Digitalización e Innovación en Salud

Permanent URI for this collectionhttps://hdl.handle.net/10334/9932

Browse

Browsing Digitalización e Innovación en Salud by Issue Date

Filter results by year or month
Now showing 1 - 15 of 15
  • Thumbnail Image
    Open AccessMaster Thesis
    MedScan : la solución inteligente para identificar y gestionar tus medicamentos con un simple teléfono
    (Universidad Internacional de Andalucía, 2023) Ruiz Núñez, Carlos Antonio; Ruiz Núñez, Carlos Antonio
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Directora: Dra. Nuria García-Agua Soler. El cumplimiento de la medicación, basado en la adherencia y la persistencia, es una de las piedras angulares del tratamiento de pacientes crónicos y mejorarlo es fundamental para obtener resultados óptimos en el manejo de sus enfermedades y evitar complicaciones. Aunque no siempre es posible su cumplimiento, debido a factores intrínsecos o extrínsecos al propio paciente, como puede ser un deficiente entendimiento de la terapia, no disponibilidad de la medicación, imposibilidad de verificar si la pastilla es la correcta, etc. Para mejorar estos resultados se inicia un proyecto innovador, MedScan, que proporciona una herramienta digital para ayudar a que los pacientes sigan su tratamiento de manera adecuada, mejorando la adherencia. Con una fotografía se podrá conocer que pastilla es, su posología habitual, interacciones, contraindicaciones, etc. En versiones futuras se podrá personalizar con el propio tratamiento del usuario, lo que nos proporcionará información de primera mano sobre su cumplimiento y otros factores relacionados con los datos en salud.
  • Thumbnail Image
    Open AccessMaster Thesis
    Desarrollo de una herramienta de inteligencia artificial para detectar recaídas en pacientes con cáncer de mama
    (Universidad Internacional de Andalucía, 2023) Martín Clavo, Susana; Martín Clavo, Susana
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Tutor: Dr. Tomás Urda Valcárcel. Introducción: La predicción de recidiva en pacientes que han sido operados de cáncer de mama juega un papel muy importante en tareas médicas como el diagnóstico y la planificación del tratamiento que hay que realizarle al mismo. Las redes neuronales artificiales se muestran como una herramienta potente para el análisis de conjuntos de datos donde hay relaciones no lineales entre los datos a estudio y la información a ser pronosticada. Objetivo: - Objetivo general: analizar e identificar variables clínicas sobre pacientes con cáncer de mama con el fin de obtener patrones estadísticos y desarrollar un modelo predictivo basado en inteligencia artificial que detecte posibles recaídas. - Objetivos específicos: definir la técnica o algoritmo requerido que automatice esa generación de modelos para el análisis de la información con respecto al seguimiento, control y posible recaída del cáncer de mama. Material y métodos: estudio descriptivo con el objeto de identificar y caracterizar diferentes variables (clínicas, fisiopatológicas, tumorales, moleculares) de pacientes que han sufrido cáncer de mama para finalmente obtener una herramienta de inteligencia Artificia (IA) o algoritmo que pueda identificar factores de riesgo de recaída con una precisión óptima, para brindar un tratamiento adecuado de forma precoz acorde a las nuevas evidencias. Resultados: para nuestra investigación, el modelo teórico final propuesto sería el de Redes Neuronales Artificiales (RNA). La RNA es un método de aprendizaje supervisado empleado para dar solución a problemas de clasificación y regresión en aprendizaje automático. Un aspecto crucial para poder realizar aprendizaje y diagnóstico en la red neuronal es seleccionar dos conjuntos independientes de datos procedentes de la base de datos de los pacientes, que serán usados respectivamente para el entrenamiento de la red y para validar la eficacia de la predicción. Conclusiones: gracias a la digitalización de grandes cantidades de datos, el desarrollo de algoritmos de Aprendizaje Automático y la mejora de la capacidad de cálculo de los ordenadores de las últimas décadas, la IA puede abrir excelentes oportunidades para la automatización de tareas, la aplicación de la medicina de precisión o el avance en la investigación a través de la detección de patrones complejos en bases de datos médicas.
