Big Data y salud pública: efectividad de intervenciones sanitarias en Latinoamérica

Abstract

Este estudio evalúa la efectividad de intervenciones en salud pública en América Latina mediante el uso de Big Data y análisis estadístico avanzado. Se aplicó un modelo de series temporales y un algoritmo predictivo Random Forest sobre una base de datos simulada que abarca múltiples países y tipos de intervención, focalizándose en dos indicadores clave: la tasa de mortalidad general y la tasa de mortalidad infantil. Los resultados muestran patrones estables con variabilidad moderada en ambos indicadores, y revelan que factores socioeconómicos como el ingreso per cápita, el nivel educativo y la disponibilidad de personal sanitario son los principales predictores. El análisis evidencia también una interrelación entre las dos tasas de mortalidad, sugiriendo que deben abordarse de forma integrada. Se destaca la utilidad del Big Data para monitorear tendencias en tiempo real, personalizar intervenciones y mejorar la precisión de las políticas públicas, en línea con enfoques de salud pública de precisión. No obstante, se reconocen limitaciones asociadas a la calidad de los datos, desafíos éticos y falta de sostenibilidad institucional. La metodología implementada ofrece una base sólida para futuros estudios empíricos orientados a optimizar la asignación de recursos y mejorar la equidad en los sistemas de salud de la región. Se concluye que el uso estratégico de datos masivos puede transformar la gestión sanitaria, siempre que se acompañe de marcos éticos, políticas intersectoriales y desarrollo de capacidades locales.