Compartir
array:23 [ "pii" => "S0009739X17301720" "issn" => "0009739X" "doi" => "10.1016/j.ciresp.2017.07.009" "estado" => "S300" "fechaPublicacion" => "2018-05-01" "aid" => "1796" "copyright" => "AEC" "copyrightAnyo" => "2017" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "edi" "cita" => "Cir Esp. 2018;96:247-9" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 2047 "formatos" => array:3 [ "EPUB" => 3 "HTML" => 1551 "PDF" => 493 ] ] "Traduccion" => array:1 [ "en" => array:19 [ "pii" => "S2173507718300929" "issn" => "21735077" "doi" => "10.1016/j.cireng.2018.05.005" "estado" => "S300" "fechaPublicacion" => "2018-05-01" "aid" => "1796" "copyright" => "AEC" "documento" => "simple-article" "crossmark" => 1 "subdocumento" => "edi" "cita" => "Cir Esp. 2018;96:247-9" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 838 "formatos" => array:2 [ "HTML" => 701 "PDF" => 137 ] ] "en" => array:10 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>" "titulo" => "Big Data and Surgery: The Digital Revolution Continues" "tienePdf" => "en" "tieneTextoCompleto" => "en" "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "247" "paginaFinal" => "249" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "<span class="elsevierStyleItalic">Big data</span> y cirugía: la revolución digital continúa" ] ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Eduardo M. Targarona, Andrea Balla, Gabriela Batista" "autores" => array:3 [ 0 => array:2 [ "nombre" => "Eduardo M." "apellidos" => "Targarona" ] 1 => array:2 [ "nombre" => "Andrea" "apellidos" => "Balla" ] 2 => array:2 [ "nombre" => "Gabriela" "apellidos" => "Batista" ] ] ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "es" => array:9 [ "pii" => "S0009739X17301720" "doi" => "10.1016/j.ciresp.2017.07.009" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0009739X17301720?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173507718300929?idApp=UINPBA00004N" "url" => "/21735077/0000009600000005/v1_201805300413/S2173507718300929/v1_201805300413/en/main.assets" ] ] "itemSiguiente" => array:19 [ "pii" => "S0009739X18301003" "issn" => "0009739X" "doi" => "10.1016/j.ciresp.2018.02.021" "estado" => "S300" "fechaPublicacion" => "2018-05-01" "aid" => "1895" "copyright" => "AEC" "documento" => "article" "crossmark" => 1 "subdocumento" => "ssu" "cita" => "Cir Esp. 2018;96:250-9" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 19040 "formatos" => array:3 [ "EPUB" => 1 "HTML" => 16656 "PDF" => 2383 ] ] "es" => array:13 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Revisión de conjunto</span>" "titulo" => "Abordaje y manejo de las lesiones retroperitoneales traumáticas" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "250" "paginaFinal" => "259" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Approach and Management of Traumatic Retroperitoneal Injuries" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 0 "multimedia" => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 1461 "Ancho" => 2333 "Tamanyo" => 168998 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Criterios de inclusión y exclusión de selección de artículos.</p>" ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Patrizio Petrone, Cristina Magadán Álvarez, D’Andrea Joseph, Lee Cartagena, Fahd Ali, Collin E.M. Brathwaite" "autores" => array:6 [ 0 => array:2 [ "nombre" => "Patrizio" "apellidos" => "Petrone" ] 1 => array:2 [ "nombre" => "Cristina" "apellidos" => "Magadán Álvarez" ] 2 => array:2 [ "nombre" => "D’Andrea" "apellidos" => "Joseph" ] 3 => array:2 [ "nombre" => "Lee" "apellidos" => "Cartagena" ] 4 => array:2 [ "nombre" => "Fahd" "apellidos" => "Ali" ] 5 => array:2 [ "nombre" => "Collin" "apellidos" => "E.M. Brathwaite" ] ] ] ] ] "idiomaDefecto" => "es" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S2173507718300991" "doi" => "10.1016/j.cireng.2018.02.014" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173507718300991?