  • Thumbnail Image
    Open AccessMaster Thesis
    "FARMA Más cerca" : teleconsulta para mejorar la continuidad asistencial con tus farmacéuticos
    (Universidad Internacional de Andalucía, 2023) Espinosa Bosch, María; Espinosa Bosch, María
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Carlos Bringas Roldán. La falta de coordinación entre los distintos niveles asistenciales puede dificultar la continuidad en la atención sanitaria de los pacientes, lo que puede conllevar errores en la medicación, falta de adherencia terapéutica o efectos adversos de los tratamientos que podrían haberse prevenido o que se pueden aliviar para mejorar la calidad de vida de los pacientes. En los últimos años, se ha puesto en marcha el servicio de entrega de medicación hospitalaria a través de las oficinas de farmacia con la colaboración del Consejo Andaluz de Colegios Farmacéuticos, de la cooperativa farmacéutica Bidafarma y del Servicio Andaluz de Salud; sin embargo, este servicio debe complementarse con una atención farmacéutica de calidad para que se realice un uso seguro de los medicamentos. Por tanto, es fundamental establecer una conexión efectiva entre la farmacia comunitaria y hospitalaria, con el fin de mejorar la continuidad asistencial. Para avanzar en este servicio se hace necesario implementar estrategias de digitalización de los servicios de salud y la telefarmacia se ha convertido en una alternativa cada vez más demandada para la atención remota a los pacientes. En este proyecto se propone el desarrollo de complementos a las aplicaciones actualmente en marcha para favorecer esta continuidad asistencial, de modo que partiendo de las aplicaciones Axonfarma y Teleconsultas de Diraya se pueda crear un circuito para la atención farmacéutica a distancia de los pacientes que lo requieran. Los objetivos de este proyecto son: - Mejorar la coordinación y comunicación entre la farmacia comunitaria y hospitalaria para favorecer la continuidad asistencial; - Ofrecer un servicio de teleconsultas a los pacientes a los que se les envía la medicación a través de la farmacia comunitaria; - Facilitar el acceso a la atención sanitaria de pacientes con dificultades para desplazarse a la farmacia hospitalaria o con problemas cognitivos o de audición, entre otros mediante la intermediación de los farmacéuticos comunitarios. La metodología propuesta consiste en los siguientes pasos: - Establecer una conexión entre la farmacia comunitaria y hospitalaria a través del programa Axonfarma; - Incluir en Axonfarma una opción para la comunicación entre farmacia hospitalaria y comunitaria para: o resolver dudas sencillas, mediante un aplicativo de mensajería instantáneo o resolver cuestiones más complejas para lo cual se concertará una teleconsulta entre el paciente y el FH o entre paciente – FH – FC según la necesidades específicas; - Utilizar la aplicación de teleconsultas de Diraya para llevar a cabo las teleconsultas dentro de una actividad agendada y registrada; - Formar a los farmacéuticos comunitarios y hospitalarios en el uso de la plataforma de teleconsulta y en la comunicación entre las farmacias; - Ofrecer al paciente la opción de conectarse a la teleconsulta desde su propio dispositivo o bien desde un dispositivo de la farmacia comunitaria, para asegurar el soporte para pacientes que sufren la brecha digital; - Evaluar el impacto del servicio de telefarmacia en la continuidad asistencial y en la satisfacción del paciente y de los profesionales mediante la recopilación de datos antes y después de la implantación del proyecto; - Registro y análisis de las consultas más frecuentes y puesta en marcha de soluciones genéricas que faciliten el abordaje proactivo de las mismas.
