Cuanta más información tengan los proveedores de atención sanitaria sobre un paciente, mejor será la atención que puedan prestar.
Los protocolos estándar como FHIR, respaldados por regulaciones nacionales, facilitan la recopilación de datos de pacientes procedentes de laboratorios, hospitales, centros de diagnóstico, etc. Sin embargo, determinar si distintos registros pertenecen a la misma persona o contienen datos duplicados puede suponer un reto. Este es el problema central que el Master Data Management (MDM) sanitario está diseñado para resolver — y el Master Patient Index (MPI) es su subsistema orientado al paciente, combinado con un algoritmo de enlace de registros adecuado.
En este artículo analizaremos:
- Qué son el Master Patient Index (MPI) y el Enlace de Registros, y cómo encajan en el Master Data Management sanitario;
- Cómo implementar un MPI y qué métodos pueden utilizarse;
- Cómo elegir el algoritmo de enlace de registros adecuado.
¿Qué es un Master Patient Index (MPI)?
El Master Patient Index (MPI) es un software utilizado en organizaciones sanitarias para identificar de forma única a cada paciente y consolidar sus múltiples registros. Esto contribuye a garantizar que todos los proveedores de atención sanitaria tengan acceso a información precisa sobre los pacientes.
El Enlace de Registros es el proceso de identificar registros duplicados. El algoritmo de coincidencia (método) es el núcleo del Master Patient Index. Calcula la similitud entre dos registros y determina si son el mismo.
Sugerencia: Si busca una herramienta integral para gestionar registros de pacientes, el término «Master Patient Index» es una palabra clave útil para su búsqueda. Si le interesa más comprender cómo funciona, continúe leyendo el artículo y busque después «Record Linkage».
Cómo encaja el MPI en el Master Data Management sanitario
El Master Data Management (MDM) en sanidad es la disciplina de construir una visión única y fiable de las entidades de las que depende el resto del sistema: pacientes, proveedores, organizaciones, ubicaciones y pagadores. Cada una de ellas tiene sus particularidades, pero el patrón de ingeniería es el mismo: ingerir datos de múltiples sistemas fuente, hacer coincidir registros que se refieren a la misma entidad del mundo real y resolver conflictos en un registro dorado en el que puedan confiar los consumidores posteriores.
El Master Patient Index es la parte específica de pacientes en ese panorama. Es, con diferencia, el área más debatida del MDM sanitario porque la identidad del paciente es donde los errores tienen mayor coste: un registro de paciente duplicado fragmenta su historial clínico; un registro fusionado incorrectamente crea un evento de seguridad. Por eso, cuando los equipos hablan de «MPI», casi siempre se refieren a una capacidad de Master Data Management orientada al Patient — la misma maquinaria de coincidencia, bloqueo, fusión y auditoría que se usaría para cualquier otra entidad maestra, aplicada simplemente donde las consecuencias son más graves.
En el resto de este artículo veremos cómo funciona realmente esa maquinaria.
Cómo funciona un Master Patient Index
La implementación del Master Patient Index sigue un proceso específico que consta de varios pasos clave:
- Limpieza y Normalización de Datos — limpiar los datos y estandarizar su formato;
- Bloqueo — agrupar previamente los registros para reducir el número de comparaciones y mejorar el rendimiento;
- Puntuación y Coincidencia — el «corazón» del proceso: identificar la similitud de los registros y llevar a cabo la coincidencia automática o manual;
- Enlace o Fusión de registros duplicados.
Examinemos ahora cada paso con más detalle.
Master Patient Index: Limpieza y Normalización de Datos
En primer lugar, limpiamos los datos.
Asegúrese de que los identificadores (como dirección, género, número de seguridad social, etc.) tengan un formato coherente para obtener resultados más precisos al final. Esto puede hacerse eliminando signos de puntuación, convirtiendo a mayúsculas y estandarizando valores.
Normalice las terminologías: mientras que Género puede representarse como «Male/Female» en un conjunto de datos y «Man/Woman» en otro, debe codificarse de la misma manera.
