IA + Power BI · Farmacia Hospitalaria
Volver a Power BI

Reto opcional C

Persistencia y supervivencia en biológicos (avanzado)

De la dispensación individual a la curva de Kaplan-Meier

78 min
Dificultad5/5
0 ejercicios + 10 retos
Excel 3 · Dispensacion_Biologicos.xlsx

Reto opcional de nivel avanzado, fuera del recorrido obligatorio: reconstruir la línea de tratamiento de cada paciente, definir la discontinuación y llegar a una curva de Kaplan-Meier construida a mano en DAX. Sus diez ejercicios figuran como retos (C1–C10).

0/10 ejercicios y retos completados0%

    Retos de extensión

    Técnicas opcionales para ampliar lo construido en Reto opcional C: fuera de la agenda cerrada, para quien termine pronto o quiera practicar por su cuenta.

    1. C1
      Avanzado
      6 min

      Importar y calcular la edad de referencia

      Qué vas a practicar · Punto de partida del bloque más analítico del curso.

      Instrucción para Power BI
      1. 1Ve a Inicio → Obtener datos → Excel y carga Excel3_Dispensacion_Biologicos.xlsx; marca Dispensaciones y Pauta_Referencia y pulsa Transformar datos.
      2. 2Con Dispensaciones seleccionada, ve a Inicio → Combinar consultas, elige Pauta_Referencia, empareja ambas tablas por la columna Farmaco y confirma.
      3. 3Expande la columna resultante (icono de doble flecha en su cabecera) marcando solo Frecuencia_Dispensacion_Dias.
      4. 4Añade después Agregar columna → Columna condicional llamada Grupo_Edad: si Edad es menor o igual a 40 → «18-40»; si no, si es menor o igual a 65 → «41-65»; en cualquier otro caso → «>65».
      5. 5Cierra y aplica.
    2. C2
      Avanzado
      9 min

      Fecha de la dispensación anterior por paciente

      Qué vas a practicar · Identificar la dispensación previa de cada paciente y calcular cuántos días han pasado entre dos recogidas consecutivas.

      Instrucción para Power BI
      1. 1En la tabla Dispensaciones, crea una columna calculada llamada Fecha_Anterior.
      2. 2Fecha_Anterior = VAR PacienteActual = Dispensaciones[Id_Paciente] VAR FechaActual = Dispensaciones[Fecha_Dispensacion] RETURN CALCULATE( MAX(Dispensaciones[Fecha_Dispensacion]), FILTER( Dispensaciones, Dispensaciones[Id_Paciente] = PacienteActual && Dispensaciones[Fecha_Dispensacion] < FechaActual ) ).
      3. 3La lógica es la siguiente: PacienteActual guarda el identificador del paciente de la fila que Power BI está evaluando; FechaActual guarda la fecha de esa dispensación; FILTER busca todas las dispensaciones del mismo paciente que ocurrieron antes de la fecha actual; MAX(Fecha_Dispensacion) selecciona la más reciente de esas fechas; y el resultado es, por tanto, la fecha de la dispensación inmediatamente anterior de ese paciente.
      4. 4Crea ahora una segunda columna calculada llamada Dias_Desde_Anterior: Dias_Desde_Anterior = DATEDIFF( Dispensaciones[Fecha_Anterior], Dispensaciones[Fecha_Dispensacion], DAY ).
      5. 5Esta columna calcula el número de días transcurridos entre la dispensación actual y la anterior.
      6. 6Inserta una tabla con: Id_Paciente, Fecha_Dispensacion, Fecha_Anterior, Dias_Desde_Anterior.
      7. 7Ordena por paciente y fecha para comprobar el resultado.
      8. 8Resultado esperado · La primera dispensación de cada paciente debe aparecer en blanco en Fecha_Anterior y Dias_Desde_Anterior, porque no existe una dispensación previa con la que comparar.
      9. 9Concepto clave · Este cálculo permite reconstruir la secuencia temporal de dispensaciones de cada paciente y será la base para comparar después el intervalo real con la frecuencia esperada.
    3. C3
      Avanzado
      7 min

      Primera y última dispensación por paciente

      Qué vas a practicar · Resumir el historial de dispensaciones para identificar cuándo comienza y hasta cuándo se observa cada tratamiento.

