Video Experimental Relacionado
Updated: Sep 9, 2025

Methodology for Establishing a Community-Wide Life Laboratory for Capturing Unobtrusive and Continuous Remote Activity and Health Data
Published on: July 27, 2018
Creación de sistemas de datos para promover la equidad en salud
Yuen Lie Tjoeng1,2, Mjaye Mazwi1,2, Andrew Goodwin3
1Division of Cardiac Critical Care, Seattle Children's Hospital, Seattle, Washington.
Las disparidades sistemáticas pueden surgir cuando se recopilan datos de pacientes para la investigación de servicios de salud. Esta revisión examina cómo los sesgos afectan los datos, el modelado y la prestación de atención médica, proponiendo soluciones para mejorar la equidad en salud.
Área de la Ciencia:
- Investigación en servicios de salud
- Equidad en salud
- Ciencia de los datos biomédicos
Sus antecedentes:
- La equidad en salud es una preocupación creciente en la investigación de servicios de salud y la prestación de atención médica.
- La investigación existente pone de relieve la posibilidad de que las disparidades sistemáticas se agraven durante la recopilación y el análisis de datos.
- La discriminación estructural y los sesgos humanos pueden influir en la equidad de los datos, afectando los resultados de la investigación y los procesos de atención.
Objetivo del estudio:
- Revisar los mecanismos que introducen disparidades en la recopilación de datos de los pacientes y en el modelado de la salud.
- Identificar cómo estas disparidades afectan a la traducción de los hallazgos en la prestación de atención médica.
- Proponer medidas iniciales para hacer frente a estas desigualdades sistémicas.
Principales métodos:
- Revisión de la literatura de estudios sobre equidad en salud, recopilación de datos y sesgo algorítmico.
- Análisis de los mecanismos que introducen disparidades en los datos y el modelado.
- Síntesis de estrategias potenciales para mitigar el sesgo en la investigación y la aplicación de la salud.
Principales resultados:
- Los procesos de recopilación y modelado de datos son susceptibles a la discriminación estructural y a los sesgos humanos.
- Estos sesgos pueden conducir a la perpetuación y la amplificación de las disparidades de salud.
- La implementación de algoritmos derivados y los procesos de cuidado también pueden ser injustos.
Conclusiones:
- Abordar la equidad en salud requiere examinar la recopilación de datos y las prácticas de modelado para detectar sesgos inherentes.
- Se necesitan estrategias proactivas para mitigar las disparidades en cada etapa del proceso de investigación e implementación.
- Se necesitan más investigaciones e intervenciones para garantizar resultados equitativos en materia de salud.
Más Videos Relacionados
Videos de Conceptos Relacionados
Health Information Technology and Healthcare Information System
Health Information Technology, commonly called HIT, integrates advanced information systems and technology in healthcare settings. Its primary functions include:
Methods Of Healthcare Delivery System
Managed Care System:
The managed care system is designed to control the cost while maintaining the quality of care. The patient's care from admission to discharge is planned by the primary care provider or the case manager, also known as the gatekeeper. In a managed care system, the number of care providers is...
Introduction To Health Care Delivery System
The Institute of Medicine (IOM) advocates for a patient-centered, effective, safe, timely, equitable, and effective healthcare system. The National Priorities...
Purpose of Health Records II
Models of Health Promotion and Illness Prevention II
The agent-host-environment model states that disease results...
Models of Health Promotion and Illness Prevention I
The health belief model (HBM) attempts to predict health-related behavior in specific belief patterns. According to the HBM, a person's...

