City Health Dashboard: monitorizar la salud de tu ciudad


Cuando tuve la oportunidad de acudir al proceso de selección de una vacante en los County Health Rankings (CHR) en el 2016, uno de los temas metodológicos sobre los que se habló mucho – y que salió casi de forma recurrente en las entrevistas y en la presentación que hice al equipo de los CHR- era el reto de cómo aportar información en áreas geográficas pequeñas.

Los CHR aportan información para condados (municipios) pero ¿qué ocurre cuando queremos dar información para ciudades con barrios donde existen diferencias notables? Ofrecer una buena “fotografía” de los diferentes determinantes y resultados de salud de una zona pequeñita (barrio, unidad censal) puede ser complicado por diferentes motivos: disponibilidad de la información, las encuestas poblacionales que tenemos no tienen n suficiente para unidades pequeñas, podemos hacer buenas fotos sobre algunos temas pero desequilibradas hacia otros (por ejemplo la accesibilidad de algunos temas de salud pública o de salud comunitaria) y también, y esto es un tema capital cuando hablamos de métricas, muchas veces no nos interesa tanto el big data como el small data y esto requiere otras aproximaciones metodológicas (lo narrativo, lo etnográfico, lo cualitativo…).

De todas formas, la pregunta que nos hacían era un poco retórica porque en aquel momento la Robert Wood Johnson Foundation (RWJF) ya esta pergeñando una solución a través de un proyecto que se llamaba (y que creo que ya está reconvertido totalmente en este otro) 500 cities y que en aquel momento desarrollaban los CDC con la propia RWJF. Como decía, mi impresión es que este proyecto de 500 cities ha evolucionado en este otro de City Health Dashboard.

¿Qué pretende City Health Dashboard? Más del 80% de la población de Estados Unidos vive en grandes ciudades, siendo ciudades con diferencias muy marcadas entre barrios. Para pensar en determinadas acciones no sirve una foto general de la ciudad sino que es necesario bajar a unidades más pequeñas. Para estas grandes ciudades es importante dar una fotografía no sólo por “condados” como ofrecen los CHR sino hacerlo en unidades geográficas más pequeñas. Concretamente City Health Dashboard utiliza las unidades censales.
Las métricas que utiliza se agrupan en un modelo similar (pero no el mismo) que los County Health Rankings y dentro de cada bloque utiliza diferentes medidas:

Social and economic factors (High school graduation, racial/ethnic diversity, reading proficiency, absenteesim, children in poverty, excessive housing cost, income inequality, negihborhood racial/ethnic segregation, unenmployment, violent crime)
Physical environment (park access, walkability, air pollution, housing with potential lead risk, lead exposure risk index, limited access to healthy foods)
Health behavior (binge drinking, physical inactivity, smoking, teen births)
Health outcomes (breast cancer deaths, cardiovascular disease deaths, colorectal cancer deaths, diabetes, frequental mental distress, high blood pressure, low birthweigth, obesity, opioid overdose deaths, premature deaths,
Clinical care (dental care, prenatal care, preventive services, primary care physicians, uninsured)

Algunos comentarios muy rápidos sobre la herramienta:

  1. Tiene un buen sistema de visualización de diferentes métricas bastante usable a través de una barra en gradiente y a través de los mapas (o tablas) de los valores para los “census tract”.

 

2. Aunque no utiliza un sistema de rankings, sí que realiza de forma constante una comparación del valor de cada una de las métricas con el valor medio de las 500 ciudades y también una comparación entre las diferentes unidades censales.
Tiene además un comparador específico entre ciudades 

Y también un comparador entre métricas Este quizás es uno de los elementos más potentes de la herramienta al permitir de forma automática y bastante visual comparar métricas y realizar un análisis por determinadas variables sociodemográficas.

 

Las métricas no son iguales y se pone en igual valor el peso de los diferentes factores. Esto elimina todas las posiblidades de críticas a un modelo de rankings y a las dificultades metodológicas de la construcción del mismo, pero también elimina el valor pedagógico de señalar la importancia que tienen, por ejemplo, los factores socioeconómicos en la salud poblacional.

3. Una de las cuestiones más interesantes de todo este tipo de herramientas es conoce su usabilidad y determinar en qué medida la información genera conversaciones y acciones. Esto es clave. No se trata de tener preciosas web interactivas con todos los datos del mundo mundial. Se trata de generar conocimiento para la acción.
Este es uno de lo retos fundamentales que venimos planteándonos en el Observatorio de Salud de Asturias desde su inicio en el 2011: no basta con tener un buena sistema de información, es necesario tener una buena visualización de la información, generar una buena pedagogía y conversación a partir de la misma y que sea una herramienta para facilitar el trabajo en los territorios.
Será interesante observar en qué medida el trabajo que desarrolla City Health Dashboard será complementario al proyecto de los County Health Rankings ( un hecho significativo es que en su origen hay personas en común: Jessica K. Athens. que es la Directora de Métricas y Analíticas del Proyecto en CHD conocer perfectamente los CHR, y ella formaba parte del equipo pre-2011 cuando el proyecto se desarrollaba sólo en Wisconsin y antes de dar el salto a todos los estados de la mano de la RWJF).
El proyecto de City Health está desarrollado Department of Population Health en NYU Langone Health y NYU Wagner a través de una subvención (“grant”) de la Robert Wood Johnson Foundation.