      Instrucción para Power BI
      1. 1Ve a Modelado → Nueva tabla y crea una tabla resumen con una fila por paciente y fármaco: Pacientes_Resumen = SUMMARIZE( Dispensaciones, Dispensaciones[Id_Paciente], Dispensaciones[Farmaco], Dispensaciones[Indicacion], "Fecha_Inicio", MIN(Dispensaciones[Fecha_Dispensacion]), "Fecha_Fin_Observada", MAX(Dispensaciones[Fecha_Dispensacion]) ) La función SUMMARIZE agrupa todas las dispensaciones del mismo paciente y fármaco y calcula: Fecha_Inicio: fecha de la primera dispensación registrada.
      2. 2Fecha_Fin_Observada: fecha de la última dispensación registrada.
      3. 3Inserta una tabla en el informe con: Id_Paciente Farmaco Fecha_Inicio Fecha_Fin_Observada Añade un segmentador de Id_Paciente o Farmaco para explorar tratamientos concretos.
      4. 4Resultado esperado · Cada fila representa un tratamiento observado y permite ver de forma rápida cuándo comenzó y cuál fue su última dispensación registrada.
      5. 5Concepto clave · Fecha_Fin_Observada no significa necesariamente que el tratamiento haya finalizado; únicamente indica la última dispensación disponible en los datos.
      6. 6Si quieres representar gráficamente el periodo observado, ve a Insertar → Obtener más objetos visuales y busca un visual tipo Gantt; utiliza Id_Paciente como tarea, Fecha_Inicio como inicio, Fecha_Fin_Observada como fin y Farmaco como categoría o leyenda si el visual lo permite, y filtra a unos pocos pacientes para que el gráfico sea legible.
    4. C4
      Avanzado
      9 min

      Marcar la discontinuación de tratamiento

      Qué vas a practicar · Aplicar la regla clínica que separa un simple retraso de una discontinuación real.

      Instrucción para Power BI
      1. 1Primero relaciona Pacientes_Resumen con Pauta_Referencia arrastrando Farmaco de una tabla a Farmaco de la otra, igual que hiciste en A2.
      2. 2Sobre Pacientes_Resumen, añade la columna calculada Discontinuado = IF(DATEDIFF(Pacientes_Resumen[Fecha_Fin_Observada], TODAY(), DAY) > RELATED(Pauta_Referencia[Frecuencia_Dispensacion_Dias]) * 1.5, 1, 0).
      3. 3DATEDIFF calcula cuántos días han pasado desde la última recogida hasta hoy; si ese hueco supera 1,5 veces la frecuencia esperada de recogida de su fármaco, el paciente se considera discontinuado (1); si no, sigue en seguimiento (0).
      4. 4Representar el estado del tratamiento: para que el resultado sea más fácil de interpretar en el informe, crea primero una columna descriptiva que traduzca los valores 0 y 1 de Discontinuado a texto; en Pacientes_Resumen, crea una nueva columna calculada: Estado_Tratamiento = IF( Pacientes_Resumen[Discontinuado] = 1, "Discontinuado", "En seguimiento" ); a continuación, inserta un gráfico de barras horizontal, lleva Estado_Tratamiento al Eje Y, lleva Id_Paciente al Eje X / Valores y selecciona Recuento, y el gráfico mostrará el número de pacientes clasificados como En seguimiento y Discontinuado; activa las etiquetas de datos para que el número de pacientes aparezca directamente sobre cada barra.
      5. 5Resultado esperado · Una comparación visual sencilla del número de pacientes que continúan en seguimiento frente a los que cumplen el criterio de discontinuación.

      Pregunta de interpretación

      ¿Qué proporción de los pacientes evaluados presenta una posible discontinuación del tratamiento?

    5. C5
      Avanzado
      7 min

      Días de persistencia y variable de evento

      Qué vas a practicar · Traducir la discontinuación en las dos variables que necesita cualquier análisis de supervivencia: tiempo y evento.