  • Thumbnail Image
    Open AccessMaster Thesis
    Implantación de un sistema de soporte a la toma de decisiones clínicas en el proceso de validación farmacéutica
    (Universidad Internacional de Andalucía, 2023) Martín Barbero, María Luisa; Martín Barbero, María Luisa
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Tutor: Dr. Juan E. del Llano Señaris. Justificación: Numerosas publicaciones sobre seguridad del paciente y calidad en la asistencia sanitaria han destacado la importancia de la prevención de los errores de medicación (EM), que suponen una amenaza para la seguridad del paciente y un gran impacto en el gasto sanitario. La fase de prescripción en la que se producen con mayor frecuencia estos errores. La implantación de nuevas tecnologías ha demostrado ser una estrategia eficaz en la prevención de estos errores. Los sistemas de soporte a la toma de decisiones clínicas avanzados (SSDCa) incorporan las características clínicas de los pacientes al proceso de la validación para generar recomendaciones individualizadas que ayuden a los clínicos a tomar las decisiones más adecuadas. Objetivo: Implantar un sistema de soporte a la toma de decisiones clínicas que permita aumentar la seguridad de la farmacoterapia, y evaluar el impacto de su incorporación al proceso de validación en términos de eficiencia y seguridad. Método: Disponemos de un software capaz de integrar la información clínica del paciente, procedente de las diferentes sistemas de información del hospital (prescripción electrónica, y laboratorios: hematología, inmunología, bioquímica y farmacogenética) y de generar recomendaciones de tratamiento en función de un paquete de reglas clínicas de eficiencia y seguridad previamente definidas e incorporadas al sistema. Para evaluar la herramienta se calcula la tasa de detección de errores, la gravedad potencial de los errores y la probabilidad de los errores de causar daño al paciente (PAE), así como una estimación de los costes evitados. Resultados: Con la incorporación de la herramienta se duplico la tasa de detección de errores de 41,6 vs 83,6 errores/ 100.000 líneas validadas. En cuanto a la gravedad potencial de los errores, el 24,4% (52 casos) de los errores presentaban una gravedad menor, el 70,1% (147 casos) gravedad moderada, el 5,1% (10 casos) seria y el 0,5% (1 casos) catastrófica. Ningún error fue considerado de gravedad nula . El 60,3% (126 casos) de los errores presentaban una probabilidad nula/muy baja/baja de producir un daño al paciente en ausencia de nuestra intervención, y el 39,7% (84 casos) una probabilidad media/alta de producir un daño al paciente. En el análisis del coste evitado, sólo se tuvieron en cuenta algunos errores de gravedad moderada y los de gravedad seria, por ser éstos los que producen un ingreso o prolongación de la estancia hospitalaria y por este motivo serán los que con mayor probabilidad supongan un coste extra para el Sistema Sanitario. De los 84 errores que se tuvieron en cuenta para el análisis del coste evitado, el 19,3% (16 casos) presentaban una PAE de 0,6, el 65,6% (55 casos) una PAE de 0,4, el 14,4% (12 casos) una PAE de 0,1, el 0,5% (1 casos) una PAE del 0,01. Estos resultados suponen un coste evitado de 221.910€. Conclusiones: Este SSDC ha conseguido mejorar la seguridad del paciente, gracias a la reducción de errores de prescripción, y reducir el impacto económico asociado a dichos errores, optimizando así el proceso de validación. Creemos que esta herramienta es fácilmente implantable en otros centros.
  • Thumbnail Image
    Open AccessMaster Thesis
    Inteligencia empresarial para la visualización y análisis de datos de indicadores de actividad de telefarmacia en un cuadro de mando de un servicio de farmacia de hospital
    (Universidad Internacional de Andalucía, 2023) Molinero Muñoz, María; Molinero Muñoz, María
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Eduardo Guzmán. Objetivo: La consolidación de la Telefarmacia en el contexto de la pandemia por la COVID-19 exige manejar a tiempo real un gran volumen de datos de actividad mediante análisis de datos. El objetivo de este trabajo fue diseñar un cuadro de mando ágil, personalizable y dinámico para la visualización y análisis de indicadores de actividad en Telefarmacia en un servicio de farmacia de hospital, mediante el empleo de herramientas avanzadas de inteligencia empresarial (business intelligence). Método: Un equipo de trabajo multidisciplinar desarrolló una herramienta de software entre abril y mayo de 2021 impulsado desde el servicio de farmacia de hospital. Una vez consensuados los indicadores de interés en Telefarmacia, se extrajeron los datos a partir de bases de datos brutas (base de datos de Telefarmacia, programa de dispensación de pacientes externos, bases de datos administrativas, catálogos de fármacos) mediante análisis de datos. La integración de las diferentes fuentes de datos en el cuadro de mando se realizó mediante PowerBI®. Se .definió el manejo de los datos perdidos y duplicados y se aplicó preprocesamiento, normalización y transformación de los datos. Una vez validado el piloto por diferentes tipos de usuarios, se diseñó la estructura para actualización automática de los paneles con las sucesivas actualizaciones de las fuentes de datos. Resultados: Diseño e implementación de un cuadro de mando de la actividad en Telefarmacia: panel descriptivo general (perfil demográfico de pacientes, recuento y condiciones de envíos, programa y servicio médico); geolocalización de destino; perfil farmacológico; análisis relativo de los pacientes beneficiarios de Telefarmacia respecto del total de pacientes externos. En el último corte, a enero de 2022, se habían incluido datos de 16.000 dispensaciones con entrega informada a más de 4.000 pacientes, lo que supone que el 21,93% de los pacientes externos han estado en algún momento en el programa de Telefarmacia. La aplicación de filtros permite visualizar la evolución temporal, caracterizar grupos de pacientes y dimensionar la actividad por programas. Conclusiones: El procesamiento de paquetes de datos de Telemedicina, de gran volumen, difícil manejo y procedentes de diversas fuentes relativas a Telefarmacia mediante inteligencia empresarial, en un servicio de farmacia de hospital, permite sintetizar la información y proporcionar informes personalizados y visualizaciones dinámicas y atractivas. La aplicación de estas nuevas tecnologías puede ayudarnos a mejorar la toma de decisiones estratégicas, tanto clínicas como de gestión.
