La evaluación de la efectividad de un determinado tratamiento o el desarrollo de un nuevo medicamento a menudo requiere evidencia basada en estudios longitudinales durante los cuales se sigue al mismo grupo de sujetos durante un tiempo determinado. A lo largo del seguimiento los sujetos se organizan en grupos y se miden variables de desarrollo en distintos momentos. Los resultados de los diferentes grupos, al final del proceso, se comparan entre sí para apoyar la toma de decisiones de los expertos. La generación de nuevo conocimiento a partir de los datos resultantes de estudios longitudinales requiere gestionar las complejidades de estos. Por ejemplo, la variabilidad a lo largo del tiempo, los datos que faltan y la ocurrencia de acontecimientos en el tiempo entre mediciones. En este artículo presentamos cómo el modelamiento de los datos longitudinales en términos de variables, etapas, eventos y temas de interés permite analizar los datos de manera estructurada. Este modelo de datos junto a una caracterización de las tareas de análisis, y una propuesta de herramientas de analítica con orientación por parte del sistema, son un primer paso en la búsqueda de facilitar el análisis por parte del experto. Para demostrar la utilidad del modelo de datos y las herramientas de orientación, presentamos un caso de uso con la implementación de un prototipo de una herramienta de análisis visual para analizar los datos de un estudio sobre el impacto del método Madre Canguro para cuidado del niño prematuro o de bajo peso al nacer, en una cohorte de sujetos cuidados con el método Madre Canguro, o con el método tradicional de incubadora en 1995 y de la cual se tienen datos clínicos a lo largo del primer año de edad corregida. La herramienta de analítica resultante ha sido evaluada por el equipo de expertos de la Fundación Canguro, con resultados positivos y prometedores.