4. ¿Están articuladas y trabajan de forma integrada diferentes proyectos que están en Estados Unidos? Una de las grandes riquezas de Estados Unidos es la capacidad económica que pueden tener algunas entidades como la RWJF para trabajar y financiar líneas como estas. Cuando la RWJF presenta una de sus visiones estratégicas que denomina Culture of Health aporta diferentes recursos de acceso a información sobre salud con muchas similitudes, ¿trabajan de forma integrada estas herramientas?¿con complementarias entre ellas? ¿se complementan con otros proyectos como los Health Rankings de la APHA o existen otros proyectos gubernamentales? Para una sociedad como la nuestra es sorprendente que una Fundación como la RWJF
Culture of Health concretamente presenta hasta 10 plataformas -a las que hay que sumar City Health- y que señalo a continuación, de varias de ellas ya hemos ido hablando en el blog.

County Health Rankings
Healthy People 2020
AARP Livability Index
The social impact calculator
Measureup
National Health Security Preparedness Index
Resilience in action
Naccho Mapp
IOM Vital Signs
Stakeholder perspectives

5. Otro tema importante es la ausencia de métricas sobre algunos aspectos íntimamente vinculados a salud positiva, resiliencia, cohesión o activos para la salud. Nuestras métricas suelen ser perfectas y maravillosas en gráficos y tendencias en indicadores de problemas pero se diluyen totalmente al hablar de indicadores de vaso medio lleno y de algunos de los elementos que son claves en los procesos y la acción comunitaria.
Sería necesario integrar en nuestros modelos medidas salutogénicas de nuestros barrios y comunidades.

5. Por último pero no menos importante pensar en la importancia del small data. Entendiendo metafóricamente por los “datos pequeños” aquellos que son trascendentales y que son las historias, narraciones, vivencias y opiniones de las personas que viven en esas unidades geográficas. Copio directamente un párrafo de la reflexión que desde el Observatorio hicimos en el JECH:

“It seems that in the Big Data era, the possibility of combining different sources of information might allow us to draw a big picture of important social and health aspects in our community. The variety of available information on an individual and population basis, the existence of theoretical frameworks of social determinants of health, and the availability of computational systems to combine the data might led to great expectations.16 Although the definition of Big Data does not remain as a static concept, there are some consensus-based aspects such as the volume of information, the speed of data production and data processing, as well as the different formats of data and sources.17 At a local level, it may be of special importance to include small geographical units or groups with special needs in the new concept ‘Small Data’.

The definitions of Small Data are not as accurate as those of Big Data. Small Data is currently being used mainly in sectors related to open data or marketing. Some of the key aspects of this definition are (1) the importance of fragmenting large pieces of information into small units that are more easily understood by the population, (2) the improvement in the visibility of the information and (3) the use of information related to perspectives, values or expectations of the population.18 ,19 These aspects are known by professionals working in community health and will assist them in the identification of major challenges to develop effective actions to better improve public health.

The first challenge is about gathering reliable epidemiological information for small areas. Staff from the Local Public Health Governance Systems normally have access to individual clinical and biological information but less information on the socioeconomic context and the environment (key points to public and community health). There is well-developed work-in-progress in the statistical field on how to improve information for small areas using empirical Bayes methods and Longitudinal and Joint Outcome Models.20

The second challenge which we have already partially outlined is that information for these small areas must not be limited to that included in our Big Data since information shared by the people is key: we need the narratives, views and voices of people living in those communities.

Our fourth and last reflection points the importance of combining Big Data and Small Data when we work with local communities. Small Data would involve making Big Data information available, understandable and usable to develop and implement community intervention programmes in small areas such as rural areas, neighbourhoods or small towns. Small Data should include an equity and social determinants approach. In addition, information related with health problems and community health assets should be easily integrated. In line with this, novel techniques that integrate quantitative and qualitative information from epidemiological data and ethnographic information from the narratives of the people that participate in our community-based participatory research need to be developed”

 

Otro día seguiremos con más iniciativas que hay en nuestro contexto tratando de dar solución a esta pregunta.

Anuncios

Responder

Introduce tus datos o haz clic en un icono para iniciar sesión:

Logo de WordPress.com

Estás comentando usando tu cuenta de WordPress.com. Cerrar sesión /  Cambiar )

Google+ photo

Estás comentando usando tu cuenta de Google+. Cerrar sesión /  Cambiar )

Imagen de Twitter

Estás comentando usando tu cuenta de Twitter. Cerrar sesión /  Cambiar )

Foto de Facebook

Estás comentando usando tu cuenta de Facebook. Cerrar sesión /  Cambiar )

w

Conectando a %s