El big data y su uso para mejoras de políticas de salud sexual y reproductiva
El embarazo adolescente en Argentina es un tema clave de política pública en materia de salud sexual y reproductiva debido a los altos niveles que registra la tasa de fecundación adolescente. Los datos del Fondo de Población de las Naciones Unidas revelan que el promedio de nacimiento adolescente en Argentina es superior al promedio mundial y regional. En el país, entre el 2000 y el 2017 se registraron en promedio 65 nacimientos cada 1.000 niñas de entre 15 y 19 años, mientras que el promedio mundial es de 44 nacimientos y el regional 62. 1 Si bien las cifras a nivel comparado son alarmantes, el país ha logrado reducir la tasa de fecundidad desde los últimos años. El embarazo en la adolescencia representa un problema social en el cual se entremezclan vulneración de derechos con efectos sociales y económicos de largo impacto.
En 2017 el Gobierno Nacional lanzó el Plan Nacional de prevención y reducción del Embarazo no intencional en la Adolescencia (Plan ENIA) 2 junto con un mayor acceso a la Educación Sexual Integral (ESI) en las escuelas y el uso de anticonceptivos de larga duración. El plan se ejecuta en 12 de las 24 jurisdicciones y en los 36 departamentos más grandes. 3 El Plan ENIA convocó la participación de los ministerios de Desarrollo, de Salud y de Educación, y con ello se generaron dinámicas de trabajo transversal, permitiendo integrar perspectivas y dinámicas de trabajo diferentes frente a la misma problemática. En el caso puntual del Plan ENIA, la transversalidad de la política multiplicó exponencialmente la información disponible, ya que los datos de cada uno de los tres ministerios serían analizados de forma conjunta. La posibilidad del big data se hizo presente.
El proceso de generación de Big Data
En el Plan ENIA participaron al menos 8 entidades nacionales brindando información desagregada por dependencia, cada una de ellas con un formato propio de recopilación y presentación de la información. La heterogeneidad en los formatos utilizados fue el primer obstáculo en el cual se debió trabajar, dado que dificultaba la interoperabilidad del uso de la información recabada por cada una de las entidades.
El equipo consultor se reunió con cada una de las entidades participantes para analizar la información y la calidad de los datos. Como resultado de las reuniones, el equipo decidió focalizarse en mejorar y optimizar el flujo de transformación de los datos, que va desde el dato registrado hasta la presentación de los resultados. Si bien en un primer momento se había pensado en trabajar sobre los procesos de recolección, compilación y procesamiento de los datos, las reuniones con los expertos en cada una de las entidades demostraron que dicho proceso presenta intervenciones críticas de los expertos en el área que difícilmente podían ser reemplazadas por procedimientos automatizados, dado el corto tiempo con el cual se contaba para trabajar.
¹ ‹https://www.unfpa.org/sites/default/files/pub-pdf/UNFPA_PUB_2019_ES_Estado_de_la_Poblacion_Mundial.pdf›.
²‹https://www.argentina.gob.ar/sites/default/files/argentina._documento_plan_nacional_de_prevencion_y_r
educcion_embarazo_no_intencional_en_la_adolescencia._vf.pdf›.
³ Las provincias participantes son: Buenos Aires, Catamarca, Corrientes, Chaco, Entre Ríos, Formosa, Jujuy, La Rioja,
Misiones, Salta, Santiago del Estero y Tucumán.
4 Entidades nacionales que brindan información por dependencia: DEIS (Dirección de Estadísticas e Información en
Salud), ANSES, APRENDER, SIP Gestión, DIEE (Dirección de Información y Estadística Educativa), Efectores salud
El Big data: un gran aliado para la visualización y análisis de datos
Figura 1: Dimensiones del reporte final para cada uno de los componentes del plan
El principal producto generado fue el gran tablero de control, compuesto por cuadros que permiten monitorear el plan. Estos cuadros están especialmente diseñados en función de las particularidades de los cuatro componentes del plan: (1) Educación Sexual Integrada (ESI), (2) Programa Nacional de Salud Integral en la Adolescencia (PNSIA), (3) Secretaría Nacional de la Niñez y la Adolescencia (SENNAF) y (4) SSySR. Si bien los cuadros reflejan las particularidades de cada uno de los componentes del plan, los indicadores de desempeño se organizan en función de cuatro dimensiones: (a) cobertura de la información, (b) proceso, (c) resultados y (d) coberturas (ver Figura 1). Los cuadros generados para cada componente del programa permiten crear informes y reportes sobre el avance del plan en cada una de las jurisdicciones.
