Hospital Universitari de Tarragona Joan XXIII

Millora de la qualitat assistencial a les unitats de cures intensives. El programa PADRIS a la Tarragona Datathon 2018 (segona part)

14 febr.

Avui continuem amb l’entrevista a Maria Bodí (@mariabodi23), metge del servei de Medicina Intensiva i Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnologia, de l’Hospital Universitari de Tarragona Joan XXIII, experts en gestió clínica i aspectes de qualitat i seguretat de l’atenció sanitària.

En la vostra opinió, quin balanç de beneficis i de riscos en termes de seguretat dels pacients plantegen els estudis fets amb dades reals, els anomenats Real World Data?

Beneficis? Tots. És necessària la informació derivada de l’entorn assistencial real per prendre decisions. Els assajos clínics aleatoritzats, com a Gold Standard de la millor evidència científica han estat els que fins ara han definit l’eficàcia i la seguretat de les intervencions terapèutiques. Però suposen un cost molt elevat i, a més a més, van dirigits a grups molt seleccionats de pacients. Els estudis i les anàlisis derivades del món real, els coneguts com a Real World Data, permeten conèixer l’efectivitat i la seguretat de les intervencions en grups de pacients que normalment s’exclouen dels assajos (embarassades, gent gran, pacients amb moltes comorbiditats que són la majoria…).

Hi ha una sèrie de limitacions i obstacles que impedeixen que els Real World Data substitueixin els assajos clínics. D’una banda, aspectes legals i ètics i de garantia de qualitat de les dades. D’altra banda, no es pot assumir el biaix que suposa no aleatoritzar en el cas dels Real World Data. Abans de prendre decisions, ens hem d’assegurar que no hi ha factors de confusió.

Els Real World Data complementen la informació dels assajos clínics en la pràctica clínica habitual.

Fa unes setmanes vam comptar amb la visita de Lucian Leape, autor del famosíssim llibre “To Err is Human” a Barcelona. Vam tenir la sort de poder sentir-lo en una xerrada a AQuAS, vau poder escoltar-lo?

No, malauradament no vam poder assistir-hi. Llàstima perquè ens consta que va ser una bona revisió del que hem après en les darreres dos dècades en l’àmbit de la seguretat clínica i es van apuntar bones recomanacions de futur.

Què us sembla que va aportar l’informe To Err is Human, publicat ara ja fa 20 anys?

Va ser la revolució en l’àmbit de la seguretat. Un canvi de paradigma que es manté avui en dia.

L’informe To Err is Human denunciava els milers de morts als Estats Units degudes a esdeveniments adversos que es podien prevenir! Persones que morien als hospitals per motius aliens a la malaltia que havia motivat el seu ingrés. El més importat és que aquests esdeveniments, aquestes morts, es podien prevenir. Una millor formació, una millor organització del treball, conèixer i analitzar els riscos, el treball en equip, entre d’altres factors, està demostrat que són elements que contribueixen a disminuir la taxa d’esdeveniments i la seva severitat.

De quina manera el programa PADRIS ha tingut impacte en el vostre dia a dia?

L’any 2016 es va publicar MIMIC-III, una gran base de dades desidentificada de pacients d’UCI de l’Hospital Universitari de Harvard generada i mantinguda per investigadors del Massachusetts Institute of Technology. Ells van publicar aquesta base de dades amb l’objectiu de democratitzar la recerca. La idea és que després de realitzar un curs de formació sobre el tractament de dades per recerca, s’acrediti que ets un investigador en actiu i signis un document d’ús; en definitiva fer que un investigador pugui accedir a una gran base de dades per fer recerca. A més, ells animen els investigadors a compartir el codi (la metodologia informàtica) que han aplicat a les dades per arribar als resultats que publiquen. Tot plegat fa que els estudis siguin més transparents i reproduïbles, cosa que incrementa l’excel·lència de la producció científica.

Gràcies a la nostra experiència en extreure dades del sistema d’informació clínica per desenvolupar la nostra eina de gestió de la unitat, ens vam plantejar el repte de generar la nostra pròpia base de dades per fer recerca. Un cop generada, vam contactar amb el programa PADRIS perquè ens assessorés en temes de protocols d’anonimització de les dades i metodologies per accedir-hi per fer recerca. En tot moment van mostrar un gran interès pel projecte i ens van ajudar a dur-lo a terme, de manera que el paper del programa PADRIS va ser determinant per poder fer possible el Datathon Tarragona 2018. I actualment seguim en contacte per definir estratègies de futur sobre com donar accés a aquestes dades per projectes de recerca sense violar cap llei de protecció de dades i com aconseguir ampliar la base amb dades d’altres UCIs del territori català.

Si tinguessiu l’oportunitat de fer una recomanació a uns altres investigadors que volguessin fer recerca, quina recomanació li faríeu?

