jueves, 26 de mayo de 2016

APOYO DE DESICIONES CLÍNICAS POR COMPUTADORA.

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.

No hay comentarios:

Publicar un comentario