  • Thumbnail Image
    Open AccessMaster Thesis
    Transformación de la salud digital : aplicaciones de la inteligencia artificial y dispositivos conectados en la gestión de enfermedades crónicas
    (Universidad Internacional de Andalucía, 2023) Martín Salazar, María Aranzazu; Martín Salazar, María Aranzazu
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Tutor: Dr. Juan Ernesto del Llano Señaris. En resumen, este trabajo se sumerge en el fascinante mundo de la salud digital, explorando cómo la inteligencia artificial y los dispositivos conectados están redefiniendo la atención médica y ofreciendo soluciones innovadoras para el manejo de enfermedades crónicas.
  • Thumbnail Image
    Open AccessMaster Thesis
    Utilización de la salud móvil para mejorar la comunicación y seguridad de los pacientes oncológicos durante la pandemia de la COVID-19
    (Universidad Internacional de Andalucía, 2023) Escudero Vilaplana, Vicente Damián; Escudero Vilaplana, Vicente Damián
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Tomás Urda Valcárcel. Objetivo: Nuestro objetivo fue evaluar el impacto de una aplicación móvil (app) en la comunicación remota de los pacientes con cáncer y en la seguridad de sus tratamientos durante la pandemia provocada por el SARS-CoV-2. Material y métodos: Estudio observacional, longitudinal y prospectivo, para evaluar el impacto de un modelo de atención farmacéutica digital al paciente oncológico a través de una app. Se incluyeron pacientes en tratamiento con antineoplásicos atendidos en el Servicio de Farmacia de un hospital de tercer nivel que tuvieron instalada la app entre febrero 2020-abril 2021. Resultados: Se incluyeron 158 pacientes (66,0% mujeres, edad media 56,6 años). El 47,5% de los pacientes utilizaron la app para comunicarse con los farmacéuticos (media de 6,9 mensajes/paciente). Los tipos de mensajes más frecuentes fueron: agradecimientos por la atención recibida (21,9%), dudas sobre el manejo de los efectos adversos (21,1%) y la revisión de interacciones farmacológicas (13,6%). El número de mensajes se incrementó en los momentos de mayor incidencia de la infección de las primeras olas. El 22,5% de los pacientes registró al menos un efecto adverso (EA) durante el periodo de estudio. En total, se registraron 142 EA. Respecto a la usabilidad, se registraron una media de 285,1 (DE= 55,7) interacciones diferentes con la app al mes. Conclusiones: Nuestra app ha permitido un seguimiento cercano y en tiempo real de los pacientes en tratamiento con antineoplásicos durante la pandemia producida por el SARSCoV- 2. La app facilitó la comunicación con los pacientes oncológicos y permitió la monitorización de la seguridad de sus tratamientos.
