ISSN (Electrónico): 2590-5708
Formato: Electrónico / Acceso Abierto
Frecuencia: Números Anuales
Revisión por Pares: Doble Ciego
Palabras clave
Data interpretation
public health
risk prediction
research design
models
epidemiological surveillance Interpretación de datos
salud pública
predicción de riesgo
diseño de investigación
modelos
vigilancia epidemiológica
public health
risk prediction
research design
models
epidemiological surveillance Interpretación de datos
salud pública
predicción de riesgo
diseño de investigación
modelos
vigilancia epidemiológica
Cómo citar
Pinzón Castro, D. A., Arcila Echavarría, D. C., Arroyave Espinal, S. M., Maturana Cuesta , J. F., Herrera López, B. Y., & Araque Fernández , Álvaro A. (2025). Modelos predictivos de vigilancia epidemiológica en salud pública usando la salud digital y los determinantes sociales y estructurales de la salud(sdoh): revisión sistemática . Ciencia, Tecnología E Innovación En Salud, 9, 35–49. https://doi.org/10.23850/25393871.7199
Resumen
Contexto: Los determinantes sociales y estructurales de la salud son aquellas estructuras sociales y económicas que median las desigualdades en salud, que están relacionadas entre sí y se superponen para facilitar o limitar un desenlace, se incluyen los entornos sociales y físicos, servicios de salud, factores sociales.
Se pueden dividir en dos categorías: individuales o específicos del paciente, como educación, empleo o vivienda; y determinantes comunitarios, que miden el ambiente en el cual se desenvuelve el individuo o socioeconómicas como la contaminación del aire, características de la vivienda, tasa de desempleo, y aquí es importante resaltar la importancia del registro de estos en los diferentes modelos de historia clínica electrónica. Se concluye que se requiere herramientas con amplia difusión y uso interinstitucional, que facilite la inclusión de las variables que hagan referencia a estos determinantes sociales y que puedan ayudar a identificar factores de riesgo para poblaciones especiales.
Objetivo: evaluar de forma crítica, qué tipo de modelos predictivos se han desarrollado para predecir desenlaces en salud, usando herramientas digitales para el registro y procesamiento de la información y que incluyan los SDOH.
Métodos: Esta es una revisión sistemática de la literatura, de tipo narrativo, brinda una visión crítica de los resultados encontrados respecto a estudios de pronóstico, que usaron herramientas digitales para su construcción y que incluyeron determinantes sociales y estructurales de la salud para la predicción del riesgo. Para su elaboración, se han seguido las recomendaciones de la declaración PRISMA.
Resultados: Las primeras búsquedas se realizaron en abril de 2022, utilizando los términos MeSH: “determinantes sociales”, “pronóstico” y “tecnologías en salud”, “salud pública” y los operadores booleanos AND y OR según necesidad, se usaron las bases de datos PubMed, Cochrane, además de los servidores de prepublicación bioRxiv y medRxiv, también se realizó búsqueda en Google Scholar. Posteriormente se procedió a realizar una revisión por título en cada base de datos para identificar artículos relacionados con las palabras clave y que pudieran ser incluidos en la revisión sistemática, eliminando 1020 artículos, quedando para evaluación por Abstrac y texto completo 45 artículos, de los cuales fueron eliminados 40 artículos adicionales por no encontrar relación con el tema de la revisión sistemática y uno por ser una carta al editor de una revista.
Se encontraron 2 revisiones sistemáticas que tenían tema similar a esta revisión, pero que no tenían en cuenta la misma profundidad respecto al tema. Por lo anterior se decidió incluir en la revisión sistemática 5 artículos de pronóstico.
Conclusiones: Esta revisión sistemática permite concluir que los modelos predictivos que incorporan SDOH, junto con herramientas digitales para la recolección de información, mejoran significativamente su capacidad predictiva y precisión. Los mejores resultados se observan cuando se incluyen tanto los SDOH individuales como los comunitarios.
Citas
Croft P, Altman DG, Deeks JJ, Dunn KM, Hay AD, Hemingway H, et al. The science of clinical practice: disease diagnosis or patient prognosis? Evidence about "what is likely to happen" should shape clinical practice. BMC medicine. 2015;13:20.
Ohno-Machado L. Using health information technology for clinical decision support and predictive analytics. Journal of the American Medical Informatics Association : JAMIA. 2017;24(1):1.
Fletcher RH. Clinical medicine meets modern epidemiology--and both profit. Annals of epidemiology. 1992;2(3):325-33.
Breslow NE. Cohort Analysis in Epidemiology. In: Atkinson, AC, Fienberg, SE (eds) A Celebration of Statistics Springer, New York, NY 1985.
Tripepi G, Jager KJ, Dekker FW, Zoccali C. Testing for causality and prognosis: etiological and prognostic models. Kidney international. 2008;74(12):1512-5.
Hemingway H, Croft P, Perel P, Hayden JA, Abrams K, Timmis A, et al. Prognosis research strategy (PROGRESS) 1: a framework for researching clinical outcomes. Bmj. 2013;346:e5595.
