El pasado mes de noviembre, AQuAS tuvo un rol relevante con el programa PADRIS en la Critical Care Data Analysis Summit and Tarragona Datathon 2018. Teníamos pendiente comentarlo desde entonces.
El programa PADRIS contribuye a la mejora de la salud de las personas facilitando a los investigadores de los centros de investigación de Cataluña la reutilización de la información anonimizada de salud de acuerdo con el marco legal y los principios establecidos.
¿Lo vemos en la práctica, a partir de la experiencia de un profesional?
Hoy entrevistamos a Maria Bodí (@mariabodi23), médico del servicio de Medicina Intensiva y Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnología, del Hospital Universitari de Tarragona Joan XXIII, expertos en gestión clínica y aspectos de calidad y seguridad de la atención sanitaria. Como muchos profesionales de la salud, combinan la actividad asistencial con la investigación.
¿Cómo es tu día a día?
Como jefe de Servicio de Medicina Intensiva del hospital, en mi día a día, la principal tarea es la dirección del servicio y la organización de la asistencia al paciente crítico, coordinando el trabajo de los profesionales implicados. En el servicio trabajan más de 150 personas incluyendo profesionales de medicina (especialistas en medicina intensiva, médicos internos residentes), enfermería, auxiliares de enfermería, celadores, fisioterapeutas y secretaría. Se trata, además, de un servicio que participa y colabora en la docencia de los grados de medicina, enfermería y fisioterapia.
Trato de facilitar que los profesionales participen en la estrategia del servicio y todo esto requiere articular y coordinar todos los esfuerzos, con un objetivo claro, y dar una asistencia de calidad a nuestros pacientes. Es necesario facilitar y coordinar que los profesionales participen en la asistencia, la gestión, la docencia y la investigación en mayor o menor grado. Esto garantizará el compromiso del trabajador en la estrategia del servicio y de la organización.
Si nos centramos en el colectivo médico, cada miembro del equipo se responsabiliza de una área en concreto de nuestra especialidad, de forma que facilitamos la formación continuada de todo el equipo, la evaluación de los resultados y el compromiso en llevar adelante las acciones que deriven del análisis de nuestros resultados.
La experiencia del formato Datathon que se hizo, ¿qué te pareció?
La Datathon fue el resultado de todo un recorrido hecho en los últimos años en el campo del uso secundario de los datos de la historia clínica de los pacientes para la gestión y la investigación de primer nivel. La experiencia fue muy buena. Ciencia pura. Médicos, tecnólogos y tecnología al servicio del análisis de los datos de la vida real, para buscar la mejor evidencia científica.
En los últimos tres años, nuestro grupo ha profundizado en el estudio de los datos y también en la evaluación de la calidad y la seguridad de los datos para su uso secundario. Nuestros avances han permitido colaborar con otros equipos punteros, como el equipo del Dr. Leo Celi del Massachusetts Institute of Technology con quien organizamos este evento.
¿De qué forma piensas que se puede mejorar la calidad asistencial en los cuidados intensivos?
Tenemos que ir hacia la excelencia. Abordar todas las dimensiones de la calidad asistencial. Mejorar la efectividad, la seguridad y la eficiencia. Pero si hablamos de buenos resultados y eficientes, no hablamos en términos de número de acciones a un coste determinado. Hablamos de aportar valor al paciente, al equipo de trabajo, a la organización, al sistema sanitario y a la sociedad. ¿Cómo hacerlo?
Nuestro grupo ha trabajado en el desarrolo de una metodología para poder disponer de indicadores de calidad automáticos. Esto ha sido posible porque todos los dispositivos de cabecera del paciente (ventilación mecánica, monitorización, máquinas de diálisis, etc.) están conectados al sistema de información clínica, donde se integra también la información de la historia clínica del hospital, del laboratorio, de las pruebas de imagen, y donde los profesionales incluyen toda la información de forma ordenada.
De esta forma, a través de estos indicadores diseñados con tecnología innovadora, es posible evaluar procesos asistenciales y resultados. Si el profesional participa en el diseño del proceso asistencial, en la planificación, y conoce cómo se están haciendo las cosas y qué resultados tenemos, se implica y se compromete con los objetivos del servicio y de la organización.