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0009739X18301003?idApp=UINPBA00004N" "url" => "/0009739X/0000009600000005/v1_201805100423/S0009739X18301003/v1_201805100423/es/main.assets" ] "es" => array:11 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>" "titulo" => "<span class="elsevierStyleItalic">Big data</span> y cirugía: la revolución digital continúa" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "247" "paginaFinal" => "249" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "Eduardo M Targarona, Andrea Balla, Gabriela Batista" "autores" => array:3 [ 0 => array:4 [ "nombre" => "Eduardo M" "apellidos" => "Targarona" "email" => array:1 [ 0 => "Etargarona@santpau.cat" ] "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 1 => array:2 [ "nombre" => "Andrea" "apellidos" => "Balla" ] 2 => array:2 [ "nombre" => "Gabriela" "apellidos" => "Batista" ] ] "afiliaciones" => array:1 [ 0 => array:2 [ "entidad" => "Servicio de Cirugía, Hospital Sant Pau, Universidad Autónoma de Barcelona, Barcelona, España" "identificador" => "aff0005" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "<span class="elsevierStyleItalic">Autor para correspondencia</span>." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Big data and surgery: The digital revolution continues" ] ] "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">Hace ya más de 30 años, justo al inicio de la revolución que significó la realización de la primera colecistectomía laparoscópica, un cirujano y militar norteamericano, el coronel Richard Satava, describía el cambio disruptivo que significaba la cirugía laparoscópica no meramente como una innovación puramente tecnológica, sino como otra manifestación de la era de la información digital<a class="elsevierStyleCrossRef" href="#bib0110"><span class="elsevierStyleSup">1</span></a>. La irrupción del mundo digital en la práctica quirúrgica ha fructificado de múltiples formas con la universal aplicabilidad del abordaje quirúrgico mediado por la imagen, desarrollo de la cirugía robótica, progreso en la calidad de la imagen (HD, 3<span class="elsevierStyleHsp" style=""></span>D, 4<span class="elsevierStyleHsp" style=""></span>K) y también en la posibilidad de manipulación, almacenamiento y diseminación de la imagen obtenida, así como en modelos de simulación, realidad virtual o impresión 3D<a class="elsevierStyleCrossRefs" href="#bib0115"><span class="elsevierStyleSup">2,3</span></a>. Simultáneamente, la revolución digital ha impactado de una forma mucho más definitiva en todos los aspectos de nuestra vida cotidiana, incluyendo obviamente la medicina y la asistencia sanitaria. El desarrollo universal de Internet, del comercio electrónico, de las redes sociales, los nuevos conceptos del <span class="elsevierStyleItalic">Internet of Things</span> (IoT) o la digitalización de los medios de gestión empresariales ha favorecido que, en el momento actual, la cantidad de información digital de cualquier tipo que se crea y almacena crezca de forma exponencial. Se considera que en la actualidad más del 96% de la información en general está almacenada de forma informática. El crecimiento en volumen de datos de la asistencia sanitaria crece a una velocidad astronómica: en 2013 se produjeron 153 exabytes (1 exabyte<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>1000 millones de gigabytes), y se estima que la generación de información superará los 2.314 exabytes en 2020, lo que significa un crecimiento anual superior al 48%<a class="elsevierStyleCrossRefs" href="#bib0125"><span class="elsevierStyleSup">4–6</span></a>. La obtención y almacenaje de esta cantidad de información de todo tipo (texto, imágenes, datos de historias clínicas, señales generadas por dispositivos implantados en pacientes, archivos no estructurados) ha permitido desarrollar un nuevo concepto y abrir un nuevo campo de aplicación y desarrollo de la tecnología digital con un futuro y una dimensión incalculable, que corresponde a la idea del <span class="elsevierStyleItalic">big data</span><a class="elsevierStyleCrossRef" href="#bib0130"><span class="elsevierStyleSup">5</span></a><span class="elsevierStyleItalic">.</span> Técnicamente se define como <span class="elsevierStyleItalic">big data</span> a un conjunto de datos tan grandes que las aplicaciones informáticas tradicionales del procesamiento de datos no son suficientes para tratar con ellos, y a los procedimientos usados para encontrar patrones repetitivos dentro de esos datos<a class="elsevierStyleCrossRef" href="#bib0130"><span class="elsevierStyleSup">5</span></a>. La característica más interesante de <span class="elsevierStyleItalic">big data</span> es que incluye datos digitales potencialmente obtenibles de múltiples orígenes (textos, bases de datos, figuras, historias clínicas, registros, Internet de las cosas). Esta información no estructurada puede ser analizada informáticamente mediante herramientas específicas obteniendo algoritmos, patrones de comportamiento o interrelaciones, lo que implica una inconmensurable