Ciclo de vida y medida de calidad de los datos.

Ciclo de vida y medida de calidad de los datos.

by ARACELY ELIZABETH CADENA CóNDOR -
Number of replies: 3

La gestión del ciclo de vida de los datos o también conocida como Database Lifecycle Management (DLM) es muy importante para poder entender cómo las empresas tratan los datos que recolectan, así como el proceso que aplican para organizarlos de manera responsable.

Además, el DLM busca optimizar el almacenamiento de los datos, incluyendo la seguridad, calidad y disponibilidad de los mismos, con el fin de generar un valor útil que ayude a la toma de decisiones. El flujo del DLM consiste en: Optimización del almacenamiento, Protección de los datos, Mejora de la accesibilidad y el rendimiento, Ciclo de vida automatizado, y finalmente el Cumplimiento normativo y auditoría.

Un ejemplo del manejo de DLM son los hospitales públicos, estos tienen una gran cantidad de datos de pacientes, para la recolección de todos estos datos, se realiza a través de las historias clínicas que se llenan de manera electrónica por el médico general, esto ayuda a la optimización y almacenamiento, evitando registros duplicados e inconsistentes, esta fase es crítica, ya que si no se agregan correctamente fechas o enfermedades, esto puede llevar a errores en el diagnóstico final, y a futuro, una demanda legal, ya que toda la información de los hospitales públicos es compartida por la misma base de datos en cada ciudad dentro del país, esto implica que cualquier médico tiene acceso a la información de los pacientes sin importar el lugar de residencia o ingreso de datos, esto permite escalar recursos y mejora la eficiencia respecto a los costos operativos.

Por otro lado, la protección de los datos se da mediante el control de acceso acorde con las políticas de gobernanza, en el caso del MSP, únicamente médicos y odontólogos tienen acceso a esta información personal, como se puede intuir, la accesibilidad y rendimiento se logran a través de arquitecturas de datos que lo facilitan.

Finalmente, las auditorias se aseguran mediante monitoreo continuo, con regulaciones como el GDPR o leyes locales de protección de datos.

Referencias: (2016, 16 de noviembre). Las 4 fases de la gestión del ciclo de vida de los datos. Clase10. https://www.clase10.com/las-4-fases-de-la-gestion-del-ciclo-de-vida-de-los-datos/

Espinosa Mogrovejo, V. D. (2025). La protección de datos personales en el entorno digital y su impacto en el derecho a la salud mental de niños, niñas y adolescentes en Ecuador, período 2020-2024 (Tesis de maestría). Universidad Andina Simón Bolívar, Sede Ecuador. https://repositorio.uasb.edu.ec/bitstream/10644/10503/1/T4584-MDH-Espinosa-La%20protecci%C3%B3n.pdf


In reply to ARACELY ELIZABETH CADENA CóNDOR

Re: Ciclo de vida y medida de calidad de los datos.

by BOLIVAR OSWALDO ORTIZ VALENZUELA -
La reflexión sobre la importancia del Data Lifecycle Management (DLM) en el ámbito hospitalario es pertinente, especialmente al resaltar cómo la calidad de la captura y del almacenamiento influye directamente en la toma de decisiones clínicas. Sin embargo, considero necesario profundizar en dos aspectos que amplían la comprensión del problema: los riesgos derivados de la dependencia tecnológica y la complejidad ética del acceso a datos sensibles, particularmente en sistemas centralizados como los del sector público.
En primer lugar, la digitalización de historias clínicas reduce duplicidades y mejora la consistencia, no obstante, diversos estudios han demostrado que la calidad del dato no depende únicamente del registro inicial, sino también del diseño del sistema y de la interacción humano–máquina. Esto implica que el DLM debe incorporar no solo procesos técnicos, sino también evaluaciones ergonómicas y formativas para quienes registran la información.
En segundo lugar, la existencia de controles de acceso en el Ministerio de Salud Pública, aumentan los riesgos de sobreacceso y acceso no justificado, aun cuando sea técnicamente permitido, vuelve complejo el acceso amplio entre ciudades al demandar auditorías mucho más estrictas.
Finalmente, sería oportuno subrayar que Ecuador no solo se alinea con el marco GDPR, sino que incorpora obligaciones adicionales para el sector salud, como la categorización de los datos de salud como categoría especial, que requieren niveles superiores de cifrado, anonimización y protocolos de eliminación segura.
In reply to ARACELY ELIZABETH CADENA CóNDOR

Re: Ciclo de vida y medida de calidad de los datos.

by OSCAR LEONARDO ENRíQUEZ SáNCHEZ -
Estoy de acuerdo. . En los Municipios por ejemplo, es común que los medios e recolección de información o adquisición continúen siendo físicos, tales como formularios impresos; ello determina que se deba incurrir en esfuerzos adicionales para almacenar esta información pues previamente hay que digitarla y depurarla. En consecuencia, la calidad del procesamiento y el análisis pierden precisión. Por ejemplo: al no existir mediante interoperabilidad, un consumo directo de información desde DINARP para campos tales como, cédula, nombre, apellido o información del padre o de la madre de los usuarios, esta información debe ser levantada directamente por cada institución y ello genera errores de tipeo, inconsistencias o incentivos a la sub-declaración de información. Por lo tanto, los análisis que insumen esta información pierden calidad y la focalización de varios servicios pierde efectividad. Así mismo, al no existir una adecuada disponibilidad de esta información ni una interoperabilidad interna, cada programa funciona como una isla separada del siguiente programa y ello determina que el usuario constantemente deba repetir la información declarada en uno o en otro programa. Por ejemplo: los trámites tributarios municipales no operan con los trámites para la inscripción a programas sociales. Estas distintos desafíos en varias fases del ciclo de vida de los datos determinan que los sistemas de información aún no logren ser sostenibles en el tiempo y que la gobernanza de los mismos sea parcial y no autónoma.
In reply to ARACELY ELIZABETH CADENA CóNDOR

Re: Ciclo de vida y medida de calidad de los datos.

by MIGUEL SANTIAGO JINGO PADILLA -
ARACELY: Su explicación parece que es clara, pero podría fortalecerse considerando que el DLM no solo optimiza procesos, sino que también debe integrarse con enfoques más amplios como Data Governance y Data Quality Management, especialmente en sectores críticos como la salud. ¿Porqué? en estos entornos, la interoperabilidad y la trazabilidad son tan importantes como el almacenamiento eficiente, pues errores mínimos pueden propagarse entre sistemas interconectados. Además, la literatura reciente enfatiza la necesidad de incorporar principios de privacy by design y auditorías algorítmicas para anticipar riesgos emergentes. Como señala ISO/IEC 38505-1:2017, la gobernanza efectiva exige supervisión continua del uso, valor y riesgo asociado a los datos.

Referencia
  1. International Organization for Standardization. (2017). ISO/IEC 38505-1:2017 – Governance of data.