  • Thumbnail Image
    Open AccessMaster Thesis
    Aproximación al uso de herramientas de aprendizaje automático para la predicción de efectos adversos en pacientes con inmunoterapia
    (Universidad Internacional de Andalucía, 2023) Paradela Carreiro, Adolfo; Paradela Carreiro, Adolfo
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Eduardo Guzmán De los Riscos. La FDA ha puesto a disposición del público una herramienta que permite descargar los datos del sistema de notificación de eventos adversos (FAERS), que recoge información proporcionada por la industria farmacéutica, los profesionales y los pacientes, sobre efectos adversos de medicamentos (EAM). Se descargó localmente la totalidad de los registros correspondientes a 2022, lo que permitió una aproximación a las técnicas de Machine Learning (ML) partiendo de una amplísima colección de datos, obtenidos en vida real, de los que se seleccionaron los correspondientes a los Inhibidores de los puntos de control inmunitario (ICIs): avelumab, atezolizumab, cemiplimab, durvalumab, nivolumab, pembrolizumab e ipilimumab. Durante el proceso de extracción y depuración de los datos se han constatado las limitaciones intrínsecas a un sistema de notificación voluntaria de efectos adversos. El conjunto de datos depurado se analizó utilizando herramientas de hoja de cálculo y de aprendizaje automatizado (algoritmo J48 implementado sobre Weka). El análisis con herramientas propias de una hoja de cálculo (Excel), fundamentalmente tablas dinámicas, es viable para “data set” de hasta un millón de registros, aunque puede ser complejo y lento. En este estudio, fue posible conocer la distribución de las notificaciones de efectos adversos por medicamento y sexo, grupos de edad, etc. También fue posible conocer y ordenar los EAM más notificados y los medicamentos implicados. Se aplicó también un modelo de aprendizaje automático basado en el algoritmo J48 implementado en el aplicativo Weka. Los resultados, cuya comprensión se facilitó al disponer como referencia del análisis con hoja de cálculo, fueron útiles cuando se buscó la asociación entre efecto adverso, sexo y medicamento, ya que permiten visualizar (y en cierta medida cuantificar), para cada efecto adverso el medicamento más frecuentemente asociado. El modelo tiene un funcionamiento peor cuando se analiza la relación efecto adverso-grupo de edad y medicamento, debido a la menor calidad de los datos de partida. Esta memoria pretende poner en práctica los conocimientos adquiridos por el alumno a lo largo del curso. Por ello, la extrapolación de los resultados a una potencial utilidad en práctica clínica, está sujeta a múltiples limitaciones, tanto derivadas de los datos de partida como de la idoneidad del algoritmo empleado. No obstante, puede servir de base para estudios posteriores, con algoritmos más sofisticados, que permitan crear un sistema predictivo inteligente del riesgo de desarrollar efectos adversos graves en pacientes a tratamiento con este grupo farmacológico.
  • Thumbnail Image
    Open AccessMaster Thesis
    Las consecuencias de la brecha digital originadas por la edad : un enfoque desde la salud mental
    (Universidad Internacional de Andalucía, 2023) Barreda Gutiérrez, Marina; Barreda Gutiérrez, Marina
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Roberto Nuño Solinís. En los últimos tiempos, la tecnología convive con nosotros todos los días. Sin embargo, en las personas mayores puede ocurrir que el uso y empleabilidad de la tecnología en el día a día sea más complicado o incluso nulo por desconocimiento. Los más jóvenes nacieron rodeados de tecnología, lo que les hace tener capacidades superiores a la hora de manejar la tecnología en comparación con las personas mayores. En definitiva, las personas mayores han crecido sin tecnología y con el tiempo sus caminos se han cruzado. Por lo tanto, este evento puede producir lo que se conoce como “brecha digital”. La brecha digital es una distribución desigual en el acceso, uso o impacto de las tecnologías de la información y la comunicación entre los grupos sociales. Por lo tanto, el objetivo de este estudio es examinar si existe una brecha digital entre los adultos mayores europeos y mostrar el efecto sobre la salud mental de las personas. De esta forma, analizamos cómo surgen las características de la salud mental de los individuos y si, en particular, las características tecnológicas (brecha digital) provocan un empeoramiento de la salud mental. Además, examinamos si, a lo largo del tiempo, la brecha digital ha tenido un mayor impacto en la salud mental de los adultos mayores. Para ello, se utilizan datos publicados recientemente de la Encuesta sobre Salud, Envejecimiento y Jubilación en Europa. Los resultados permiten extraer importantes conclusiones y pueden ser de utilidad para el desarrollo de políticas públicas para promover la convergencia en salud y la digitalización.
