tan sólo nos queda obtener el principal ingrediente de nuestra aplicación: los datos. Utilizaremos la potencia de la lógica asociativa que ofrece Qlik Sense para conseguir lo siguiente:
- Extraer, transformar y cargar los datos en la aplicación (Script ETL).
- Obtener insights a través de los distintos análisis.
¿De dónde obtenemos los datos?
Ciertos gobiernos de algunos países ofrecen repositorios de libre acceso con el objetivo de poder utilizar la información para analizarla y obtener conocimiento. Para obtener los datos que cargaremos en la aplicación, utilizaremos el repositorio Data.Gov.UK.
Lanzado en 2010, Data.Gov.UK ofrece a los usuarios diferentes Datasets que provienen de instituciones gubernamentales y con una temática definida y clasificada en categorías (economía, medio ambiente, sociedad, educación, salud, etc.).
¿Cuál será el objetivo de la aplicación?
La aplicación de Qlik Sense consistirá en analizar los datos que hacen referencia a los ingresos hospitalarios de las personas de edad avanzada (+65 años) en EEUU con el objetivo de tomar decisiones para disminuir lo tiempos de espera y mejorar la calidad de vida.
¿Qué modelo de datos se ha implementado?
El modelo se compone por dos tablas:
- Facts: Tabla principal que contiene todos los datos necesarios de la aplicación.
- Calendar: Tabla maestra que permite hacer selecciones de tiempo (año, mes, semana, día, etc.).
El script ETL se ha desarrollado definiendo una pestaña inicial (Falls) que contiene la carga de la tabla principal (Facts).
Seguidamente, se le concatenan el resto de indicadores clave (KPI) sobre la tabla Facts.
Hojas de análisis de la aplicación Qlik Sense
La app de Qlik Sense se compone de 7 hojas de análisis:
Readme: Breve resumen de la información que contiene y los diferentes orígenes de datos.
Falls Analysis: Análisis sobre las estadísticas de ingresos hospitalarios por caídas de personas de avanzada edad. Se puede analizar por género (hombre / mujer), centro hospitalario y temporalidad (año).
Hips Fractures Analysis: Permite analizar datos basados en las fracturas de cadera sufridas por una caída de las personas de avanzada edad. Como en la anterior hoja de análisis, contiene los mismos gráficos y dimensiones.
Falls & Hips Fractures Analysis: Cruza las dos entidades anteriores (caídas y fracturas de cadera) para realizar análisis basados en la probabilidad de sufrir una fractura de cadera si una persona de avanzada edad sufre una caída.
Surgery Hips Fractures Analysis: Análisis de intervenciones quirúrgicas realizadas debido a una fractura de cadera de personas de avanzada edad. También es posible analizar los centros hospitalarios con una mayor demanda de operaciones.
Recover Hips Fractures Analysis: Comparativa del total de personas de avanzada edad recuperadas de una fractura de cadera, en función del total de días que han tardado (30 días y 120 días).
Collaborative Orthogeriatric Care Analysis: Por último, es posible realizar el análisis de personas de avanzada edad que han recibido ayuda de una unidad de Orto geriatría por centro hospitalario.
¿Qué insights se han obtenido?
Después de realizar los análisis en Qlik Sense, se ha desarrollado un storytelling explicando el conocimiento obtenido:
- La primera diapositiva muestra una introducción que explica los objetivos de la aplicación Qlik Sense y las diferentes entidades incorporadas (Caídas y fracturas de cadera).
- La tendencia de caídas de personas de avanzada edad es decreciente, especialmente para el género femenino.
- En cuanto al análisis por centro hospitalario, East Lindsey es el centro con mayor número de caídas, a diferencia del que tiene menos, el centro de Boston.
- El número de fracturas de cadera de personas de avanzada edad se mantiene constante a lo largo del tiempo, con una diferencia del 64% entre mujeres y hombres.
- Por otro lado, si realizamos el análisis por centro hospitalario, observaremos que los datos son similares a la información de caídas.
- También es posible obtener el máximo detalle de caídas y fracturas de cadera de personas de avanzada edad por género y centro hospitalario.
- Si cruzamos las dos entidades, observamos que el % de sufrir una fractura de cadera en una caída en las personas de avanzada edad ha ido disminuyendo en los últimos años.
- El año 2014 supuso el peor año para las personas de avanzada edad, obteniendo las mujeres hasta un 32% de posibilidades de sufrir una fractura de cadera en una caída.
- En cuanto al % de recibir cirugía y % de recuperación satisfactoria, los centros NHS Eastboune Hailsham y NHS Lutton CCG recibieron las mejores puntuaciones respectivamente.
- Para poder obtener una visión global, se dispone de la siguiente tabla dónde es posible comparar diferentes indicadores (incidentes, recuperación en 30 días, en 120 días y orto geriatría) entre los centros hospitalarios.
- Para acabar, se encuentran diferentes recomendaciones que ayudarán a mejorar el estado actual de la calidad en la sanidad de las personas de avanzada edad.
- También se citan las limitaciones que incapacitan obtener más conocimiento en los datos, como la granularidad de los datos (anual) o la poca segmentación en ciertas entidades (Ej. recuperación fracturas de cadera por género).
¿Qué decisiones se tomarán?
Después de realizar diferentes análisis en la aplicación y obtener conocimiento, a continuación se recomiendan la siguiente toma de decisiones:
- Incluir más personal en los centros hospitalarios de las zonas dónde se produzcan un mayor número de caídas y de fractura de cadera.
- Invertir en formación y/o nuevo personal cualificado en aquellos centros hospitalarios con un mayor número de días o % menor de recuperación de fracturas de cadera.
- Construir más salas de operaciones en los centros hospitalarios con mayor número de caídas.
- Transferir los médicos de los centros hospitalarios con mayor % de recuperación a otros centros con menor, con el objetivo de traspasar conocimiento y habilidades a otros profesionales.
¿Dónde me puedo descargar la app The Qlik Sense of my life?
El material mostrado en el artículo (app, insights, script ETL, imágenes, etc.) se puede descargar a través del siguiente enlace:
Acabamos de demostrar que es posible mejorar el mundo a través de un elemento presente en cada momento de nuestra vida: los datos. Ahora que eres consciente de que está en tus manos…
¿Ya has pensado cómo vas a utilizar tu nuevo QlikSuperpoder?
¿Te animas a analizar los datos de repositorio de libre acceso para mejorar el mundo?