Li recomanaríem que col·laborés amb experts en altres àmbits, sobretot relacionats amb la tecnologia de dades i l’estadística. Estem arribant a un punt de sofisticació i volum de dades que fa necessari treballar amb equips multidisciplinaris per poder treure el màxim profit i el millor coneixement possible de les dades. Els datathons són un gran exemple d’això, el paper del clínic és determinant per definir l’objectiu i anar validant els resultats que van apareixent quan s’apliquen els algoritmes d’avantguarda per part dels científics de dades. Al mateix temps, el paper dels científics de dades és també determinant a l’hora de suggerir i aplicar metodologies complexes i allunyades de l’estadística tradicional aplicada dins de l’entorn clínic.

Quin repte professional us agradaria assolir durant aquest 2019?

El repte professional últim per al 2019 és el mateix que el de cada any: millorar l’assistència als pacients que ingressin a la UCI. Per aconseguir-ho, tenim alguns reptes molt concrets a la nostra unitat. D’una banda, seguir desenvolupant la nostra eina d’explotació de dades que permet fer una anàlisi dels processos i resultats que anem obtenint en el dia a dia, i així ser conscients d’on hem de focalitzar l’atenció per millorar. D’altra banda, aprofitar l’ús secundari de les dades per fer recerca i generar algoritmes d’aprenentatge automàtic que siguin capaços d’ajudar el metge a prendre les decisions més encertades, més adequades, segons el perfil de cada malalt.

(Podeu llegir la primera part d’aquesta entrevista aquí)

Mejora de la calidad asistencial en las unidades de cuidados intensivos. El programa PADRIS en la Tarragona Datathon 2018 (primera parte)

7 febr.

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…)

Millora de la qualitat assistencial a les unitats de cures intensives. El programa PADRIS a la Tarragona Datathon 2018 (primera part)

7 febr.

El passat mes de novembre, AQuAS va tenir un rol rellevant amb el programa PADRIS a la Critical Care Data Analysis Summit and Tarragona Datathon 2018. Teníem pendent de parlar-ne des d’aleshores.

El programa PADRIS contribueix a la millora de la salut de les persones facilitant als investigadors dels centres de recerca de Catalunya la reutilització de la informació anonimitzada de salut d’acord amb el marc legal i els principis establerts.

Ho veiem a la pràctica, a partir de l’experiència d’un professional?

Avui entrevistem Maria Bodí (@mariabodi23), metge del servei de Medicina Intensiva i Josep Gómez (@JosepGomezAlvarez), doctor en Biotecnologia, de l’Hospital Universitari de Tarragona Joan XXIII, experts en gestió clínica i aspectes de qualitat i seguretat de l’atenció sanitària. Com molts professionals de la salut, combinen l’activitat assistencial amb la recerca.

Com és el teu dia a dia?

Com a cap de Servei de Medicina Intensiva de l’hospital, en el meu dia a dia, la tasca fonamental se centra en la direcció del servei i l’organització de l’assistència al pacient crític, coordinant el treball dels professionals implicats. En el servei treballen més de 150 persones incloent professionals de medicina (especialistes en medicina intensiva, metges interns residents), infermeria, auxiliars d’infermeria, zeladors, fisioterapeutes i secretaria. Es tracta, a més, d’un servei que participa i col·labora en la docència dels graus de medicina, infermeria i fisioteràpia.

Tracto de facilitar que els professionals participin en l’estratègia del servei i tot això requereix articular i coordinar tots els esforços, amb un objectiu clar, i donar una assistència de qualitat als nostres pacients. És necessari facilitar i coordinar que els professionals participin en l’assistència, la gestió, la docència i la recerca en major o en menor grau. Això garantirà el compromís del treballador en l’estratègia del servei i de l’organització.

Si ens centrem en el col·lectiu mèdic, cada membre de l’equip es responsabilitza d’una àrea en concret de la nostra especialitat, de manera que facilitem la formació continuada de tot l’equip, l’avaluació dels resultats i el compromís en tirar endavant les accions que derivin de l’anàlisi dels nostres resultats.

L’experiència del format de Datathon que es va fer, què et va semblar?

La Datathon va ser el resultat de tot un recorregut fet en els darrers anys en el camp de l’ús secundari de les dades de la història clínica dels pacients per a la gestió i per a la recerca de primer nivell. L’experiència va ser molt bona. Ciència pura. Metges, tecnòlegs i tecnologia al servei de l’anàlisi de les dades de la vida real, per buscar la millor evidència científica.

En els darrers tres anys, el nostre grup ha aprofundit en l’estudi de les dades i també en l’avaluació de la qualitat i la seguretat de les dades per al seu ús secundari. Els nostres avenços ens han permès col·laborar amb altres equips punters, com ara l’equip del Dr. Leo Celi del Massachusetts Institute of Technology amb qui vam organitzar aquest esdeveniment.

De quina manera penses que es pot millorar la qualitat assistencial en les unitats de cures intensives?

Hem d’anar cap a la excel·lència. Abordar totes les dimensions de la qualitat assistencial. Millorar l’efectivitat, la seguretat i l’eficiència. Però si parlem de bons resultats i eficients, no parlem en termes de número d’actuacions a un cost determinat. Parlem d’aportar valor al pacient, a l’equip de treball, a l’organització, al sistema sanitari, i a la societat. Com fer-ho?