  • Thumbnail Image
    Open AccessMaster Thesis
    Proyecto de creación, implementación y validación de un modelo de predicción de riesgo quirúrgico
    (Universidad Internacional de Andalucía, 2023) Abrisketa Zabala, Javier; Abrisketa Zabala, Javier
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Salvador Peiró Moreno. Este trabajo es un proyecto que tiene como objetivo la creación y validación de modelos de predicción de riesgo quirúrgico en cuanto a la predicción de complicaciones en pacientes pendientes de intervención quirúrgica durante la intervención, en el postoperatorio inmediato y hasta el mes del alta. En este trabajo se plantea el análisis de datos de pacientes en un hospital. Se plantea un estudio en tres fases: 1ª fase: Desarrollo del modelo predictivo mediante un estudio de cohortes retrospectivo en el que se reclutarán pacientes intervenidos en el hospital a lo largo de 2 años y se obtendrán datos desde el preoperatorio hasta el mes del alta de la intervención. Para la identificación y creación de estos modelos se utilizarán técnicas de machine learning, que es la rama que más peso tiene actualmente dentro de la inteligencia artificial. Dentro del machine learning, el aprendizaje supervisado es el área con más aplicaciones. El aprendizaje supervisado permite a los ordenadores aprender a realizar tareas mediante el descubrimiento de patrones complejos en grandes cantidades de datos y la posterior explotación de los mismos. En el caso concreto de los datos procedentes de la historia clínica electrónica (en adelante, HCE), los algoritmos de machine learning nos permiten emplear el histórico de datos de cada paciente para que el ordenador aprenda a anticipar eventos futuros de manera personalizada, basándose en combinaciones complejas de los históricos de las variables disponibles. 2ª fase: Evaluación de resultados tras la implementación de los modelos en la HCE. 3ª fase: Validación externa de los modelos creados en la primera fase en una cohorte de pacientes intervenidos otros hospitales. Para este trabajo se emplearán variables sociodemográficas y clínicas. Esta información será extraída del sistema de explotación de datos de la HCE corporativa y de la herramienta bussiness intelligence (BI) corporativa. Hay varios objetivos en este trabajo:  Crear un instrumento de ayuda a la toma de decisiones que permita revertir en mejores resultados para el paciente y en su seguridad.  Sostenibilidad del sistema sanitario: con este instrumento de apoyo a la toma de decisión se espera que la asistencia urgente sea prestada de manera más eficiente, es decir, discriminando mejor a los pacientes que más lo necesitan.  Modernizar los sistemas actuales: mediante la integración de estos modelos en la HCE.
  • Thumbnail Image
    Open AccessMaster Thesis
    Transformación digital en el ámbito de la farmacia : el uso de asistentes virtuales con inteligencia artificial como herramienta de apoyo en el uso racional de medicamentos
    (Universidad Internacional de Andalucía, 2023) Guiu Segura, Josep Maria; Guiu Segura, Josep Maria
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Tutor: Dr. Carlos Bringas Roldán. La aplicación de herramientas de inteligencia artificial en el mundo de la salud trata de lograr la mejora de la atención de los pacientes y mejorar los procesos de salud, entre los cuales puede ser especialmente útil en el ámbito del medicamento. Hasta la fecha, se han propuesto iniciativas para mejorar la adherencia, la seguridad y la selección de tratamientos, así como para comparar su efectividad y medir el uso y el costo de recursos. Estas herramientas permiten no solo mejorar la atención, sino facilitar la toma de decisiones y promover la eficiencia en el uso de medicamentos, lo que contribuye a mejores resultados de salud y a la sostenibilidad del gasto. Para llevar a cabo estas estrategias, los sistemas de salud están desarrollado líneas de trabajo para intervenir en los diferentes puntos del ciclo de vida del medicamento y optimizar su uso. Además, el uso de la inteligencia artificial facilita la comunicación y la labor asistencial de los profesionales de la salud. Este trabajo tiene como objetivo presentar el estado del arte de la aplicación de los asistentes virtuales basados en IA en el ámbito de la salud, con especial énfasis en el área de los medicamentos. Por este motivo, se ha realizado una revisión bibliográfica de los asistentes virtuales en el ámbito de la salud y se han identificado distintas soluciones disponibles actualmente. Se han identificado 20 asistentes virtuales en el ámbito de la salud en el mercado, que realizan diversas funciones como evaluación de síntomas, educación sanitaria y farmacológica, recordatorio de medicación, terapia virtual, triaje y derivación a consulta con profesionales de la salud. La mayoría de los asistentes virtuales identificados utilizan el procesamiento del lenguaje natural para procesar texto abierto y generar texto sintético de calidad y una pequeña parte también se apoya en redes bayesianas para realizar consultas en bases de datos internas. Se puede concluir que la posible falta de proyectos y soluciones de asistentes virtuales en el ámbito de los medicamentos implica una oportunidad de investigación y desarrollo en este campo.