(Cantidad de botiquines recibidos por efector y Direcciones y horarios de entrega por establecimiento), INDEC, Farmacias (Farmacias geolocalizadas según Registro Federal de Farmacias).
El desarrollo e implementación de metodologías ágiles para optimizar el flujo de transformación de información trajo aparejada la incorporación de herramientas para el mejoramiento de la etapa de publicación de los resultados y su visualización. El equipo trabajó en agilizar y automatizar las tareas relacionadas con la preparación de los datos para la vista y construcción de gráficos para los informes (se utilizó Google Data Studio y CARTO). El cuadro con indicadores y la visualización de los resultados devino en una mejora sustantiva en la calidad de los informes a ser publicados y en los resúmenes de desempeño. Dentro del marco de trabajo, el equipo dictó siete jornadas de capacitación para los funcionarios públicos con el fin de instruirlos en el uso de la herramienta de Data Studio de Google y comprender cómo es el flujo de trabajo. La visualización de los resultados y la generación de los reportes basados en los indicadores de monitoreo se convirtieron en una herramienta de gran utilidad para los funcionarios públicos,
dado que fácilmente se pueden ver los avances en los programas y comparar su evolución en el tiempo y con las otras jurisdicciones miembros del plan. Por ejemplo, en la Figura 2 se muestra el cuadro que forma parte del tablero de control respecto al componente del plan ESI, en donde se muestran los avances respecto a las dimensiones de: cobertura de la información (2.a), proceso (2.b) y resultados (2.c).
El proceso de generación de Big Data
- El proyecto logró integrar información proveniente de organismos descentralizados y diversos, en una única plataforma y generar información relevante e inexistente que permite ayudar el monitoreo de los avances y el diseño de la política. El uso de big data ayudó a comprender la relevancia de tener datos y evidencia empírica, pero sobre todo, la relevancia y potencialidad que puede adquirir cuando existe la cooperación y coordinación de diferentes entidades que trabajan en un mismo objetivo.
- La incorporación del big data visibilizó la necesidad de generar datos e información de calidad que puedan ser estandarizados y utilizados de forma transversal entre diferentes organismos.
¿Cuál fue la clave para alcanzar el éxito en el proyecto?
Lograr la colaboración de las diferentes entidades relacionadas con el Plan ENIA fue clave para alcanzar el éxito ya que la ausencia de algunas de ellas no hubiese permitido alcanzar la integración completa de la información.
¿Qué aporte nos dejó el big data?
- El proyecto logró integrar información proveniente de organismos descentralizados y diversos en una única plataforma y generar información relevante e inexistente, que permite ayudar en el monitoreo de los avances y el diseño de la política. El uso de big data ayudó a comprender la relevancia de tener datos y evidencia empírica, pero sobre todo, la relevancia y potencialidad que puede adquirir cuando existe la cooperación y coordinación de diferentes entidades que trabajan en un mismo objetivo.
- La incorporación del big data visibilizó la necesidad de generar datos e información de calidad que puedan ser estandarizados y utilizados de forma transversal entre diferentes organismos.
¿Cuál fue la clave para alcanzar el éxito en el proyecto?
Lograr la colaboración de las diferentes entidades relacionadas con el Plan ENIA fue clave para alcanzar el éxito, ya que la ausencia de algunas de ellas no hubiese permitido alcanzar la integración completa de la información.
¿Qué aporte nos dejó el big data?
- El proyecto logró integrar información proveniente de organismos descentralizados y diversos en una única plataforma y generar información relevante e inexistente, que permite ayudar en el monitoreo de los avances y el diseño de la política. El uso de big data ayudó a comprender la relevancia de tener datos y evidencia empírica, pero sobre todo, la relevancia y potencialidad que puede adquirir cuando existe la cooperación y coordinación de diferentes entidades que trabajan en un mismo objetivo.
- La incorporación del big data visibilizó la necesidad de generar datos e información de calidad que puedan ser estandarizados y utilizados de forma transversal entre diferentes organismos.
¿Cuál fue la clave para alcanzar el éxito en el proyecto?
Lograr la colaboración de las diferentes entidades relacionadas con el Plan ENIA fue clave para alcanzar el éxito, ya que la ausencia de algunas de ellas no hubiese permitido alcanzar la integración completa de la información.