Si un valor no es válido y se ha introducido únicamente para cumplimentar un campo obligatorio (por ejemplo, «Baby boy» en el campo Nombre o «00000000» como número de seguridad social), se recomienda restablecer el valor a «NULL», ya que el algoritmo puede ser sensible a dichas entradas.
La situación ideal se produce cuando su fuente de datos proporciona datos limpios en el mismo formato (con los mismos nombres para los atributos), pero esto no siempre es así y normalmente hay que convertir los datos al mismo formato.
Recomendamos utilizar HL7 FHIR para los formatos de datos estándar, porque estamos observando una adopción significativa de FHIR y parece que FHIR se convertirá en la lengua franca del intercambio de datos sanitarios en un futuro próximo. Nuestra solución de Master Patient Index y Master Data Management, MDMbox, está implementada sobre FHIR.
Master Patient Index: Bloqueo
Una vez que los datos han sido limpiados y normalizados, podemos iniciar el proceso de bloqueo de registros. Si un Master Patient Index contiene un millón de registros, una comparación directa de todos los registros requeriría un billón de comparaciones, pero es posible reducir significativamente este número.
Esto suele implicar someter el conjunto de datos a una serie de filtros, utilizando cada vez un atributo o método diferente para identificar posibles coincidencias, aunque existe un compromiso entre rendimiento y precisión, y es importante elegir la clave de bloqueo adecuada.
El bloqueo se realiza habitualmente dividiendo los registros en grupos más pequeños — o «bloques» — en función de ciertos criterios (filtros), como por ejemplo usando similitud débil (nombre, género, año de nacimiento, código postal, etc.).
Como se puede ver en el esquema de ejemplo siguiente, una operación de bloqueo puede generar bloques candidatos usando el atributo Apellido y la primera letra del Nombre, o podría crear bloques usando otros atributos, como Número de Teléfono o Código Postal:
La coincidencia se realiza entonces dentro del bloque o entre dos bloques dentro del mismo atributo:
Cabe señalar que diferentes ejecuciones de esta operación pueden revelar diferentes coincidencias reales, por lo que la combinación de los resultados puede potencialmente descubrir la mayoría de las coincidencias verdaderas.
El objetivo es minimizar el número de candidatos, por lo que las directrices deben ser:
- Suficientemente amplias para abarcar todos los registros relevantes dentro del mismo bloque;
- Suficientemente específicas para permitir una comparación eficiente de los candidatos en un plazo de tiempo razonable.
Master Patient Index: Puntuación y Coincidencia
El «corazón» del Master Patient Index es el proceso de Puntuación y Coincidencia, y en este paso es fundamental determinar si es probable que dos registros se refieran al mismo individuo. Los algoritmos pueden clasificar los registros en dos grupos — Coincidencia o No Coincidencia — o en un tercer grupo, Posible Coincidencia, donde la decisión puede delegarse en personas.
La coincidencia puede realizarse mediante diferentes métodos:
- Método determinista (basado en reglas) — utiliza un conjunto de reglas (por ejemplo, que coincidan el número de seguridad social, la fecha de nacimiento y el apellido) y también se denomina lógica de coincidencia exacta. Las reglas deterministas pueden diseñarse con un alto nivel de especificidad;
- Método probabilístico (basado en puntuación o Fellegi-Sunter) — este método enlaza los registros cuando la suma de todos los acuerdos ponderados supera a los desacuerdos.
