APOYO DE DECISIONES CLÍNICAS POR COMPUTADORA.
“Son nuestras decisiones las que muestran lo que podemos llegar a ser.
Mucho más que nuestras propias habilidades” – Joanne Kathleen Rowling
-Sistema de apoyo de decisiones clínicas (SADC)-
“cualquier sistema electrónico que ayuda al
personal de salud en la toma de decisiones clínicas, utilizando las
características individuales de los pacientes para general evaluaciones y
recomendaciones específicas que presentan a los profesionales para su
consideración”
Proporcionan apoyo para el diagnóstico, alertas, recordatorios,
planificación del tratamiento, dosis de fármacos, reconocimiento e
interpretación de laboratorio clínico e imágenes, exámenes de indicadores de
calidad y recuperación de información actualizada.
Intentan disminuir errores en el diagnóstico para evitar consecuencias
negativas en el tratamiento de los pacientes, pues son las causas más
frecuentes de demandas.
-Panorama de los sistemas y programas para apoyo de decisiones en
medicina-
Los SADC incluyen:
· * Recomendaciones
particulares basadas en evidencia
· * Acceso
a guías clínicas y bases de datos externas que proporcionen información
relevante
· * Recordatorios
para el cuidado preventivo
· * Alertas
sobre situaciones potencialmente peligrosas.
Tipos de SADC:
· * Algoritmos
clínicos
· * Sistemas
de reconocimiento de patrones
· * Sistemas
estadísticos de Bayes
· * Sistemas
de decisiones analíticas y sistemas de razonamiento simbólico (sistemas
expertos).
El uso más común de los SADC es para hacer frente a las necesidades
clínicas, pero puede reducir costos, mejorar la eficiencia y disminuir las
molestias del paciente.
Para tareas cognitivas más complejas, el objetivo del SADC es ayudar, no
sustituir al médico mientras que en otras áreas puede aliviarlo de la carga
administrativa. Ofrecen sugerencias, pero el médico debe decidir qué acción
tomar.
-Impacto y efectividad del SADC en el proceso de atención de salud y los
resultados de los pacientes-
Trowbridge y Weingarten:
· * En 2001
resumieron los resultados de varias revisiones sistemáticas (meta análisis) de
SADC.
· * El meta
análisis de los estudios de alertas y recordatorios para el soporte de
decisiones mostró como resultado que los
SADC tienen un potencial para mejorar la calidad de la atención.
· * Los
estudios demuestran que el diagnóstico del SADC puede incluso recordar a los
médicos expertos los diagnósticos importantes que ellos no consideraron.
· * Para
que los SADC tengan éxito, los médicos deben estar motivados para usarlos.
-Implementación y evaluación de los SADC-
·
Los SADC tendrán un impacto sobre la estructura del sistema
o del trabajo en el que se utilizarán.
·
Los resultados de la investigación destacan los aspectos
que tienen que considerarse en el diseño, implementación, mantenimiento y
evaluación de los SADC.
·
Kawamoto et al. (2005), realizó una revisión sistemática de
los estudios e identificaron características del diseño, éste reveló:
o
El apoyo basado en computadora es más eficaz que los
procesos manuales de soporte de decisión
o
Las
intervenciones de SADC que se presentan y encajan en el flujo de trabajo de los
clínicos son más probables de ser empleadas.
o
Los
SADC que recomiendan acciones son más efectivos que los que proporcionan
evaluaciones.
o
Las
SADC que proporcionan información en el momento y lugar de la toma de decisiones
tienen mayor impacto.
Cuando el SADC está bien diseñado e implementado, tiene un potencial
para mejorar la calidad asistencial, aumentar la eficiencia y disminuir los
costos de salud.
Los SADC no deben verse como una tecnología mas o un sustituto para el médico,
sino como una herramienta compleja que tiene que emplearse con inteligencia y sabiduría.
-Programas para apoyo de decisiones en medicina-
Generadores de diagnósticos diferenciales (GDD):
·
Son programas informáticos que
ayudan al médico con los signos y síntomas de sus pacientes y otros factores a
fin de sugerir una lista de posibles diagnósticos para su consideración
·
Berner
et. al. Realizaron en 1994 una de las obras más importantes que evalúan el
rendimiento de los GDD, se observó que su capacidad para ser útiles en la
práctica aún no se había probado.
·
Los
avances en software y hardware han hecho que los GDD actuales tengan una
capacidad para integrar más factores en la presentación del paciente, que hace
que la lista de diagnósticos sea más precisa y útil.
·
Los GDD
pueden servir como ayuda en la educación médica al comparar y contrastar las
estrategias que generan diagnósticos diferenciales y pueden identificar y
corregir errores cognitivos.
DXplain:
"Es un sistema de ayuda al diagnostico que utiliza un
conjunto de datos clínicos para producir una lista de hipótesis diagnosticas de
mayor a menor probabilidad dentro de dos categorías: enfermedades comunes
contra raras, con base en su prevalencia"
ü Es de fácil acceso para ser utilizado por
médicos que no tienen gran experiencia en computación.
ü Acepta varias manifestaciones clínicas y
genera una hipótesis diagnostica de enfermedades comunes y raras con base en el
sexo, edad y tiempo de evolución del padecimiento.
ü Explica y justifica sus interpretaciones
para proveer un conocimiento integral básico del conjunto de diagnósticos
diferenciales, no limita al médico.
Consiste en un algoritmo seudo probabilístico donde se asignan dos
atributos a los hallazgos clínicos (la clasificación se relaciona con las
alteraciones importantes que sugieren una enfermedad):
· * Frecuencia
del hallazgo en la enfermedad
· * Fuerza
con que sugiere la enfermedad.
Se encuentra en desarrollo continuo y tiene un promedio de identificación
correcta del diagnostico de 73%, sin embargo, no se ha empleado debido a la
falta de apoyo de los médicos en el mundo real.
Capacidades del sistema:
Algunos autores consideran que un GDD como DXplain debería:
· * Ser
fácil de usar para médicos con poca o nula formación computacional.
· * Estar
basado en contenido medico integral
· * Proveer
interpretaciones correctas y precisas
· * Justificar
sus interpretaciones
· * Ser
accesible desde cualquier lugar
·
Evolucionar
y mejorar como resultado del uso crítico y el análisis de las sesiones de los
usuarios clínico.
Isabel:
· * Es el
único programa que acepta consultas en lenguaje natural y que permite
introducir todos los hallazgos clave a la vez.
· * Utiliza
un “procesamiento de lenguaje natural” (motor de búsqueda) para que coincidan
las características clínicas con términos similares.
· * Tiene
enlaces a bases de datos de conocimientos y estudios de validación.
