Mostrar el registro sencillo del ítem
Integrando un sistema de soporte a la decisión clínica en programas de optimización de medicamentos
dc.contributor.author | Gómez Costas, Daniel | |
dc.date.accessioned | 2025-06-25T09:05:42Z | |
dc.date.available | 2025-06-25T09:05:42Z | |
dc.date.issued | 2023 | |
dc.identifier.citation | Gómez Costas, D. (2023). Integrando un sistema de soporte a la decisión clínica en programas de optimización de medicamentos. (Trabajo Fin de Diploma de Especialización Inédito). Universidad Internacional de Andalucía, Sevilla. | es |
dc.identifier.uri | http://hdl.handle.net/10334/9937 | |
dc.description.abstract | 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. | es |
dc.description.abstract | Clinical decision support systems (CDSS) are an innovative tool leveraging artificial intelligence and specialist knowledge to optimize complex patient therapies. Our service has been utilizing a CDSS named Higea® since 2015, which has been validated and integrated into routine clinical practice. Higea® is capable of assimilating structured information from patients' medical history, analytics, and prescriptions. The objective of this project is to enhance the utilization of Higea®, specifically by designing medication alert packages that can identify patients who would benefit from proactive interventions in different drug stewardship programs. Six comprehensive alert packages were developed through a multidisciplinary approach, employing rigorous scientific methodology. Each package was linked to a specific drug stewardship program: antimicrobials, anticoagulants, analgesia, renal failure/nephrotoxics, elderly patients, and pharmacokinetics. These alerts were based on patient clinical information algorithms crafted by program experts and interpreted by Higea®. During the 28-day pilot phase, these alert packages were quantitatively analyzed and assessed for acceptance by clinicians. The results were promising, with positive predictive values ranging from 32% to 93%, and a higher rate of interventions triggered by the alerts. The majority of interventions carried out by the teams were classified as severity E on the NCC MERP scale, indicating that they had clinical significance. The project will undergo a comprehensive reevaluation after one year to evaluate its clinical and economic impact, as well as to propose training measures based on the alerts detected, customized by department. | en |
dc.format | application/pdf | en |
dc.format.extent | 46 páginas | es |
dc.language.iso | spa | es |
dc.publisher | Universidad Internacional de Andalucía | es |
dc.relation.ispartofseries | Diploma de Especialización en Digitalización e Innovación en Salud | es |
dc.rights | Attribution-NonCommercial-NoDerivatives 4.0 Internacional | * |
dc.rights.uri | http://creativecommons.org/licenses/by-nc-nd/4.0/ | * |
dc.subject | Sistemas de Soporte a la Decisión Clínica (SSDC) | es |
dc.subject | Inteligencia artificial | es |
dc.subject | Alertas clínicas | es |
dc.subject | Medicamentos | es |
dc.title | Integrando un sistema de soporte a la decisión clínica en programas de optimización de medicamentos | es |
dc.type | masterThesis | es |
dc.rights.accessRights | openAccess | es |
dc.type.hasVersion | publishedVersion | es |