Puede utilizar esta tabla para comparar los métodos de forma rápida y sencilla:
| Método | Ventajas | Inconvenientes |
|---|---|---|
| Método determinista (basado en reglas). Utiliza un conjunto de reglas (por ejemplo, que coincidan el número de seguridad social, la fecha de nacimiento y el apellido); también se denomina lógica de coincidencia exacta. Las reglas deterministas pueden diseñarse con un alto nivel de especificidad | Fácil de implementar. Fácil de escribir y comprender sus reglas simples | Precisión limitada o requiere extensiones complicadas para mejorarla. Difícil de mantener un conjunto de reglas para una coincidencia precisa. Muy sensible a la calidad de los datos. Difícil de implementar de forma eficiente en conjuntos de datos grandes. No hay forma de cuantificar la calidad del algoritmo |
| Método probabilístico (basado en puntuación o Fellegi-Sunter). Este método enlaza los registros cuando la suma de todos los acuerdos ponderados supera a los desacuerdos | Utiliza todos los puntos de datos disponibles para tomar una decisión (coincidencia o no coincidencia). Gestiona datos faltantes o no válidos. Puede aprender de estadísticas de datos existentes y nuevos. La calidad del algoritmo (precisión y sensibilidad) puede estimarse numéricamente. Escala bien con el bloqueo para grandes conjuntos de datos. Utilizado con éxito en análisis de población en muchos proyectos | Requiere configuración y ajuste por parte de expertos |
El MDMbox utiliza el método Probabilístico (modelo basado en el algoritmo Fellegi-Sunter), que es un tipo de clasificador bayesiano, y compara los valores de atributos específicos como el nombre, la fecha de nacimiento o el número de seguridad social. Si los atributos parecen ser los mismos, esto aumenta la probabilidad de coincidencia; si los atributos no coinciden, la probabilidad de coincidencia disminuye.
Así, utilizamos un sistema que nos ayuda a decidir qué probabilidad hay de que dos registros sean el mismo. Comenzamos estimando qué probabilidad hay de que dos registros seleccionados aleatoriamente coincidan. Luego comparamos los registros para ver si tienen aspectos en común, como la misma fecha de nacimiento, número de seguridad social o número de teléfono.
A continuación se explica de forma sencilla cómo funciona el algoritmo: compara registros y evalúa con precisión la evidencia, de modo que podamos determinar la probabilidad de una coincidencia:
- Las columnas con un mayor número de valores únicos, como la fecha de nacimiento, el número de seguridad social o el número de teléfono, tienen más probabilidades de establecer una coincidencia sólida, ya que es poco probable que estos valores en dos registros seleccionados aleatoriamente coincidan por casualidad.
- Cuando una columna no coincide, suele ser evidencia en contra de una coincidencia. También debemos reconocer que esta evidencia puede no ser del todo fiable en casos en los que factores externos, como un cambio de nombre por matrimonio, un traslado que resulte en un código postal diferente para el paciente, o un simple error tipográfico en la introducción de datos, pueden provocar una discrepancia en la columna.
Si esta puntuación de evidencia total alcanza o supera un umbral configurable, conocido como valor de corte, los registros se consideran coincidentes y pueden vincularse. Si la puntuación cae por debajo del umbral, los registros se consideran individuos separados y no se vinculan en el Master Patient Index.
Una práctica habitual es examinar la distribución de puntuaciones y elegir un método de similitud que produzca la tasa deseada de falsos positivos o falsos negativos. Esto puede ayudar a equilibrar la necesidad de precisión con la necesidad de minimizar la carga de trabajo de los revisores humanos. Para una guía práctica sobre esta calibración, consulte nuestra guía sobre configuración y ajuste de un modelo de coincidencia de pacientes.
Comience con el Servidor FHIR de Aidbox para almacenamiento de datos, integraciones, análisis sanitario y mucho más, o contrate a nuestro equipo para apoyar sus necesidades de desarrollo de software.
Elección del algoritmo de coincidencia
Como opción predeterminada, Fellegi-Sunter parece ser la opción más adecuada. Requiere que un experto lo configure, pero puede proporcionar buenos resultados.
Si dispone de menos fuentes de datos de confianza con relaciones estrechas, las reglas deterministas simples serán suficientes, aunque no habrá forma de evaluar su precisión.
¿Enlace o Fusión?
Una vez que los registros han sido identificados como coincidentes, es importante decidir si debe enlazar o fusionar los registros.
- Enlazar los registros significa que mantenemos todos los registros duplicados tal como están, pero los vinculamos entre sí. Si tiene diferentes fuentes para diferentes duplicados, no habrá ningún problema al actualizar los registros.
Esto resulta útil en casos donde los datos se agregan continuamente de diferentes fuentes, ya que permite al Master Patient Index realizar un seguimiento de las relaciones entre registros sin tener que resolver continuamente conflictos de fusión.
- Fusionar los registros significa combinarlos en un único registro híbrido.
Esto implica combinar los datos de múltiples registros en un único registro que contenga toda la información relevante sobre un paciente. En comparación con el enlace, la fusión permite una recuperación de datos más simple y rápida, así como un uso más eficiente de la memoria.
