Aprender de los proyectos piloto de alerta temprana informados por el clima del DHIS2 para desarrollar herramientas innovadoras de IA de código abierto

Las enfermedades infecciosas sensibles al clima, como la malaria y el dengue, suponen una importante amenaza para la salud pública, especialmente en los países de renta baja y media (PRMB). Por ejemplo, la OMS considera que Mozambique es un país con una alta carga de paludismo, en el que toda la población está en riesgo. Mientras tanto, Laos se enfrenta desde 2023 a un aumento significativo de las infecciones y muertes por dengue. Dado que los factores cambiantes influyen en la distribución geográfica y el calendario de los brotes de paludismo y dengue, las herramientas digitales que permiten a las autoridades sanitarias predecir los patrones cambiantes de la enfermedad pueden ayudarles a planificar intervenciones más eficaces -y más rentables-, reduciendo potencialmente la incidencia del paludismo y salvando vidas.

Mozambique fue uno de los primeros países en explorar el uso de datos sanitarios y meteorológicos en DHIS2 para apoyar la elaboración de modelos predictivos y la alerta temprana de enfermedades sensibles al clima, con especial atención a la malaria. Antes de la puesta en marcha, en marzo de 2024, del proyecto DHIS2 for Climate & Health, financiado por Wellcome y dirigido por el Centro HISP de la Universidad de Oslo (HISP UiO), ya existían en Mozambique dos iniciativas locales distintas sobre la previsión de la incidencia de la malaria en función del clima. Sin embargo, a pesar de algunos resultados prometedores, varios retos persistentes impidieron que estos modelos se utilizaran de forma rutinaria para orientar las decisiones de planificación de los programas contra la malaria.

En Laos, se ensayó un modelo de alerta temprana como prueba de concepto para algunas enfermedades sensibles al clima, que produjo algunos resultados potencialmente útiles para el dengue, pero predicciones menos precisas para las enfermedades diarreicas. Sin embargo, la prueba de concepto no se adoptó ni se integró en el sistema nacional de información, lo que inhibió el potencial de uso rutinario y la toma de decisiones por parte del Ministerio de Sanidad.

Para aprender de los avances y los retos de Mozambique y Laos, HISP UiO inició una colaboración de investigación-acción entre los grupos locales de HISP y las partes interesadas en la salud de cada país. A través de este trabajo, identificamos varias barreras técnicas y retos sociotécnicos que han dificultado el uso rutinario de las previsiones sobre la malaria, como las barreras para integrar y armonizar los datos climáticos y sanitarios, la complejidad de las herramientas de modelización a medida, las limitaciones que imponen a la hora de probar múltiples modelos y el reto de integrarlas con los sistemas nacionales DHIS2 que facilitarían su uso rutinario. Estos conocimientos han servido de base para el desarrollo por parte de HISP UiO de la Plataforma de Modelado Chap, una herramienta de código abierto agnóstica en cuanto a modelos y plataformas que permite a los países desarrollar, probar y ejecutar múltiples modelos uno al lado del otro, con una sólida documentación, apoyo a la interoperabilidad e integración perfecta con DHIS2.

Explorando los esfuerzos de modelización en curso en Mozambique

Dado que el clima y la salud es un ámbito nuevo para la red HISP -y para muchos de nuestros socios del Ministerio de Sanidad en los PIBM-, un objetivo clave de la fase inicial del proyecto DHIS2 Clima y Salud era aprender de las experiencias previas de los países para informar nuestro trabajo y, en última instancia, abordar las lagunas clave que han limitado la adopción y la escala en los países a través de soluciones tecnológicas sólidas y de código abierto. Las partes interesadas de Mozambique ya habían presentado su trabajo con DHIS2 y los datos meteorológicos en la Conferencia Anual de DHIS2 de 2023, por lo que era un lugar natural para comenzar nuestra investigación en profundidad.