fuente de potencial información. Este concepto ha sido aplicado inmediatamente en la sociedad actual, creando un importantísimo nuevo modelo de negocio por la importante información que pueden aportar los resultados de dichos análisis en múltiples ámbitos de la sociedad (banca, comercio, etc.). Lógicamente, la siguiente etapa ha sido su aplicación en medicina, aunque hay que considerarlo en una fase muy inicial<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">7</span></a>. La nueva era de los grandes datos puede significar un importante impacto en la asistencia sanitaria, beneficiando y potenciando múltiples partes interesadas<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">7</span></a>: en primer lugar, a los pacientes, con un mejor y más preciso uso de la tecnología. También los clínicos, que pueden tener acceso real al paciente mejorando las tomas de decisiones. Investigadores que pueden desarrollar mejores modelos de predicción o creación de algoritmos. Las compañías farmacéuticas, que pueden evaluar mejor el resultado de los tratamientos y el control del mercado, así como las compañías de dispositivos médicos con una implementación más segura y controlable. Finalmente los agentes financieros, que pueden desarrollar formas de pago más exactas, el gobierno con la finalidad de reducir el coste, mejorar leyes y dar valor social a los datos y una oportunidad a los desarrolladores de software para mejorar sus instrumentos.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Un concepto de interés en gestión sanitaria es la denominada <span class="elsevierStyleItalic">Business Intelligence</span>, en la que la miríada de datos obtenibles de la historia clínica, junto con la información puramente de gestión administrativa hospitalaria, puede generar información con potenciales grandes ventajas en la optimización y gestión de recursos<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">8</span></a>. El modelo potencialmente más interesante de aplicación de <span class="elsevierStyleItalic">big data</span> en la práctica clínica corresponde al concepto de «medicina de precisión». La conjunción y análisis de grandes bases de datos genómicas y proteómicas, junto a las características fenotípicas de la población obtenidas por su rastro digital diario, y la información específica de tipo médico obtenida bien a través de su historial médico bien a través de datos obtenidos por dispositivos médicos implantables (marcapasos, Holter, etc.), hipotéticamente puede permitir obtener información no imaginable en épocas previas<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">7</span></a>. Lógicamente, estos conceptos se han extendido rápidamente a otras especialidades médicas o medicoquirúrgicas (cardiología, anestesia, medicina de los trasplantes, cirugía plástica)<a class="elsevierStyleCrossRefs" href="#bib0150"><span class="elsevierStyleSup">9–12</span></a>.</p><p id="par0015" class="elsevierStylePara elsevierViewall">La aplicación de la información obtenible a través de los <span class="elsevierStyleItalic">big data</span> en cirugía está en una fase todavía más embrionaria, aunque los posibles campos de aplicación que se vislumbran en el horizonte son múltiples<a class="elsevierStyleCrossRefs" href="#bib0165"><span class="elsevierStyleSup">12,13</span></a>. La aplicación más básica del concepto <span class="elsevierStyleItalic">big data</span> es la experiencia ya consolidada por el éxito e iniciada hace más de 15 años en EE. UU. que corresponde a la obtención y explotación de grandes bases de datos clínicas. Estas bases de datos, desarrolladas inicialmente en los hospitales de veteranos, son bases fiables, balanceadas en cuanto al riesgo, que permiten comparar los resultados de múltiples hospitales incluyendo miles o millones de procedimientos quirúrgicos<a class="elsevierStyleCrossRef" href="#bib0175"><span class="elsevierStyleSup">14</span></a>. Su explotación permite efectuar comparaciones tipo <span class="elsevierStyleItalic">benchmarking</span>, acreditar centros, modular fórmulas de pago y en el momento actual es una nueva forma de obtener evidencia prácticamente inmediata en el mundo real. Se puede considerar que las grandes bases de datos quirúrgicas procedentes de diferentes proyectos, como el NSQIP o NSI, son demasiado pequeñas (aunque incluyen varios millones de pacientes) para considerarlas <span class="elsevierStyleItalic">big data</span>, y que solo corresponderían a la punta del iceberg