  • Thumbnail Image
    Open AccessMaster Thesis
    Robotización integral del almacenamiento y la dispensación de medicamentos en un servicio de farmacia
    (Universidad Internacional de Andalucía, 2023) Suárez del Olmo, David; Suárez del Olmo, David
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Gonzalo Ramos Jiménez. Desde la creación del primer Servicio de Farmacia Hospitalaria (SFH), el proceso de gestión logística del medicamento, que comienza con su entrada en el hospital y termina con su administración al paciente, ha supuesto un importante reto para los profesionales sanitarios implicados en él. Este reto ha evolucionado a lo largo de los años hasta convertirse en un modelo de gestión más eficiente y, en definitiva, una mayor calidad asistencial. La seguridad del paciente es una prioridad para las organizaciones sanitarias, los profesionales que trabajan en ellas y para los pacientes y cuidadores. Su consolidación debe ir de la mano del desarrollo tecnológico que se está produciendo en los hospitales. La robotización en este ámbito hospitalario tiene muchas utilidades que son ya una realidad, como por ejemplo, para establecer el diagnóstico de algunas enfermedades, para las intervenciones quirúrgicas y para los sistemas de dispensación y almacenamiento de medicamentos, entre otras. Dentro de este contexto, el Servicio Madrileño de Salud (SERMAS) está verdaderamente implicado en el desarrollo tecnológico y en la innovación de procesos orientada a mejorar la atención que se brinda a los pacientes en todos los niveles asistenciales. Por ello, desde la Subdirección General de Farmacia y Productos Sanitarios se ha promovido el Proyecto de Innovación Tecnológica para los Servicios de Farmacia del SERMAS. En este marco se ha diseñado un innovador proyecto de robotización integral del almacenamiento y la dispensación de medicamentos en el Servicio de Farmacia del Hospital Universitario Severo Ochoa (HUSO).
  • Thumbnail Image
    Open AccessMaster Thesis
    Propuesta de creación de la carpeta de salud maternal para mujeres gestantes dentro de la app de un servicio de salud
    (Universidad Internacional de Andalucía, 2023) Fernández Iglesias, Susana; Fernández Iglesias, Susana
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Jaime del Barrio Seoane. El embarazo es una etapa en la vida de las mujeres que precisa de un especial seguimiento para evitar posibles complicaciones en las gestantes y facilitar el nacimiento de un hijo o hija sanos. A lo largo de esta etapa, las mujeres precisan de información sobre los cambios anatómicos y funcionales durante el embarazo, alimentación, identificación de situaciones de alarma, etc, que son demandados frecuentemente a los profesionales sanitarios. En los últimos años, se ha acrecentado la utilización de las nuevas tecnologías lo que ha modificado los hábitos de seguimiento de los embarazos debido a que las mujeres gestantes pertenecen a una generación familiarizada con los dispositivos digitales y casi en su totalidad son poseedoras de smartphones o tablets. El Servicio Cántabro de Salud cuenta con una app, recientemente actualizada denominada “Mi Salud” que presenta diferentes funcionalidades y acceso a datos de la historia clínica. La creación de una carpeta de Salud Maternal a través de la app contribuiría a facilitar el seguimiento de las mujeres gestantes, ya que, mediante el volcado de los datos de seguimiento de su embarazo de la historia clínica, permitiría configurar una Cartilla de Salud del embarazo digital, documento que facilitaría la atención a estas mujeres por profesionales ajenos al servicio de salud de la mujer, ante cualquier incidencia sobrevenida o parto. Igualmente, a través de la carpeta de Salud Maternal, al igual que otras aplicaciones móviles de seguimiento de embarazo, se proporcionaría información y consejos personalizados actualizados y validados por obstetras, matronas y médicos de atención primaria pertenecientes al servicio de salud, como apoyo a las necesidades de las mujeres gestantes. Además, en el caso de gestantes de riesgo se facilitaría el registro de diferentes parámetros (tensión arterial, frecuencia cardiaca, peso, cifras de glucemia etc) de autocontrol.
