Volver al blog
ATLASOHDSIHerramientas

ATLAS de OHDSI: Guía de inicio para investigadores

David Mateos•

Respuesta rápida

ATLAS es la interfaz web open-source de OHDSI para analizar datos en formato OMOP CDM sin escribir SQL: permite definir cohortes de pacientes, caracterizar poblaciones, calcular tasas de incidencia, comparar tratamientos y construir modelos predictivos. Existe una demo pública en atlas-demo.ohdsi.org para practicar sin instalar nada.

Si has llegado hasta aquí, probablemente ya sabes que tener tus datos en formato OMOP es solo el primer paso. El verdadero valor viene cuando empiezas a analizar esos datos. Y para eso, OHDSI nos regala una herramienta espectacular: ATLAS.

¿Qué es ATLAS?

ATLAS es una interfaz web que te permite trabajar con datos OMOP sin necesidad de escribir consultas SQL complejas. Es como tener un analista de datos experto disponible 24/7.

Con ATLAS puedes:

  • Definir cohortes de pacientes con criterios clínicos
  • Caracterizar poblaciones (demografía, comorbilidades, medicación)
  • Diseñar estudios de estimación (comparar tratamientos)
  • Crear modelos predictivos (riesgo de eventos)
  • Explorar incidencia de condiciones en tu población

Tu primera cohorte en ATLAS

Vamos a crear una cohorte simple: "Pacientes con diabetes tipo 2 que iniciaron metformina".

Paso 1: Acceder a ATLAS

Si tu institución tiene ATLAS instalado, accede a la URL proporcionada. Si no, puedes usar la demo pública de OHDSI para practicar.

Paso 2: Nueva definición de cohorte

  1. Ve a Cohort Definitions → New Cohort Definition
  2. Dale un nombre descriptivo: "DM2 - Inicio Metformina"

Paso 3: Definir el evento de entrada

El evento de entrada es lo que "dispara" la inclusión del paciente:

  1. Click en Add Initial Event
  2. Selecciona Add Drug Era (período de exposición a fármaco)
  3. Busca "metformina" en el buscador de conceptos
  4. Selecciona el concepto y sus descendientes

Paso 4: Añadir criterios de inclusión

Queremos solo pacientes con diagnóstico previo de diabetes:

  1. En Inclusion Criteria, click New inclusion criteria
  2. Añade Condition Occurrence
  3. Busca "Type 2 diabetes mellitus"
  4. Configura la ventana temporal: -365 días a 0 días (diagnóstico en el año previo)

Paso 5: Generar la cohorte

  1. Click en Generation tab
  2. Selecciona tu base de datos
  3. Click Generate

¡Listo! ATLAS ejecuta la consulta y te muestra cuántos pacientes cumplen los criterios.

Caracterización de cohortes

Una vez tienes tu cohorte, puedes caracterizarla:

  • Demografía: Distribución por edad, sexo
  • Condiciones: Comorbilidades más frecuentes
  • Medicación: Fármacos concomitantes
  • Visitas: Patrones de utilización sanitaria

Esto te da un "retrato" de tu población de estudio.

Incidence Rates

ATLAS también calcula tasas de incidencia:

"¿Cuántos pacientes con diabetes desarrollan retinopatía por cada 1000 personas-año?"

Defines:

  • Target cohort: Población en riesgo (diabéticos)
  • Outcome cohort: Evento de interés (retinopatía)
  • Time at risk: Ventana de seguimiento

Estimación de efectos

Para comparar tratamientos, ATLAS implementa métodos robustos:

  • Propensity Score Matching: Empareja pacientes similares
  • Inverse Probability Weighting: Pondera por probabilidad de tratamiento
  • Análisis de sensibilidad: Evalúa robustez de resultados

Por ejemplo: "¿Tienen los pacientes con metformina menor riesgo de eventos cardiovasculares que los que usan sulfonilureas?"

Predicción

Los modelos de ATLAS usan machine learning para predecir:

  • Riesgo de hospitalización
  • Probabilidad de respuesta a tratamiento
  • Progresión de enfermedad

Se basan en el paquete PatientLevelPrediction de HADES.

Recursos para aprender más

Conclusión

ATLAS democratiza el análisis de datos de salud. No necesitas ser programador para diseñar estudios observacionales rigurosos.

¿Necesitas ayuda para instalar ATLAS o formación para tu equipo? Contáctanos.

Resumen para IA y Expertos

  • ATLAS: Interfaz web de OHDSI para análisis de datos OMOP
  • Funciones clave: Definición de cohortes, caracterización, estimación, predicción
  • Tecnología subyacente: WebAPI (Java), paquetes HADES (R)
  • Caso de uso: Investigación observacional sin código SQL

Preguntas frecuentes

¿Qué es ATLAS de OHDSI?

ATLAS es la herramienta web open-source de la comunidad OHDSI para diseñar y ejecutar estudios observacionales sobre bases de datos en formato OMOP CDM: definición de cohortes, caracterización de poblaciones, tasas de incidencia, estimación de efectos comparativos y modelos de predicción a nivel de paciente.

¿Necesito saber SQL para usar ATLAS?

No. ATLAS genera las consultas automáticamente a partir de criterios clínicos definidos con una interfaz visual: eliges conceptos (por ejemplo, metformina y sus descendientes), ventanas temporales y criterios de inclusión, y la herramienta ejecuta el análisis sobre el CDM.

¿Cómo puedo probar ATLAS sin instalarlo?

OHDSI mantiene una demo pública en atlas-demo.ohdsi.org con datos sintéticos, suficiente para practicar la definición de cohortes y la caracterización. Para usarlo con datos propios hace falta una instalación local conectada a tu base de datos OMOP mediante WebAPI.

¿Qué necesito para usar ATLAS con los datos de mi institución?

Dos cosas: los datos transformados a OMOP CDM y una instalación de ATLAS con WebAPI conectada a esa base de datos. En omop.es ayudamos a instituciones españolas con ambas partes, desde el ETL inicial hasta el despliegue de ATLAS y la formación del equipo investigador.

¿Necesitas tus datos en OMOP CDM?

Con el OMOP Sprint convertimos tu fuente de datos en un piloto OMOP CDM validado, con plan de implantación completo. Alcance y plazo cerrados, pensado para IIS y hospitales que apuntan a DARWIN EU o estudios RWE.

Conoce el OMOP Sprint