Rothman KJ, Greenland S. Causation and causal inference in epidemiology. American journal of public health. 2005;95 Suppl 1:S144-50.
Sandra Isaza-Jaramillo FJ-B. Clinical and epidemiological round: Approach to clinical prediction models. Iatreia. 2016;2017 Ene-Mar;30(1):92-99.
Rothman KJ. The origin of Modern Epidemiology, the book. European journal of epidemiology. 2021;36(8):763-5.
Monge S, Diez M, Pulido F, Iribarren JA, Campins AA, Arazo P, et al. Tuberculosis in a cohort of HIV-positive patients: epidemiology, clinical practice and treatment outcomes. The international journal of tuberculosis and lung disease : the official journal of the International Union against Tuberculosis and Lung Disease. 2014;18(6):700-8.
Kent P, Cancelliere C, Boyle E, Cassidy JD, Kongsted A. A conceptual framework for prognostic research. BMC medical research methodology. 2020;20(1):172.
Moons KG, Altman DG, Vergouwe Y, Royston P. Prognosis and prognostic research: application and impact of prognostic models in clinical practice. Bmj. 2009;338:b606.
Gray JD, Harris CR, Wylezinski LS, Spurlock CF, 3rd. Predictive Modeling of COVID-19 Case Growth Highlights Evolving Demographic Risk Factors in Tennessee and Georgia. medRxiv : the preprint server for health sciences. 2021.
Marmot M, Friel S, Bell R, Houweling TA, Taylor S, Commission on Social Determinants of H. Closing the gap in a generation: health equity through action on the social determinants of health. Lancet. 2008;372(9650):1661-9.
de Boer AG, Wijker W, de Haes HC. Predictors of health care utilization in the chronically ill: a review of the literature. Health policy. 1997;42(2):101-15.
Lipshutz JA, Hall JE, Penman-Aguilar A, Skillen E, Naoom S, Irune I. Leveraging Social and Structural Determinants of Health at the Centers for Disease Control and Prevention: A Systems-Level Opportunity to Improve Public Health. Journal of public health management and practice : JPHMP. 2022;28(2):E380-E9.
Crear-Perry J, Correa-de-Araujo R, Lewis Johnson T, McLemore MR, Neilson E, Wallace M. Social and Structural Determinants of Health Inequities in Maternal Health. Journal of women's health. 2021;30(2):230-5.
Hacker K, Houry D. Social Needs and Social Determinants: The Role of the Centers for Disease Control and Prevention and Public Health. Public health reports. 2022;137(6):1049-52.
Cantor MN, Thorpe L. Integrating Data On Social Determinants Of Health Into Electronic Health Records. Health affairs. 2018;37(4):585-90.
Chen M, Tan X, Padman R. Social determinants of health in electronic health records and their impact on analysis and risk prediction: A systematic review. Journal of the American Medical Informatics Association : JAMIA. 2020;27(11):1764-73.
Spruce L. Back to Basics: Social Determinants of Health. AORN journal. 2019;110(1):60-9.
Jilani MH, Javed Z, Yahya T, Valero-Elizondo J, Khan SU, Kash B, et al. Social Determinants of Health and Cardiovascular Disease: Current State and Future Directions Towards Healthcare Equity. Current atherosclerosis reports. 2021;23(9):55.
Tso P, Culyer AJ, Brouwers M, Dobrow MJ. Developing a decision aid to guide public sector health policy decisions: a study protocol. Implementation science : IS. 2011;6:46.
Penman-Aguilar A, Talih M, Huang D, Moonesinghe R, Bouye K, Beckles G. Measurement of Health Disparities, Health Inequities, and Social Determinants of Health to Support the Advancement of Health Equity. Journal of public health management and practice : JPHMP. 2016;22 Suppl 1(Suppl 1):S33-42.
Penman-Aguilar A, Talih M, Moonesinghe R, Huang D. Response to Scanlan Concerning: Measurement of Health Disparities, Health Inequities, and Social Determinants of Health to Support the Advancement of Health Equity. Journal of public health management and practice : JPHMP. 2016;22(6):614-5.
Nanda P. Information Processing and Data Analytics for Decision Making: A Journey From Traditional to Modern Approaches. Information Resources Management Journal. 2022;Volume 35 (Issue 2).
Saiso SG, Marti MC, Medina FM, Pascha VM, Nelson J, Tejerina L, et al. Digital Transformation for More Equitable and Sustainable Public Health in the Age of Digital Interdependence. American journal of public health. 2022;112(S6):S621-S4.
Garcia Saiso S, Marti MC, Mejia Medina F, Pascha VM, Nelson J, Tejerina L, et al. [Digital transformation for more equitable and sustainable public health in the age of digital interdependenceTransformacao digital para uma saude publica mais equitativa e sustentavel na era da interdependencia digital]. Revista panamericana de salud publica = Pan American journal of public health. 2022;46:e1.