A principios de 2024, había (que sepamos) dos proyectos distintos de previsión de la malaria en Mozambique basados en el clima. Una de las iniciativas fue impulsada por el Instituto Nacional de Salud Pública (NIPH). Exploró el uso de una versión adaptada de un modelo estadístico de previsión de horizonte corto proporcionado por el TDR de la OMS/Universidad de Gotemburgo a través del proyecto EWARS con el objetivo de generar alertas mensuales o semanales como parte de un sistema rutinario de alerta temprana de la malaria, así como varios modelos desarrollados internamente por el NIPH, incluido un modelo de previsión de horizonte medio (temporada completa). Los resultados de la previsión de la malaria elaborados por el NIPH mediante sus propios sistemas informáticos estaban destinados a apoyar las decisiones de mapeo de riesgos, planificación y asignación de recursos del NMCP para adaptar las intervenciones contra la malaria. HISP UiO no pudo acceder al código de estos modelos, por lo que resultó difícil evaluarlos o integrarlos en nuestro proyecto. A través de nuestra investigación, también supimos que los modelos NIPH no estaban integrados con los datos sanitarios rutinarios del sistema nacional DHIS2 de Mozambique -la ejecución de los modelos era un proceso manual realizado ad hoc- y que las previsiones resultantes no habían sido integradas en el uso rutinario del NMCP.

La otra iniciativa se coordinó en el marco del Ministerio de Sanidad, con el apoyo técnico de Saudigitus (HISP Mozambique), utilizando un modelo estadístico de previsión de horizonte corto desarrollado originalmente por un investigador de la Universidad de Lancaster. Esta iniciativa mostraba los resultados del modelo en un panel DHIS2, desarrollado en colaboración con la Iniciativa Clinton de Acceso a la Salud (CHAI). El equipo de HISP UiO exploró el sistema MOH/CHAI mediante una visita en persona que incluyó reuniones con Saudigitus, los desarrolladores del modelo y las partes interesadas pertinentes, así como una revisión en profundidad del código.

Al revisar el código y colaborar con el desarrollador del modelo original, se pusieron de manifiesto varios problemas. En primer lugar, aunque el modelo había utilizado datos climáticos en sus inicios, un par de años antes, la canalización para introducir datos climáticos en el modelo había dejado de funcionar desde entonces, lo que significaba que estaba produciendo previsiones basadas únicamente en datos históricos sobre la malaria. En segundo lugar, el modelo dependía de la instalación manual en un entorno informático independiente de la infraestructura de datos sanitarios basada en DHIS2, y que dependía de la extracción y transferencia manual de conjuntos de datos de DHIS2 al modelo. La complejidad de esta configuración manual limitó seriamente el potencial de uso rutinario de este modelo, y el diseño a medida del software como proyecto de investigación (en contraposición a una herramienta de software a nivel empresarial) dificultó la integración con DHIS2 para agilizar la introducción de datos y la difusión de los resultados. Como consecuencia de estos problemas de integración de datos, el proyecto del Ministerio de Sanidad no había llegado a una fase en la que las partes interesadas hubieran podido evaluar lo bien que funcionaba el modelo.

Por último, también descubrimos que se habían hecho muchos ajustes técnicos en el código original del modelo para que funcionara con los formatos de datos y el entorno informático locales, pero que en los años transcurridos desde la instalación original el desarrollador del modelo había producido una versión mejorada del propio modelo subyacente. Para aprovechar el modelo más reciente -o sustituirlo por otro diferente, como un modelo desarrollado por el NIPH-, el equipo de Mozambique tendría que pasar por el extenso trabajo manual de adaptación local una segunda vez, al igual que cualquier otro país que estuviera interesado en adaptar este trabajo a su propio contexto.

Aprender de la aplicación del EWARS-csd de la OMS en Laos

En Laos, la oficina de la OMS en el país y un investigador de la Universidad de Gotemburgo habían trabajado con el Ministerio de Sanidad para probar el EWARS-csd (una versión del programa informático EWARS que incorpora datos climáticos) como prueba de concepto, pero no lo habían instalado en la infraestructura del sistema nacional de información sanitaria. Durante el proceso de prueba, se hizo evidente que para que el sistema de alerta temprana funcionara como se esperaba, sería necesario establecer conductos automatizados y sin fisuras desde las fuentes de datos sanitarios rutinarios del país (en DHIS2) y las fuentes de datos climáticos.