El nostre grup ha treballat en desenvolupar la metodologia per poder disposar d’indicadors de qualitat automàtics. Això ha estat possible perquè tots els dispositius de capçalera del pacient (ventilació mecànica, monitorització, màquines de diàlisi, etc.) estan connectats al sistema d’informació clínica, on s’integra també la informació de la història clínica de l’hospital, del laboratori, de les proves d’imatge, i on els professionals inclouen tota la informació de forma ordenada.

D’aquesta manera, mitjançant aquests indicadors dissenyats amb tecnologia innovadora, és possible avaluar processos assistencials i resultats. Si el professional participa en el disseny del procés assistencial, en la planificació, i coneix com s’estan fent les coses i quins resultats tenim, s’implica i es compromet amb els objectius del servei i de l’organització.

Així mateix, es requereix passar de la medicina reactiva cap a la medicina predictiva, preventiva i personalitzada. Tenim dades per començar a treballar en aquesta línia. Malgrat això, la dimensionalitat i la complexitat d’aquestes dades impedeix que els mètodes d’intel·ligència artificial siguin fàcils de traduir en models clínicament rellevants. L’aplicació de mètodes predictius d’avantguarda i la manipulació de dades requereix habilitats de col·laboració entre professionals experts del domini mèdic i del tecnològic i nous models de tractament i anàlisi de dades.

Hem llegit que es pot avaluar, en temps real, el risc en una unitat de cures intensives. Sembla difícil d’imaginar, què ens en pots dir?

Així és. Partim de la base que disposem de les dades emmagatzemades de tots els pacients que han ingressat en una UCI, o en més d’una UCI. Si la combinació d’un grup de variables (demogràfiques, clíniques, resultats de laboratori) ha suposat l’aparició d’una complicació o d’un esdeveniment advers, un model informàtic entrenat amb aquestes dades pot predir, si detecta de nou la combinació d’aquest grup de variables, el risc que aparegui la mateixa complicació o esdeveniment. Aquesta és la base de la medicina predictiva.

D’acord, però, per a què serveix, a la pràctica, l’avaluació d’aquest càlcul del risc?

Pot anar des d’analitzar el risc o predir l’aparició d’una complicació en el curs d’una malaltia, un problema relacionat amb la seguretat, un esdeveniment advers, la necessitat o l’increment de la dosi d’un determinat fàrmac o una teràpia específica. Pot predir la probabilitat de milloria o d’empitjorament, i fins i tot, el risc de morir d’un pacient per una malaltia.

La medicina ja disposava de calculadores de risc de morir per una malaltia basant-se en bases de dades completades a través del registres manuals per part del professional. Però ara, l’automatització del registre de les dades -i un exemple d’això són els sistemes d’informació clínica a les nostres UCIs-, la metodologia actual basada en big data i la intel·ligència artificial permet un detall molt superior a l’hora d’avaluar riscos.

Quan es parla de passar a un model sanitari basat en valor, què vol dir exactament?

Es tracta d’una organització del treball al voltant de les condicions específiques del pacient i que optimitza la seva cura. Es tracta de pagar a les organitzacions i als hospitals pel valor que aporten. Els resultats i el seu cost són els components clau del valor que el sistema sanitari i els professionals aportem als pacients. Però si parlem de resultats no considerem únicament si el pacient surt viu de la UCI, o no. Els resultats es mesuren en termes de qualitat, de capacitat de tornar a incorporar-se a la seva vida, al seu treball, etc.

Per això, per impulsar l’esforç de millora, ens hem de basar en el treball multidisciplinari i el model sanitari basat en valor suposa canviar el model de negoci de l’organització i fer una inversió en sistemes de mesurament, d’anàlisi de resultats clínics i de costos.

Quina importància li dones al fet que les dades s’obtinguin automàticament i no manualment?

Permet analitzar-les des d’una única font de dades, minimitza els errors i no requereix temps del professional en la introducció d’aquestes dades.

Com s’inclouen automàticament les dades?

A la UCI, els sistemes d’informació clínica han permès integrar tota la informació, a més de les dades que els professionals inclouen de forma ordenada durant el procés d’atenció al pacient crític, s’integren resultats de laboratori, de proves d’imatge, informació de la història clínica, i les dades de tots els dispositius de capçalera del pacient (ventilació mecànica, monitorització, màquines de diàlisi, etc.).

Què entenem per “ús secundari de les dades”?

L’ús primari és el que es fa dia a dia, a la capçalera del pacient, per prendre decisions quant a diagnòstic, tractament i planificació del procés d’atenció. Per exemple, d’acord a uns resultats de laboratori es determina si augmento la dosi d’un fàrmac.

Parlem d’ús secundari quan parlem d’utilitzar les dades per a la gestió o per a la recerca. L’objectiu final continua sent millorar l’atenció al pacient, evidentment.

(Continuarà…)