Hatef E, Weiner JP, Kharrazi H. A public health perspective on using electronic health records to address social determinants of health: The potential for a national system of local community health records in the United States. International journal of medical informatics. 2019;124:86-9.
(WHO) WHO. Declaração política do Rio sobre determinantes sociais da saúde. http://www.who.int/sdhconference/declaration/. Rio_political_declaration_portuguese.pdf (accessed on 23/Jan/2016). 2016.
Belouali A, Bai H, Raja K, Liu S, Ding X, Kharrazi H. Impact of social determinants of health on improving the LACE index for 30-day unplanned readmission prediction. JAMIA open. 2022;5(2):ooac046.
Crump CA, Wernz C, Schlachta-Fairchild L, Steidle E, Duncan A, Cathers L. Closing the Digital Health Evidence Gap: Development of a Predictive Score to Maximize Patient Outcomes. Telemedicine journal and e-health : the official journal of the American Telemedicine Association. 2021;27(9):1029-38.
E. DJLADÁ. Digital Transformation of the Healthcare System for the incorporation of Personalized Precision Medicine. 2022.
Kasthurirathne SN, Vest JR, Menachemi N, Halverson PK, Grannis SJ. Assessing the capacity of social determinants of health data to augment predictive models identifying patients in need of wraparound social services. Journal of the American Medical Informatics Association : JAMIA. 2018;25(1):47-53.
PAHO. Pan American Health Organization. Information systems for health: definition of guiding principles (is4h). descriptive note 01. 2018.
Moher D, Liberati A, Tetzlaff J, Altman DG, Group P. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS medicine. 2009;6(7):e1000097.
Wolff RF, Moons KGM, Riley RD, Whiting PF, Westwood M, Collins GS, et al. PROBAST: A Tool to Assess the Risk of Bias and Applicability of Prediction Model Studies. Annals of internal medicine. 2019;170(1):51-8.
Moons KGM, Wolff RF, Riley RD, Whiting PF, Westwood M, Collins GS, et al. PROBAST: A Tool to Assess Risk of Bias and Applicability of Prediction Model Studies: Explanation and Elaboration. Annals of internal medicine. 2019;170(1):W1-W33.
Zhang Y, Zhang Y, Sholle E, Abedian S, Sharko M, Turchioe MR, et al. Assessing the impact of social determinants of health on predictive models for potentially avoidable 30-day readmission or death. PloS one. 2020;15(6):e0235064.
Donze J, Aujesky D, Williams D, Schnipper JL. Potentially avoidable 30-day hospital readmissions in medical patients: derivation and validation of a prediction model. JAMA internal medicine. 2013;173(8):632-8.
van Walraven C, Dhalla IA, Bell C, Etchells E, Stiell IG, Zarnke K, et al. Derivation and validation of an index to predict early death or unplanned readmission after discharge from hospital to the community. CMAJ : Canadian Medical Association journal = journal de l'Association medicale canadienne. 2010;182(6):551-7.
Hall AG, Davlyatov GK, Orewa GN, Mehta TS, Feldman SS. Multiple Electronic Health Record-Based Measures of Social Determinants of Health to Predict Return to the Emergency Department Following Discharge. Population health management. 2022.
Bolster-Foucault C, Ho Mi Fane B, Blair A. Structural determinants of stigma across health and social conditions: a rapid review and conceptual framework to guide future research and intervention. Health promotion and chronic disease prevention in Canada : research, policy and practice. 2021;41(3):85-115.
Powell-Wiley TM, Baumer Y, Baah FO, Baez AS, Farmer N, Mahlobo CT, et al. Social Determinants of Cardiovascular Disease. Circulation research. 2022;130(5):782-99.
Garg A, Homer CJ, Dworkin PH. Addressing Social Determinants of Health: Challenges and Opportunities in a Value-Based Model. Pediatrics. 2019;143(4).
Kuijpers T, van der Windt D, Boeke JPA, Twisk JWR, Vergouwe Y, Bouter LM, et al. Clinical prediction rules for the prognosis of shoulder pain in general practice. Pain. 2006;120(3):276-85.
Mannoh I, Hussien M, Commodore-Mensah Y, Michos ED. Impact of social determinants of health on cardiovascular disease prevention. Current opinion in cardiology. 2021;36(5):572-9.
Stanhope V, Videka L, Thorning H, McKay M. Moving toward integrated health: an opportunity for social work. Social work in health care. 2015;54(5):383-407.
Loeb DF, Binswanger IA, Candrian C, Bayliss EA. Primary care physician insights into a typology of the complex patient in primary care. Annals of family medicine. 2015;13(5):451-5.
Murray TA. Teaching the Social and Structural Determinants of Health: Considerations for Faculty. The Journal of nursing education. 2021;60(2):63-4.
Cogburn CD. Culture, Race, and Health: Implications for Racial Inequities and Population Health. The Milbank quarterly. 2019;97(3):736-61.
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Derechos de autor 2025 Servicio Nacional de Aprendizaje (SENA)
Descargas
Los datos de descargas todavía no están disponibles.