DHIS2 ya es una plataforma altamente interoperable, con API basadas en REST bien documentadas y abiertas. Como resultado, DHIS2 suele ser capaz de interoperar con otros sistemas que admitan una API igualmente robusta (y abierta). Los expertos en DHIS2 de HISP UiO e HISP Vietnam (nuestro grupo local asociado que apoya los sistemas nacionales DHIS2 en Laos) habían estado trabajando con la oficina nacional de la OMS y el Ministerio de Sanidad para intentar integrar el sistema DHIS2 de Laos con EWARS-csd, pero se habían topado con obstáculos técnicos que impedían la automatización del intercambio de datos entre las dos plataformas, en particular la falta de una API en EWARS-csd. Aunque ya existía apoyo institucional para el uso potencial del sistema EWARS-csd en Laos, estos problemas técnicos habían impedido que se utilizara de forma rutinaria.

Las ideas de la investigación-acción informan el enfoque de HISP para desarrollar la plataforma de modelado Chap

Basándonos en nuestra investigación-acción con las partes interesadas de Mozambique y Laos, en nuestras observaciones de los intentos de hacer operativos los modelos de previsión de la malaria allí, y en una revisión bibliográfica sobre la modelización de la malaria y el dengue basada en el clima, el equipo de la UiO de HISP decidió seguir un planteamiento algo distinto del statu quo en el campo de la modelización del clima y la salud.

En el enfoque estándar, la personalización local de los modelos existentes no sólo se limita a la adaptación a diferentes enfermedades prioritarias, entradas de modelización y horizontes de previsión. A menudo también requiere arreglos técnicos adicionales para gestionar las diferencias en los entornos informáticos y los formatos de datos. Esto ayudó a informar una decisión central del equipo de UiO de HISP: distinguir el modelo estadístico central de la funcionalidad de apoyo de la ciencia de datos, como el análisis sintáctico de datos, la evaluación y la difusión de resultados. En lugar de desarrollar un sistema a medida construido en torno a un modelo específico, HISP UiO ha desarrollado una plataforma de software modularizada -la Plataforma de Modelado Chap- queproporciona una interfaz estandarizada a la que puede incorporarse cualquier modelo estadístico, y en la que todos los modelos pueden compartir una funcionalidad unificada y robusta para manejar el procesamiento de datos y la interoperabilidad del sistema. Esta funcionalidad de apoyo puede personalizarse localmente, independientemente de la adaptación del modelo. La interfaz unificada también permite evaluar varios modelos de forma rigurosa y personalizable, uno al lado del otro.

Basándose en el enfoque de HISP de co-creación de soluciones de software con los usuarios de los países y en soluciones genéricas, reutilizables y ampliables, la plataforma de modelización Chap fue concebida para cubrir una laguna crítica observada en los países: la falta de una infraestructura de modelización robusta que dé cabida a múltiples modelos y facilite la canalización de datos en tiempo real desde sistemas de datos rutinarios como DHIS2. Es significativo que, dado que Chap se desarrolló a través del proyecto DHIS2 para el Clima y la Salud, cuyo objetivo es aprovechar los sistemas DHIS2, los datos y la capacidad local existentes en los más de 75 países en los que se utiliza DHIS2 a escala nacional, la plataforma Chap se diseñó desde el principio para integrarse perfectamente con DHIS2, tanto para la introducción de datos como para la difusión de resultados. En combinación con el desarrollo paralelo de la aplicación DHIS2 Climate App, que facilita la integración y armonización de los datos climáticos con los datos sanitarios en DHIS2, esto resuelve eficazmente los problemas de flujo de datos encontrados en Mozambique.