de la potencialidad de este concepto. Pero sirvan 3 ejemplos para ilustrar el potencial interés de esta idea en la utilización de la información. Recientemente se publicó el análisis de una serie de 52.868 bandas gástricas, intervenidas en Francia entre 2007 y 2013, observando que la necesidad de reintervenciones para la retirada de la banda era del 6% anual, y se incrementaba progresivamente, cuestionando la utilidad práctica de esta opción técnica<a class="elsevierStyleCrossRef" href="#bib0180"><span class="elsevierStyleSup">15</span></a>. Otro reciente estudio expone los resultados de una serie de 189.477 gastrectomías tubulares realizadas por 1.634 cirujanos en 720 pacientes en 2 años (de 2012 a 2014). Los resultados cuestionan múltiples aspectos relacionados con esta intervención obtenidos a partir de conferencias de consenso o iniciativas con menor número de pacientes<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">16</span></a>. Finalmente, un reciente análisis de más de 325.000 pacientes (apendicectomía: 46.688, colectomía: 152.114, hernia inguinal: 59.066, histerectomía: 59.066, prostatectomía: 10.802), pareados mediante un modelo de <span class="elsevierStyleItalic">propensity score</span> demostró ventajas significativas del abordaje mínimamente invasivo para todos ellos en términos de complicaciones clasificadas según Clavien, readmisiones y estancia hospitalaria excepto para la apendicectomía<a class="elsevierStyleCrossRef" href="#bib0190"><span class="elsevierStyleSup">17</span></a>. Aunque hay que ser muy prudente al aceptar la información obtenida de los análisis de estas grandes bases de datos<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">18</span></a>, la utilidad inmediata es manifiesta, bien como <span class="elsevierStyleItalic">benchmarking</span> e identificación de variabilidad clínica y mejora asistencial entre los centros que colaboran, como en la obtención de información difícilmente obtenible con estudios basados en la evidencia convencionales. El análisis de estas grandes bases de datos permite obtener múltiples tipos de información, y específicamente en cirugía mínimamente invasiva permite conocer mejor los resultados en la aplicación de estas técnicas, la comparación entre técnicas, el análisis detallado de la evolución postoperatoria y el análisis de enfermedades o procedimientos infrecuentes o patrones de aplicabilidad en la población<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">13</span></a>. Algunos autores han propuesto que el análisis de estos datos podría significar alternativas a metodologías de obtención de evidencia, en ocasiones sumamente difíciles en tiempo y recursos para obtener una información fiable<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">19</span></a>. Sin duda, la obtención de información veraz, de amplias muestras, fiable, prácticamente en tiempo real significa una forma adicional de obtener evidencia y evaluar la aplicabilidad y los resultados de múltiples procedimientos quirúrgicos o de sus resultados.</p><p id="par0020" class="elsevierStylePara elsevierViewall">Inevitablemente, la indicación y el tratamiento quirúrgico son opciones a incluir en algoritmos y análisis de decisión en múltiples situaciones clínicas. Sin lugar a dudas el cirujano deberá conocer su papel y actuación cuando se plantee una intervención en el árbol de decisión obtenido del análisis o algoritmo de tratamiento basado en múltiples datos respecto a una enfermedad en concreto, en el contexto de una «cirugía pesonalizada».</p><p id="par0025" class="elsevierStylePara elsevierViewall">El entorno quirúrgico actual, ampliamente tecnificado, abre opciones de utilización de la tecnología <span class="elsevierStyleItalic">big data</span>, y se pueden vislumbrar diferentes áreas de interés: el quirófano es un entorno tecnológico con capacidad de generación de gran número de datos con posible obtención de información. La monitorización intraoperatoria del paciente quirúrgico, los datos obtenidos durante el abordaje laparoscópico (imagen, presión, uso de energía), o potenciales nuevas aplicaciones basada en imagen (fluorescencia y verde de indiocianina, realidad aumentada), e inevitablemente la cirugía robótica son potenciales orígenes de información cruda, que una vez analizada puede ser de interés. El concepto de cirugía de precisión es fácilmente intuible mediante la utilización de contrastes fluorescentes. La cirugía robótica posee un potencial inmenso