      Instrucción para Power BI
      1. 1Sobre Pacientes_Resumen, añade dos columnas más.
      2. 2Primero Dias_Persistencia = DATEDIFF(Pacientes_Resumen[Fecha_Inicio], IF(Pacientes_Resumen[Discontinuado]=1, Pacientes_Resumen[Fecha_Fin_Observada], TODAY()), DAY): cuenta los días desde el inicio hasta la discontinuación si ya se produjo, o hasta hoy si el paciente sigue en tratamiento.
      3. 3Después Evento = Pacientes_Resumen[Discontinuado].
      4. 4En el lenguaje del análisis de supervivencia, Evento=1 significa que viste el final del tratamiento, y Evento=0 significa que el paciente está «censurado»: sigue en tratamiento y todavía no sabes cuándo terminará.
    6. C6
      Avanzado
      5 min

      Persistencia media y mediana por fármaco

      Qué vas a practicar · Primera lectura comparativa entre los biológicos del catálogo.

      Instrucción para Power BI
      1. 1Crea dos medidas sobre Pacientes_Resumen: Persistencia Media (días) = AVERAGE(Pacientes_Resumen[Dias_Persistencia]) y Persistencia Mediana (días) = MEDIAN(Pacientes_Resumen[Dias_Persistencia]).
      2. 2Insértalas en un gráfico de barras con Farmaco en el eje; añade una línea de referencia constante con el valor de la mediana global (Formato → Líneas constantes → Añadir línea) para ver de un vistazo qué fármacos quedan por encima o por debajo.
    7. C7
      Avanzado
      9 min

      Tasa de persistencia a 6, 12 y 24 meses

      Qué vas a practicar · El indicador que suele pedir una comisión de farmacia y terapéutica.

      Instrucción para Power BI
      1. 1Crea tres medidas siguiendo el mismo patrón, cambiando solo el número de días: Persistencia 12m % = DIVIDE(CALCULATE(COUNTROWS(Pacientes_Resumen), Pacientes_Resumen[Dias_Persistencia]>=365), COUNTROWS(Pacientes_Resumen)).
      2. 2El numerador cuenta solo los pacientes con 365 días o más de persistencia; el denominador cuenta a todos los pacientes del fármaco filtrado.
      3. 3Repite el mismo patrón para Persistencia 6m % (180 días) y Persistencia 24m % (730 días).
      4. 4Inserta una matriz con Farmaco en Filas y las tres medidas en Valores, y en Formato → Formato condicional → Barras de datos aplícalo a las tres columnas.
    8. C8
      Avanzado
      11 min

      Curva de persistencia del tratamiento

      Qué vas a practicar · Representar cómo disminuye con el tiempo la proporción de pacientes que continúa en tratamiento.

      Instrucción para Power BI
      1. 1Crear los puntos temporales: ve a Modelado → Nueva tabla y crea Intervalos = GENERATESERIES(0, 730, 30), que generará una columna Value con 0, 30, 60, 90… 720 días; no necesitas relacionar Intervalos con Pacientes_Resumen y la utilizarás únicamente como eje temporal del gráfico.
      2. 2Crear la medida de pacientes en riesgo: selecciona Nueva medida, no Nueva columna, y define En_Riesgo = VAR DiaActual = SELECTEDVALUE(Intervalos[Value]) RETURN CALCULATE( COUNTROWS(Pacientes_Resumen), FILTER( Pacientes_Resumen, Pacientes_Resumen[Dias_Persistencia] >= DiaActual ) ); esta medida responde a la pregunta de cuántos pacientes habían llegado al menos hasta ese día de tratamiento, de modo que, por ejemplo, cuando el gráfico evalúe el día 180, contará los pacientes cuya persistencia sea igual o superior a 180 días.
      3. 3Crear los eventos de cada intervalo: define Eventos_Intervalo = VAR DiaActual = SELECTEDVALUE(Intervalos[Value]) RETURN CALCULATE( COUNTROWS(Pacientes_Resumen), FILTER( Pacientes_Resumen, Pacientes_Resumen[Dias_Persistencia] >= DiaActual && Pacientes_Resumen[Dias_Persistencia] < DiaActual + 30 && Pacientes_Resumen[Evento] = 1 ) ); cuenta los pacientes que discontinuaron durante los siguientes 30 días, así por ejemplo: Intervalo 0 días en riesgo 200 discontinuaciones 5; 30 días 195 8; 60 días 187 6.
      4. 4Calcular la probabilidad de continuar en cada intervalo: define Probabilidad_Intervalo = 1 - DIVIDE( [Eventos_Intervalo], [En_Riesgo] ), de modo que si había 200 pacientes en riesgo y 5 discontinuaron, la probabilidad de continuar será 1 − 5/200 = 97,5 %.
      5. 5Calcular la supervivencia acumulada: define Supervivencia Acumulada % = PRODUCTX( FILTER( ALL(Intervalos[Value]), Intervalos[Value] <= MAX(Intervalos[Value]) ), [Probabilidad_Intervalo] ); PRODUCTX va multiplicando las probabilidades de continuar en tratamiento de todos los intervalos anteriores, y después selecciona la medida y cambia su formato a Porcentaje.
      6. 6Representar la curva: inserta un gráfico de líneas con Eje X: Intervalos[Value] y Eje Y: [Supervivencia Acumulada %]; si Power BI Web te ofrece la opción, cambia la línea a escalonada, que visualmente se aproxima más a una curva de supervivencia.
    9. C9
      Avanzado
      6 min

