Este proyecto realiza un análisis exhaustivo de los códigos CIE-10 implementados en tres sistemas de salud: Rayen, Yani, y la base oficial MINSAL. El análisis, realizado en CIE10analisis.ipynb, evalúa la consistencia, calidad y diferencias en la implementación de estos códigos, con el objetivo de mejorar la interoperabilidad y precisión en la comunicación entre sistemas de salud.
- 🔍 Comparar los códigos CIE-10 en Rayen, Yani y MINSAL para detectar coincidencias y diferencias.
- 🗃️ Identificar códigos comunes y únicos en cada sistema.
- ✅ Evaluar la calidad de los datos (valores nulos, duplicados, descripciones inconsistentes).
- 📈 Visualizar diferencias y patrones mediante histogramas, diagramas de Venn, y heatmaps.
- Rayen: Última actualización en noviembre de 2023. Esta base contiene 14,383 códigos, representando la codificación en el sistema Rayen.
- Yani: Última actualización en octubre de 2024. Con un total de 12,561 códigos, esta base refleja los diagnósticos del sistema Yani.
- MINSAL: Base oficial del Ministerio de Salud, actualizada a mayo de 2024. Contiene 12,545 códigos, siendo la referencia nacional oficial para diagnósticos CIE-10.
Cada base se analiza en términos de calidad y consistencia, identificando patrones únicos y duplicados, y verificando que los sistemas se alineen en su implementación de los códigos.
- Carga y Limpieza de Datos: Importación de bases de datos y eliminación de valores nulos.
- Exploración de Códigos Únicos y Duplicados: Revisión de códigos exclusivos y duplicados en cada sistema.
- Comparación de Bases: Identificación de códigos comunes entre Rayen, Yani, y MINSAL, usando un diagrama de Venn para visualizar superposiciones.
- Conclusiones y Recomendaciones: Síntesis final con sugerencias para mejorar la estandarización y consistencia de los códigos CIE-10.
Este proyecto requiere Python y las siguientes librerías:
- pandas: Manipulación de datos.
- matplotlib: Visualización básica.
- seaborn: Gráficos avanzados.
- matplotlib_venn: Diagramas de Venn.
- plotly (opcional): Visualización interactiva.
Instala todas las dependencias ejecutando:
pip install pandas matplotlib seaborn matplotlib-venn plotly- Clonar el repositorio en tu máquina local:
git clone https://github.com/tu-usuario/tu-repositorio.git
- Abrir el archivo
CIE10analisis.ipynben Jupyter Notebook o JupyterLab. - Ejecutar cada celda secuencialmente para reproducir el análisis.
El análisis incluye una serie de visualizaciones para explorar los datos de forma interactiva y visual:
- 🔄 Diagramas de Venn para ver códigos en común y únicos en cada sistema.
- 📊 Histogramas de la longitud de descripciones para cada sistema.
- 🌡️ Heatmaps de valores nulos para evaluar la calidad y completitud de los datos.
¡Las contribuciones son bienvenidas! Si tienes ideas para mejorar el análisis, encontrar errores o proponer nuevas funcionalidades, abre una solicitud de cambios (pull request) o una incidencia (issue) en este repositorio.