de obtención de información (ergonomía, precisión de movimientos, etc.). <span class="elsevierStyleItalic">Big data</span> inevitablemente va ligado a conceptos más avanzados, como inteligencia artificial o <span class="elsevierStyleItalic">learning machine</span><a class="elsevierStyleCrossRefs" href="#bib0205"><span class="elsevierStyleSup">20,21</span></a>. Existe ya el proyecto de análisis de cientos de vídeos quirúrgicos, que analizados con modelos de IA puede fructificar en herramientas intraoperatorias de apoyo o corrección cuando se efectúa una intervención laparoscópica<a class="elsevierStyleCrossRef" href="#bib0210"><span class="elsevierStyleSup">21</span></a>.</p><p id="par0030" class="elsevierStylePara elsevierViewall">La revolución digital en cirugía no se acabó con la realización de una esofagectomía mínimamente invasiva o un POEM, sino que continúa con unas perspectivas difíciles de imaginar y predecir. Sin embargo, los cirujanos deben conocer estas nuevas opciones de desarrollo y apoyo al acto quirúrgico, ayudar en el desarrollo de estos conceptos y liderar su aplicabilidad. Tal como ya se considera en ambientes extrasanitarios, y cada vez más en gestión sanitaria, quien tiene la información tendrá el poder. El tipo, forma de obtención y explotación de la información está en plena transformación vertiginosa, y el cirujano deberá conocer los conceptos, sus ventajas e inconvenientes y colaborar en los protocolos de obtención y explotación; si no, lo harán otros profesionales por nosotros.</p></span>" "pdfFichero" => "main.pdf" "tienePdf" => true "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:21 [ 0 => array:3 [ "identificador" => "bib0110" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Innovative technologies. The Information age and the biointelligence age" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "R. Satava" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:6 [ "tituloSerie" => "Surg Endosc" "fecha" => "2000" "volumen" => "14" "paginaInicial" => "417" "paginaFinal" => "418" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/10858462" "web" => "Medline" ] ] ] ] ] ] ] ] 1 => array:3 [ "identificador" => "bib0115" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Looking at the future of surgery with the augmented eye" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "J. Marescaux" 1 => "M. Diana" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Ann Laparosc Endosc Surg" "fecha" => "2016" "volumen" => "1" "paginaInicial" => "36" "paginaFinal" => "43" ] ] ] ] ] ] 2 => array:3 [ "identificador" => "bib0120" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Diana M. Cirugía guiada por fluorescencia aplicada al aparato digestivo: el ojo cibernético permite ver lo invisible. Cir Esp. 2017. [consultado 6 de Jul 2017]. Disponible en: <a id="intr0005" class="elsevierStyleInterRef" href="http://dx.doi.org/10.1016/j.cresp">http://dx.doi.org/10.1016/j.ciresp</a>." ] ] ] 3 => array:3 [ "identificador" => "bib0125" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Disponible en: <a id="intr0010" class="elsevierStyleInterRef" href="https://med.stanford.edu/content/dam/sm/sm-news/documents/StanfordMedicineHealthTrendsWhitePaper2017.pdf">https://med.stanford.edu/content/dam/sm/sm-news/documents/StanfordMedicineHealthTrendsWhitePaper2017.pdf</a>." ] ] ] 4 => array:3 [ "identificador" => "bib0130" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Big data: A survey" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "M. Chen" 1 => "L.Y. Mao" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Mobile Netw Appl" "fecha" => "2014" "volumen" => "19" "paginaInicial" => "171" "paginaFinal" => "209" ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0135" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The world's technological capacity to store communicate, and compute information" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "M. Hilbert" 1 => "P. López" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1126/science.1200970" "Revista" => array:6 [ "tituloSerie" => "Science" "fecha" => "2011" "volumen" => "332" "paginaInicial" => "60" "paginaFinal" => "65" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21310967" "web" => "Medline" ] ] ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0140" "etiqueta" => "7" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Challenges and opportunities of big data in health care: A systematic review" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "C.S. Kruse" 1 => "R. Goswamy" 2 => "Y. Raval" 3 => "S. Marawi" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:4 [ "tituloSerie" => "JMIR Med Inform" "fecha" => "2016" "volumen" => "21" "paginaInicial" => "e38" ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0145" "etiqueta" => "8" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The impact of business intelligence on healthcare delivery in the USA" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "N. Ashrafi" 1 => "L. Kelleher" 2 => "J.P. Kuilboer" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Interdisciplinary Journal of Information Knowledge, and Management" "fecha" => "2014" "volumen" => "9" "paginaInicial" => "117" "paginaFinal" => "130" ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0150" "etiqueta" => "9" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Big data analytics to improve cardiovascular care: Promise and challenges" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "J.S. Rumsfeld" 1 => "K.E. Joynt" 2 => "T.M. Maddox" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/nrcardio.2016.42" "Revista" => array:6 [ "tituloSerie" => "Nat Rev Cardiol" "fecha" => "2016" "volumen" => "13" "paginaInicial" => "350" "paginaFinal" => "359" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27009423" "web" => "Medline" ] ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0155" "etiqueta" => "10" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The use of big data in transfusion medicine" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:1 [ 0 => "K. Pendry" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1111/tme.12223" "Revista" => array:6 [ "tituloSerie" => "Transfus Med" "fecha" => "2015" "volumen" => "25" "paginaInicial" => "129" "paginaFinal" => "137" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26178303" "web" => "Medline" ] ] ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0160" "etiqueta" => "11" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Big data and machine learning in plastic surgery: A new frontier in surgical innovation" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "J. Kanevsky" 1 => "J. Corban" 2 => "R. Gaster" 3 => "A. Kanevsky" 4 => "S. Lin" 5 => "M. Gilardino" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/PRS.0000000000002088" "Revista" => array:6 [ "tituloSerie" => "Plast Reconstr Surg" "fecha" => "2016" "volumen" => "137" "paginaInicial" => "890e" "paginaFinal" => "897e" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27119951" "web" => "Medline" ] ] ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0165" "etiqueta" => "12" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Integrating “big data” into surgical practice" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "B. Mathias" 1 => "G. Lipori" 2 => "L.L. Moldawer" 3 => "P.A. Efron" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Surgery" "fecha" => "2016" "volumen" => "59" "paginaInicial" => "371" "paginaFinal" => "374" ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0170" "etiqueta" => "13" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Balla A, Batista Rodríguez G, Corradetti S, Balagué C, Fernández-Ananín S, Targarona EM. Outcomes after bariatric surgery according to large databases: a systematic review. Langenbecks Arch Surg. 2017 Aug 5. doi: 10.1007/s00423-017-1613-6. [Epub ahead of print]." ] ] ] 13 => array:3 [ "identificador" => "bib0175" "etiqueta" => "14" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Does surgical quality improve in the American College of Surgeons National Surgical Quality Improvement Program: An evaluation of all participating hospitals" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "B.L. Hall" 1 => "B.H. Hamilton" 2 => "K. Richards" 3 => "K.Y. Bilimoria" 4 => "M.E. Cohen" 5 => "C.Y. Ko" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/SLA.0b013e3181b4148f" "Revista" => array:6 [ "tituloSerie" => "Ann Surg" "fecha" => "2009" "volumen" => "250" "paginaInicial" => "363" "paginaFinal" => "376" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/19644350" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0180" "etiqueta" => "15" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Natural history of adjustable gastric banding: Lifespan and revisional rate: A nationwide study on administrative data on 53.000 patients" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "A. Lazzati" 1 => "M. de Antonio" 2 => "L. Paolino" 3 => "F. Martini" 4 => "D. Azoulay" 5 => "A. Iannelli" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/SLA.0000000000001879" "Revista" => array:6 [ "tituloSerie" => "Ann Surg" "fecha" => "2017" "volumen" => "265" "paginaInicial" => "439" "paginaFinal" => "445" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27433894" "web" => "Medline" ] ] ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0185" "etiqueta" => "16" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The impact of different surgical techniques on outcomes in laparoscopic sleeve gastrectomies: The first report from the metabolic and bariatric surgery accreditation and quality improvement program (MBSAQIP)" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "E.R. Berger" 1 => "R.H. Clements" 2 => "J.M. Morton" 3 => "K.M. Huffman" 4 => "B.M. Wolfe" 5 => "N.T. Nguyen" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/SLA.0000000000001851" "Revista" => array:6 [ "tituloSerie" => "Ann Surg" "fecha" => "2016" "volumen" => "264" "paginaInicial" => "464" "paginaFinal" => "473" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27433904" "web" => "Medline" ] ] ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0190" "etiqueta" => "17" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Minimally invasive surgery and its impact on 30-day postoperative complications, unplanned readmissions and mortality" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "A. Sood" 1 => "C.P. Meyer" 2 => "F. Abdollah" 3 => "J.D. Sammon" 4 => "M. Sun" 5 => "S.R. Lipsitz" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1002/bjs.10561" "Revista" => array:6 [ "tituloSerie" => "Br J Surg" "fecha" => "2017" "volumen" => "104" "paginaInicial" => "1372" "paginaFinal" => "1381" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/28632890" "web" => "Medline" ] ] ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0195" "etiqueta" => "18" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "The rise of big clinical databases" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:2 [ 0 => "J.A. Cook" 1 => "G.S. Collins" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1002/bjs.9723" "Revista" => array:6 [ "tituloSerie" => "Br J Surg" "fecha" => "2015" "volumen" => "102" "paginaInicial" => "e93" "paginaFinal" => "e101" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/25627139" "web" => "Medline" ] ] ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0200" "etiqueta" => "19" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Frieden TR. Evidence for Health Decision Making - Beyond Randomized, Controlled Trials. N Engl J Med. 2017;377:465-75." ] ] ] 19 => array:3 [ "identificador" => "bib0205" "etiqueta" => "20" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Surgical robotics beyond enhanced dexterity instrumentation: A survey of machine learning techniques and their role in intelligent and autonomous surgical actions" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:3 [ 0 => "Y. Kassahun" 1 => "B. Yu" 2 => "A.T. Tibebu" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s11548-015-1305-z" "Revista" => array:6 [ "tituloSerie" => "Int J Comput Assist Radiol Surg" "fecha" => "2016" "volumen" => "11" "paginaInicial" => "553" "paginaFinal" => "568" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26450107" "web" => "Medline" ] ] ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0210" "etiqueta" => "21" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Padoy.EndoNet: A deep architecture for recognition tasks on endoscopic videos" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "S. Twinanda" 1 => "D. Shehata" 2 => "J. Mutter" 3 => "M. Marescaux" 4 => "N. de Mathelin" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1109/TMI.2016.2593957" "Revista" => array:6 [ "tituloSerie" => "IEEE Transactions on Medical Imaging" "fecha" => "2017" "volumen" => "36" "paginaInicial" => "86" "paginaFinal" => "97" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27455522" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/0009739X/0000009600000005/v1_201805100423/S0009739X17301720/v1_201805100423/es/main.assets" "Apartado" => array:4 [ "identificador" => "5767" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Editorial" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/0009739X/0000009600000005/v1_201805100423/S0009739X17301720/v1_201805100423/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0009739X17301720?idApp=UINPBA00004N" ]