      Persistencia por indicación clínica

      Qué vas a practicar · Comprobar si la indicación —y no solo el fármaco— condiciona la adherencia al tratamiento.

      Instrucción para Power BI
      1. 1Añade un segmentador con Pacientes_Resumen[Indicacion].
      2. 2Si tienes tiempo, instala «Box and Whisker Chart» desde AppSource y constrúyelo con Farmaco en el eje, Dias_Persistencia como valor e Indicacion como serie; si prefieres no instalar visuales nuevos, usa un gráfico de barras con [Persistencia Media (días)] por Farmaco e Indicacion.
      3. 3Prueba el segmentador con cada indicación y anota qué combinación fármaco-indicación tiene la persistencia más baja.
    10. C10
      Avanzado
      9 min

      Análisis de sensibilidad con parámetro What-if

      Qué vas a practicar · Explorar cómo cambia la estimación de discontinuación al variar el margen clínico permitido.

      Instrucción para Power BI
      1. 1Crear una medida dinámica de pacientes discontinuados: crea la medida Pacientes Discontinuados What-if = VAR Margen = [Valor de Margen de discontinuación] RETURN CALCULATE(COUNTROWS(Pacientes_Resumen), FILTER(Pacientes_Resumen, DATEDIFF(Pacientes_Resumen[Fecha_Fin_Observada], TODAY(), DAY) > RELATED(Pauta_Referencia[Frecuencia_Dispensacion_Dias]) * Margen)).
      2. 2Esta medida vuelve a calcular cuántos pacientes serían considerados discontinuados según el margen seleccionado. 2.
      3. 3Crear también los pacientes que continúan en seguimiento: crea la medida Pacientes en Seguimiento What-if = COUNTROWS(Pacientes_Resumen) - [Pacientes Discontinuados What-if].
      4. 4Así podrás comparar ambos grupos sin modificar las columnas originales. 3.
      5. 5Crear el porcentaje dinámico de discontinuación: define Discontinuación What-if % = DIVIDE([Pacientes Discontinuados What-if], COUNTROWS(Pacientes_Resumen), 0) y dale formato de porcentaje. 4.
      6. 6Representar el efecto del parámetro: en una nueva página del informe incorpora el segmentador Margen de discontinuación, una tarjeta con [Pacientes Discontinuados What-if], una tarjeta con [Discontinuación What-if %], un gráfico de barras por Farmaco con Eje Y: Farmaco y Eje X: [Pacientes Discontinuados What-if] y la curva de persistencia. 5.
      7. 7Explorar distintos escenarios: mueve el parámetro entre 1,0 y 2,0 y observa cómo cambia el número de pacientes clasificados como discontinuados. 6.
      8. 8Concepto clave: el parámetro What-if permite realizar un análisis de sensibilidad; los datos originales no cambian, pero podemos estudiar cómo varían los resultados cuando modificamos una decisión o criterio clínico.

      Pregunta de interpretación

      ¿Cuánto cambia la estimación de discontinuación cuando modificamos el margen permitido respecto a la frecuencia esperada de dispensación?