Dado que se ha construido desde el principio para funcionar dentro de la infraestructura nacional de información sanitaria y los flujos de datos rutinarios existentes, la plataforma Chap permite a los países desarrollar, evaluar y ejecutar modelos de forma ágil. Utilizando Chap, los países pueden evaluar múltiples modelos uno al lado del otro para ver cuál funciona mejor para su contexto, y ver qué fuentes de datos contribuyen a mejorar las previsiones. También pueden ajustar los modelos de código abierto disponibles para que se adapten mejor a su contexto o desarrollar los suyos propios, que luego pueden compartirse fácilmente a través de Chap para su reutilización y adaptación en otros países y contextos.

Reconociendo que muchos países y partes interesadas pueden optar por utilizar otras plataformas de datos distintas de DHIS2, y dada la dificultad que encontró HISP con la falta de apoyo a la interoperabilidad en la solución modelo preexistente en Mozambique, Chap también se diseñó para ser agnóstica respecto a la plataforma, apoyando la integración con otros sistemas de datos y programas informáticos. Como Chap también es agnóstico al modelo por diseño, esto significa que puede servir como arquitectura compartida y genérica para el desarrollo y prueba de modelos que los países pueden utilizar sin tener que duplicar los esfuerzos de integración y adaptación técnica para cada nuevo modelo estadístico que quieran probar.

En cuanto a la funcionalidad de apoyo a la ciencia de datos en Chap, la apertura de la plataforma y nuestra colaboración directa con las partes interesadas locales permite al equipo de HISP ver las necesidades de comportamiento de cada componente en su contexto previsto desde el principio, lo que ayuda a garantizar que las soluciones técnicas diseñadas por HISP son relevantes para las partes interesadas locales y permite trabajar y mejorar diferentes aspectos en paralelo. Desarrollar una funcionalidad de procesamiento y evaluación de datos que sea genérica para la plataforma Chap, en lugar de desarrollarla de forma redundante para cada modelo, permite que una comunidad más amplia se una para desarrollar una funcionalidad más sofisticada y rigurosamente probada para estos aspectos. Disponer de una funcionalidad unificada de tratamiento y evaluación de datos en todos los países, a pesar de que se utilicen modelos estadísticos potencialmente diferentes, promueve el intercambio de experiencias y facilita la creación de recursos de apoyo compartidos, como materiales de formación, que también pueden reutilizarse y adaptarse fácilmente.

Por último, el uso de las mejores prácticas para el desarrollo de software de código abierto desde el principio, incluyendo bases de código rigurosas y genéricas, versionado de software, uso de soluciones estándar como la contenedorización (como Docker) y documentación exhaustiva sobre la instalación, configuración y uso, facilita a los países el despliegue de Chap y su actualización a medida que el equipo de HISP UiO sigue realizando mejoras iterativas en la plataforma como parte de nuestro proyecto de investigación-acción en curso. Esto reduce el tiempo que hay que dedicar a adaptar la plataforma de software subyacente, lo que permite a los modeladores dedicar más tiempo a trabajar con los propios modelos.

Este énfasis en la apertura, la co-creación iterativa con los socios locales y el diseño para la adaptabilidad, la integración y la reutilización es fundamental para el enfoque HISP, que ha guiado el trabajo de HISP UiO y de la red HISP durante los últimos 30+ años. La aplicación de este enfoque al campo de la modelización ofrece una solución potencial a los enfoques aislados y a medida que han limitado el potencial de los países para poner en práctica de forma rutinaria la previsión de enfermedades sensibles al clima.

Apoyo a la interoperabilidad del EWARS con DHIS2

Más allá de los propios modelos, en nuestra investigación también reconocimos que las herramientas existentes para la previsión de enfermedades sensibles al clima también proporcionan una funcionalidad adicional que es útil para las partes interesadas del sector sanitario (como la producción de alarmas para los brotes previstos), y que ya existe una aceptación institucional para su despliegue en las arquitecturas de los sistemas nacionales de información sanitaria. Éste fue el caso del EWARS-csd en Laos. La solución a la que llegamos no era sustituir este sistema, sino facilitar su uso efectivo agilizando la conexión con DHIS2 y Chap.