  • Thumbnail Image
    Open AccessMaster Thesis
    Análisis de datos de dispensación de medicamentos a pacientes hospitalizados : un enfoque basado en WEKA y minería de datos
    (Universidad Internacional de Andalucía, 2023) Gómez Fernández, Encarnación; Gómez Fernández, Encarnación
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. José del Campo Ávila. Antecedentes: La prescripción electrónica y la automa2zación de la dispensación de medicamentos en el entorno hospitalario han mejorado la eficiencia y seguridad en la dispensación. Estos procesos generan una gran can2dad de datos que ofrecen oportunidades para su análisis y la op2mización de procesos. La minería de datos, respaldada por herramientas como WEKA, se presenta como una solución para extraer conocimiento valioso de estos datos en la Farmacia Hospitalaria. Material y método: Los datos de dispensación se recopilaron de tres fuentes: informes de llenado de carros de unidosis, informes de prescripción de un medicamento específico y análisis de datos de laboratorio e informes de sistemas automá2cos de dispensación. Los datos fueron preprocesados u2lizando Microso' Excel. Para el análisis, se u2lizó el programa WEKA, aplicando el algoritmo Apriori para reglas de asociación y el algoritmo J48 de árbol de decisión para reglas de clasificación. Resultados: Se iden2ficaron patrones de asociación entre diferentes principios ac2vos y grupos terapéu2cos dispensados en un servicio determinado. Sin embargo, no se obtuvieron relaciones significa2vas de clasificación entre los medicamentos dispensados y el servicio. Por otro lado, se establecieron diferentes reglas de asociación entre la prescripción de hierro, el servicio y la existencia de anemia. Se obtuvo un árbol de decisión que relacionó el valor de hemoglobina del paciente con la vía de administración del hierro prescrito. En un segundo árbol se relacionó el medicamento prescrito según el valor de hemoglobina del paciente y el sexo. Por úl2mo, se obtuvieron reglas de asociación entre diferentes principios ac2vos dispensados en los sistemas de dispensación automá2cos de los servicios de Cardiología, Neurología, Diges2vo y Urología- Nefrología. Conclusiones: La explotación de datos en Farmacia Hospitalaria resulta esencial para mejorar la calidad de la atención al paciente. En este estudio, el uso de WEKA permi2ó descubrir patrones ocultos y conocimientos valiosos en los registros de prescripción, dispensación y de datos de laboratorio. Los análisis de asociación y clasificación proporcionaron información ú2l para op2mizar los procesos de dispensación y mejorar la eficiencia y seguridad. La minería de datos es una poderosa herramienta que ayuda a la toma de decisiones en la Farmacia Hospitalaria.
  • Thumbnail Image
    Open AccessMaster Thesis
    Integrando un sistema de soporte a la decisión clínica en programas de optimización de medicamentos
    (Universidad Internacional de Andalucía, 2023) Gómez Costas, Daniel; Gómez Costas, Daniel
    Trabajo Fin de Diploma de Especialización en Digitalización e Innovación en Salud (2022-23). Director: Dr. Manuel Baena García. Los sistemas de soporte a la decisión clínica (SSDC) son una herramienta innovadora que utiliza inteligencia artificial y el conocimiento teórico de especialistas para optimizar terapias de pacientes cada vez más complejas. Desde 2015, nuestro servicio ha estado utilizando Higea®, un SSDC ya validado y utilizado en la práctica clínica habitual. Higea® integra información estructurada de historias clínicas, analíticas y prescripciones de los pacientes. Este proyecto surgió con el objetivo de llevar el uso de Higea® a nuevas dimensiones, integrándolo en los programas de optimización de medicamentos (POM) existentes en el hospital. Para ello, se diseñaron paquetes de alertas de medicación que permitieran identificar a los pacientes que podrían beneficiarse de intervenciones proactivas por parte de estos programas de optimización de medicamentos. Se diseñaron seis paquetes de alertas desde un enfoque multidisciplinar y con rigurosa metodología científica. Cada paquete se vinculó a un programa de optimización de medicamentos específico: antimicrobianos, anticoagulantes, analgesia, insuficiencia renal/nefrotóxicos, pacientes mayores y farmacocinética. Estas alertas se basaron en reglas de información clínica del paciente desarrollados por expertos en el programa e interpretados por Higea®. Durante la fase piloto de 28 días, estos paquetes de alertas se analizaron cuantitativamente y se evaluó su aceptación por parte de los clínicos. Los resultados fueron satisfactorios, con valores predictivos positivos que alcanzaron el 93%, y una mayor tasa de intervenciones realizadas en relación con las alertas generadas. La mayoría de las intervenciones llevadas a cabo por los equipos se clasificaron como gravedad E según la escala NCC MERP, lo que indica su relevancia clínica. El proyecto será reevaluado después de un año para analizar su impacto clínico y económico, así como para proponer de capacitación personalizadas por servicios basadas en las alertas identificadas.