Asimismo, es necesaro pasar de la medicina reactiva a la medicina predictiva, preventiva y personalizada. Tenemos datos para empezar a trabajar en esta línea. Sin embargo, la dimensionalidad y la complejidad de estos datos impide que los métodos de inteligencia artificial sean fáciles de traducir en modelos clínicamente relevantes. La aplicación de métodos predictivos de vanguarda y la manipulación de datos requiere habilidades de colaboración entre profesionales expertos del dominio médico y del tecnológico y nuevos modelos de tratamiento y análisis de datos.
Hemos leído que se puede evaluar, en tiempo real, el riesgo en una unidad de cuidados intensivos. Parece difícil de imaginar, ¿qué nos puedes decir al respecto?
Es así. Partimos de la base de que disponemos de los datos almazenados de todos los pacientes que han ingresado en una UCI, o en más de una UCI. Si la combinación de un grupo de variables (demográficas, clínicas, resultados de laboratorio) ha supuesto la aparición de una complicación o de un evento adverso, un modelo informático entrenado con estos datos puede predecir, si detecta de nuevo la combinación de este grupo de variables, el riesgo que aparezca la misma complicación o evento. Esta es la base de la medicina predictiva.
De acuerdo, pero ¿para qué sirve, a la práctica, la evaluación de este cálculo del riesgo?
Puede ir desde analizar el riesgo o predecir la aparición de una complicación en el curso de una enfermedad, un problema relacionado con la seguridad, un evento adverso, la necesidad o el incremento de la dosis de un fármaco determinado o una terapia específica. Puede predecir la probabilidad de mejoría o de empeoramiento, e incluso, el riesgo de morir de un paciente por una enfermedad.
La medicina ya dispone de calculadoras de riesgo de morir por una enfermedad basándose en bases de datos completadas con registros manuales por parte del profesional. Pero ahora, la automatización del registro de los datos -y los sistemas de información clínica en nuestras UCIs son un ejemplo de esto-, la metodología actual basada en big data y la inteligencia artificial permite un detalle muy superior en el momento de evaluar riesgos.
Cuando se habla de pasar a un model sanitario basado en valor, ¿a qué se refiere exactamente?
Se trata de una organización del trabajo alrededor de las condiciones específicas del paciente y que optimiza su cuidado. Se trata de pagar a las organizaciones y a los hospitales por el valor que aportan. Los resultados y su coste son los componentes clave del valor que el sistema sanitario y los profesionales aportamos a los pacientes. Pero si hablamos de resultados no consideramos únicamente si el paciente sale vivo de la UCI, o no. Los resultados se miden en términos de calidad, de capacidad de volver a incorporarse a su vida, a su trabajo, etc..
Por ello, para impulsar el esfuerzo de mejora, nos tenemos que basar en el trabajo multidisciplinar y el modelo sanitario basado en valor supone cambiar el modelo de negocio de la organización y hacer una inversión en sistemas de medida, de análisis de resultados clínicos y de costes.
¿Qué importancia le das al hecho que los datos se obtengan automáticamente y no manualmente?
Permite analizarlos desde una única fuente de datos, minimiza los errores y no requiere tiempo del profesional en la introducción de estos datos.
¿Cómo se incluyen automáticamente los datos?
En la UCI, los sistemas de información clínica han permitido integrar toda la información, además de los datos que los profesionales incluyen de forma ordenada durante todo el proceso de atención al paciente crítico, se integran resultados de laboratorio, de pruebas de imagen, información de la historia clínica, y los datos de todos los dispositivos de cabecera del paciente (ventilación mecánica, monitorización, máquinas de diálisis, etc.).
¿Qué entendemos por «uso secundario de los datos»?
El uso primario es el que se hace día a día, en la cabecera del paciente, para tomar decisiones sobre el diagnóstico, tratamiento y planificación del proceso de atención. Por ejemplo, de acuerdo a unos resultados de laboratorio se determina si aumento la dosis de un fármaco.
Hablamos de uso secundario cuando hablamos de utilizar los datos para la gestión o para la investigación. El objetivo final sigue siendo mejorar la atención al paciente, evidentemente.
(Continuará…)