Para conseguirlo, HISP UiO trabajó con el equipo de la Universidad de Gotemburgo para introducir una API para el sistema EWARS-csd. Trabajamos con la universidad para probar la nueva API como medio de recibir alertas y alarmas generadas por EWARS-csd como puntos de datos en DHIS2 para rellenar los paneles de alerta temprana y generar notificaciones a los usuarios del sistema sanitario.

Fue necesario desarrollar un nuevo código para facilitar la transformación de las entradas y salidas de datos del EWARS-csd al DHIS2 y viceversa. Los scripts ad hoc para tales transformaciones pueden ser difíciles de mantener en el tiempo; por ello, HISP UiO tomó la decisión de integrar este código en la plataforma Chap para facilitar la transformación de datos necesaria para que EWARS-csd y DHIS2 puedan enviar datos y salidas de información bidireccionalmente. Esto ofrece una solución racionalizada para abordar el reto de gestionar las diferencias en los entornos informáticos y los formatos de datos mencionados anteriormente, y proporciona una solución que puede ser adoptada por otros países que utilicen el sistema EWARS-csd junto con DHIS2.

Otras lecciones aprendidas ayudan a guiar el trabajo de HISP y pueden beneficiar a otros en el campo de la modelización sanitaria

Además de informar sobre el desarrollo y la puesta en marcha de la Plataforma de Modelización Chap, las experiencias de HISP en Mozambique proporcionaron varios aprendizajes que llevaremos adelante en nuestro futuro trabajo sobre DHIS2 para el Clima y la Salud. Estas lecciones aprendidas también pueden ser útiles para otras personas que trabajen en el campo de la modelización.

En primer lugar, al explorar los sistemas existentes en los países, es crucial tener acceso al código completo en funcionamiento para determinar cómo funciona realmente una solución. Por esta razón, es muy útil que el código esté disponible públicamente desde el principio, para evitar que se invierta mucho tiempo y esfuerzo en acceder a él. También es esencial no sólo tener acceso al modelo genérico subyacente, sino también al código adaptado que se utiliza realmente en un país determinado, ya que sólo esto revelará qué datos se están utilizando realmente y qué resultados concretos se están generando.

En segundo lugar, incluso cuando un modelo parece estar cerca de ver un uso real, pueden quedar grandes lagunas, tanto sociotécnicas como puramente técnicas, para alcanzar un verdadero uso operativo. A nivel puramente técnico, puede ser necesario un esfuerzo de desarrollo sustancial para pasar de los scripts que se ejecutan en infraestructuras separadas, con preparación manual de datos y difusión de resultados, a una solución que pueda ejecutarse regularmente en flujos de datos rutinarios, con difusión racionalizada de los resultados a las partes interesadas pertinentes. A nivel sociotécnico, es importante validar los modelos con las partes interesadas locales para garantizar que los resultados son relevantes, significativos, precisos y utilizables, e investigar los flujos de trabajo, los procedimientos operativos normalizados y los canales de difusión existentes para garantizar que, una vez que un sistema de alerta temprana esté listo para su uso rutinario, haya suficiente aceptación, confianza y apoyo organizativo para facilitar el uso de sus resultados.

Por último, observamos que la división entre instituciones y propiedad y uso de los datos que observamos en Mozambique es un tema recurrente en otros países, especialmente en los que tienen tanto un Ministerio de Sanidad como un Instituto Nacional de Salud Pública. En Mozambique, el HISP descubrió que el Ministerio de Sanidad es el propietario de los datos sobre la malaria del país -y el organismo sanitario facultado para actuar sobre estos datos-, mientras que el NIPH proporciona servicios de análisis de datos para responder a cuestiones políticas concretas o para apoyar proyectos e iniciativas específicos. Las diferencias entre estas organizaciones, que pueden ser tanto técnicas como sociotécnicas, pueden dificultar que un programa contra la malaria de un Ministerio de Sanidad haga operativos los análisis y previsiones ad hoc elaborados por un Instituto Nacional de Salud Pública. Animar a ambas agencias a utilizar una plataforma de modelización compartida, como Chap, podría ser una vía para abordar este reto.

Aprende más sobre Chap y la Aplicación de Modelado DHIS2 con esta presentación de la Conferencia Anual DHIS2 2025: