Datos y Método

El sistema de gestión de tiempos de espera (SIGTE) es una base de datos, uniforme en el territorio nacional¹¹, que contiene interconsultas de pacientes¹². Esta posee información personal de cada uno de los pacientes junto con los datos de la interconsulta, por ejemplo, la especialidad a la que se refiere y la sospecha diagnóstica en formato de texto libre no estructurado¹¹.

Se enviaron solicitudes por Ley de Transparencia a los 29 servicios de salud del país, pidiendo la lista de espera no cubierta por el plan GES para nueva consulta de especialidad. Diecisiete servicios (58,6%) respondieron a la solicitud, enviando información anonimizada que se resume en la Tabla 1.

Preprocesamiento

Ciertos servicios de salud realizan subconjuntos periódicos de la lista de espera y como muchas de estas no se resuelven en dicho período, puede que una interconsulta aprezca en más de un subconjunto. Para evitar la redundancia, se tomaron en cuenta solo una de las interconsultas que tenían la misma fecha de nacimiento, fecha de entrada, especialidad y sospecha diagnóstica. Además, se eliminaron las interconsultas que tenían datos faltantes en sus celdas.

Puesto que la norma técnica para el registro de lista de espera establece que existen 40 especialidades médicas y 11 odontológicas¹¹, se procedió a unificar los nombres de especialidades con el fin de agruparlas bajo un mismo concepto. Por ejemplo, Dermatología adulto y Dermatología infantil fueron agrupadas en Dermatología.

Para normalizar cada uno de los motivos de interconsulta, el primer paso fue transfomar el texto a letras minúsculas y eliminar caracteres no alfabéticos y tildes. Un cuerpo de texto se conoce con el nombre de corpus⁴, y en este caso lo constituye el total de palabras en las 2,6 millones de interconsultas analizadas. Los motivos de interconsulta agrupados por especialidad se denominarán documentos. La Figura 1 muestra un diagrama del preprocesamiento realizado.

Figura 1 Arriba: Flujo de preprocesamiento de las sospechas diagnósticas. Abajo: Modelo de datos utilizado para el análisis del texto de las sospechas diagnósticas. 

Se recopilaron 2.982.836 interconsultas, de las cuales se eliminaron 302.076 (10,4%) por estar duplicadas y 87.835 (3,0%) porque tenían celdas nulas, por lo que se trabajó con 2.592.925 (89,6%) interconsultas. Se obtuvieron consultas de 50 especialidades y los atributos del corpus se detallan en la Tabla 2.

Tabla 2 Atributos de cada una de las especialidades a analizar 

Especialidad		Interconsultas	Palabras	Palabras Únicas
Especialidades médicas
	Anestesiología	1.370	5.633	938
	Broncopulmonar	27.640	154.847	7.175
	Cardio cirugía	232	973	318
	Cardiología	88.770	452.317	14.031
	Cirugía abdominal	24.828	72.590	2.805
	Cirugía adulto	125.425	692.644	16.630
	Cirugía de mamas	10.669	88.919	2.160
	Cirugía infantil	40.501	236.385	7.251
	Cirugía plástica	1.572	10.898	1.059
	Cirugía proctológica	12.776	46.952	1.940
	Cirugía tórax	437	1.975	621
	Cirugía vascular periférica	45.331	250.078	6.399
	Cirugía y traumatología maxilofacial	27.791	186.528	5.694
	Dermatología	125.350	479.640	12.389
	Endocrinología	37.179	168.487	7.805
	Enfermedades de transmisión sexual	3.007	9.592	461
	Gastroenterología	65.611	342.801	11.176
	Genética	1.306	6.356	1.176
	Geriatría	2.330	9.555	1.572
	Ginecología	152.237	771.400	14.642
	Hematología	8.802	40.345	2.527
	Infectología	806	7.520	1.830
	Medicina familiar	300	932	118
	Medicina física y rehabilitación	21.393	83.946	4.865
	Medicina interna	104.124	518.031	19.161
	Nefrología	24.689	144.504	7.461
	Neonatología	180	946	275
	Neurocirugía	36.289	179.685	6.533
	Neurología	139.737	668.118	19.986
	Nutrición	1.938	7.372	520
	Obstetricia	31.395	160.277	3.544
	Oftalmología	416.761	1.962.614	15.149
	Oncología	4.392	36.644	2.932
	Otorrinolaringología	199.827	868.546	16.783
	Pediatría	48.240	305.273	14.571
	Psiquiatría	38.019	247.915	10.431
	Reumatología	23.868	79.561	3.621
	Traumatología	227.555	1.216.304	21.069
	Urología	87.224	441.363	11.477
Especialidades Odontológicas
	Cirugía bucal	22.386	119.806	4.990
	Cirugía maxilofacial	29.879	140.477	5.123
	Endodoncia	98.694	404.067	5.336
	Odontología indiferenciado	661	2.930	415
	Odontopediatría	23.233	119.642	3.647
	Operatoria	2.027	10.113	700
	Ortodoncia	48.096	322.890	4.598
	Periodoncia	31.339	140.046	4.127
	Rehabilitación: prótesis fija	14.578	69.410	2.078
	Rehabilitación: prótesis removible	108.081	776.881	4.592
	Trastornos temporomandibulares y dolor orofacial	4.050	24.152	768

Resultados

Para cada una de las 50 especialidades médicas y odontológicas se crearon nubes de palabras que están a libre disposición en cimt.uchile.cl/lechile, y que son actualizadas en la medida que nueva información se vuelve disponible²¹. Un ejemplo de nube de palabras se presenta en la Figura 2 para la especialidad de Genética.

Figura 2 Nube de palabras de la especialidad de Genética. El resto de las especialidades puede encontrarse en referencia 21. 

Tal como se indicó anteriormente, se establecieron como palabras clave las 4 palabras con el mayor FT-FID por especialidad, las cuales se encuentran descritas en la Tabla 3.

En la Tabla 3 podemos ver las palabras con alta frecuencia ponderada, pero no sabemos la magnitud relativa de estas. Para no sobrecargar con información esta tabla, no se muestran los valores de FT-FID para cada palabra, pero sí se encuentran descritos en la Figura 3 para la especialidad de genética. Aquí se puede apreciar la importancia relativa entre las palabras y comprobar que en efecto todas ellas son atingentes a la especialidad médica de Genética.

Figura 3 Palabras clave dentro de la especialidad de Genética junto con su valor de TF*IDF ordenadas de mayor a menor valor. En este ranking la palabra sd significa síndrome y rdsm significa retraso del desarrollo psicomotor. 

Discusión

A través de la determinación de las palabras clave por especialidad fue posible detectar diferencias entre estas cuando el total de la lista de espera fue analizado. Se consideraron datos de todas las especialidades excepto Salud Ocupacional, la cual no registró pacientes en los servicios de salud analizados.

Se determinó que existen especialidades con palabras clave muy similares, como es el caso de Cirugía Maxilofacial, Cirugía y Traumatología Maxilofacial y Cirugía Bucal, que comparten 4 de 5 palabras clave. Esto podría tener origen en que sus campos de acción son similares y los profesionales refieren las mismas patologías a cada especialidad de manera indistinta. Esto se refleja en reportes de la comunidad odontológica que sugieren analizar las diferencias entre estas especialidades^22,23.

La utilización de la técnica de FT-FID nos permitió extraer de manera automática los términos clave del campo de sospecha diagnóstica agrupado por especialidad, existiendo también limitantes en su funcionamiento. Un ejemplo de ello son las especialidades de Infectología y Pediatría, en donde las palabras clave extraídas no comunican el contexto de sus diagnósticos. Esto se debe a que existía una gran cantidad de razones de interconsulta idénticas en Infectología: “evaluación y receta” y “SIC a través de citación espontánea Consulta, no especificada”, además de “Fundamento Clínico APS” en Pediatría. Para robustecer el método proponemos un enfoque semiautomático para la determinación de las palabras sin sentido, donde expertos pudiesen revisar tanto las listas de palabras clave como las consideradas semánticamente pobres.

La presencia de términos distintos, pero semánticamente iguales, como es el caso de “diente” y “dientes” es un problema que el método no puede resolver. Esto podría ser solucionado mediante la técnica de lematización de términos, que consiste en reducir todas las inflexiones de una palabra a su forma base o lema (“dientes” se reduciría a “diente”). Desafortunadamente, la aplicación de lematización a nuestro corpus usando la herramienta con rendimiento del estado del arte en español²⁴, arrojó resultados inconsistentes. Otra reducción de dimensionalidad que podría implementarse sería considerar como sinónimos los términos “pieza” y “diente”, lo cual podría obtenerse usando word embeddings²⁵, que es una técnica que permite reducir dimensionalidad a partir del uso de redes neuronales, y es algo en lo que nuestro grupo trabaja actualmente.

Las nubes de palabras se utilizan para la comunicación de palabras clave y ejemplos de su uso son el refuerzo a las familias de pacientes fallecidos que han sido tratados mediante un enfoque de medicina narrativa¹⁴; como forma de resumir los artículos publicados en revistas científicas en función de los años²⁶ y para el análisis de datos clínicos cualitativos²⁷.

En nuestro caso, este recurso permite comunicar de manera simple el contenido de una lista de espera masiva y que registra una alta mortalidad^28,29, y nuestro deseo es contribuir a los tomadores de decisiones y al público objetivo de la red pública de salud mediante la visualización de grandes volúmenes de texto no estructurado. Se usó la lista de espera como un ejemplo de aplicación del método, pero su uso y potencial se extiende a cualquier conjunto de datos en donde se encuentre una gran cantidad de texto no estructurado. Una posible aplicación podría ser la de encontrar, dentro de la ficha clínica de un paciente, las palabras clave de cada consulta médica, y de ese modo informar de manera ágil las consultas anteriores de esa persona. Otra aplicación de este método es la de visualizar palabras frecuentes dentro de un conjunto de reclamos, lo cual permitiría tener una idea rápida de cuales son los aspectos más deficientes dentro del sistema.

Conclusiones

Se logró una aplicación de la técnica FT-FID a texto no estructurado producido en el contexto clínico chileno, eligiéndose la lista de espera para nueva especialidad no-GES para ejemplificar su acción.

Este trabajo también entrega una forma gráfica de visualizar la lista de espera usando nubes de palabras por especialidad, la cual se encuentra disponible en línea y es actualizada en la medida que nuevos datos están disponibles. El método aquí expuesto permite obtener la importancia de palabras dentro de un conjunto de textos, lo cual en este caso en particular, permite informar a los tomadores de decisiones acerca del contenido de las razones de interconsulta en Chile.