Sin embargo, puede resultar más complejo gestionar los conflictos de fusión y los enlaces falsos positivos en este tipo de sistema.
Mejore la interoperabilidad con las soluciones sanitarias HL7 FHIR: CapMinds FHIR Service
El compromiso del MPI: Precisión vs. Coste
Si los datos se agregan continuamente de diferentes fuentes, una estrategia de enlace parece preferible porque no es necesario resolver continuamente conflictos de fusión, mientras que los enlaces falsos positivos pueden simplemente revertirse desvinculando los registros.
Por otro lado, este sistema no solo gestiona un único registro de paciente, y la mayoría de las interacciones implican conjuntos de registros.
En los sistemas del mundo real, es habitual utilizar un enfoque híbrido que combine tanto el enlace como la fusión. Esto se debe a que el problema del compromiso entre mantener la integridad de los datos y permitir consultas flexibles por un lado, y crear una imagen completa y precisa de los datos por otro, es irresoluble.
El enfoque híbrido hace que todo el sistema sea más complejo, pero conduce al resultado deseado al final. Por ejemplo, un sistema podría enlazar primero los registros coincidentes para crear una relación entre ellos, y luego fusionar los registros enlazados en un único registro consolidado.
Alternativamente, un sistema podría fusionar primero los registros coincidentes y luego enlazar los registros consolidados resultantes.
El compromiso al elegir entre enlace y fusión depende de los objetivos y requisitos específicos del sistema. Si el enfoque está en mantener la integridad de los datos y permitir consultas flexibles, el enlace puede ser preferible. Si el enfoque está en crear una imagen completa y precisa de los datos, la fusión puede ser preferible.
Para experimentar con la implementación de un Master Patient Index y la coincidencia de registros, pruebe la versión de desarrollo gratuita de MDMbox. Ofrece un entorno completo para probar estas funcionalidades, proporcionando todas las herramientas necesarias sin ninguna limitación.
Conclusión
Hay varios puntos clave a tener en cuenta al implementar un Master Patient Index como parte de su estrategia de Master Data Management sanitario:
- Asegúrese de que los datos utilizados sean de buena calidad e integridad; de lo contrario, deben limpiarse y normalizarse;
- Elija el algoritmo más adecuado en función de todos los requisitos específicos de su proyecto y la calidad de los datos disponibles;
- Establezca el equilibrio entre fusionar o enlazar registros, o cree un sistema híbrido;
- Trate el MPI como una entidad dentro de un programa de Master Data Management más amplio — las mismas primitivas de coincidencia, fusión y auditoría se extienden a proveedores, organizaciones y ubicaciones.
Nuestro MDMbox utiliza el método probabilístico basado en el algoritmo Fellegi-Sunter, ya que ha demostrado ser muy eficaz para lograr resultados precisos y eficientes. Este algoritmo ha sido ampliamente estudiado, optimizado para su uso con bases de datos relacionales (SQL) y ha rendido excepcionalmente bien en grandes conjuntos de datos.
En MDMbox, las operaciones de coincidencia y fusión de pacientes se ejecutan en milisegundos, incluso a gran escala. La deduplicación masiva es igualmente eficiente — por ejemplo, identificar todos los candidatos duplicados en un conjunto de datos de 5 millones de pacientes lleva aproximadamente 20 minutos. Para un ejemplo del mundo real, vea cómo encontramos miles de registros duplicados en el registro NPI utilizando el mismo enfoque.
Además, MDMbox proporciona una interfaz de usuario integrada para el Responsable de Datos (Data Steward), que permite a los equipos revisar y resolver conflictos de fusión, gestionar posibles duplicados y realizar un seguimiento completo de los registros de auditoría de fusión y desfusión para una transparencia y control totales. Más información
Autores: Nikolai Ryzhikov, CTO en Health Samurai Ivan Shukshin, Ingeniero de Software Principal en Health Samurai
Véase también: Registros de pacientes duplicados en análisis sanitario, Proveedores de MPI y semántica de $merge de pacientes, Datos sintéticos en sanidad y FHIR como formato de almacenamiento de datos.
