Uso de la inteligencia artificial para mejorar la notificación de errores de medicación
Una ilustración del entrenamiento de un mapa autoorganizado. La mancha azul es la distribución de los datos de entrenamiento y el pequeño disco blanco es el dato de entrenamiento actual extraído de esa distribución. Al principio (izquierda), los nodos SOM se colocan arbitrariamente en el espacio de datos. Se selecciona el nodo (resaltado en amarillo) más cercano al dato de entrenamiento. Se mueve hacia el dato de entrenamiento, al igual que (en menor medida) sus vecinos en la cuadrícula. Después de muchas iteraciones, la cuadrícula tiende a aproximarse a la distribución de datos (derecha). Crédito: DOI: 10.1016/j.array.2020.100049
Un novedoso método de aprendizaje automático ha descubierto los factores que son responsables de que las enfermeras informen, o no informen, errores no críticos en la dispensación de medicamentos
Los errores médicos son más común de lo que mucha gente piensa, y el tipo más frecuente proviene de la dispensación de medicamentos. Sin embargo, los errores no críticos rara vez se informan. Un grupo interdisciplinario de científicos dirigido por Renjie Hu de la Universidad de Iowa, Iowa City, EE. UU., ha desarrollado una metodología computacional para predecir los factores que hacen que las enfermeras sean más propensas a informar errores. Este trabajo se publica con acceso abierto en la revista Array de Elsevier.
Cada año mueren más personas en los EE. UU. por errores médicos que por cáncer de mama, SIDA y accidentes automovilísticos combinados. Sin embargo, estos incidentes solo forman la punta del iceberg; todos los tipos de errores médicos, incluidos los errores de medicación, no se notifican en gran medida, a menos que causen daños graves a los pacientes afectados. La tasa real de informes puede ser incluso tan baja como el cinco por ciento.
En un hospital típico, las enfermeras están involucradas en la administración de alrededor del 40 por ciento de los medicamentos; incluso si no administran los medicamentos ellos mismos, a menudo pueden observar cómo se administran. A pesar de la responsabilidad que se les atribuye, aducen muchas razones para no informar de los errores, especialmente cuando no se ha producido un daño grave. Estos incluyen el miedo a la culpa y las represalias de sus gerentes y sus compañeros.
Hay muchos factores que pueden influir en si, después de un incidente determinado, la enfermera en cuestión informará de un error. Estos incluyen factores relacionados con las relaciones de las enfermeras con sus gerentes, cuánto sienten que pertenecen a la institución y cuestiones de confianza, así como características demográficas básicas.
El método computacional desarrollado por Hu y su Sus colegas utilizan dos enfoques distintos de aprendizaje automático para buscar y luego visualizar patrones en los datos que sugieren qué factores son más importantes para determinar el comportamiento de las enfermeras en diferentes circunstancias. «Este es un método novedoso y poderoso que puede combinar el análisis no lineal y la visualización para revelar factores no lineales (como el comportamiento humano) en los datos y guiar al personal superior del hospital para mejorar su gestión», dice Hu.
Los investigadores consideraron tres tipos de errores de medicación de gravedad creciente: cuando se detectó y corrigió un error antes de que se cometiera; donde se cometió el error pero no hubo daño potencial para el paciente; y donde el paciente podría haber sido dañado pero no lo fue. Recolectaron datos relevantes sobre las enfermeras, sus gerentes e instituciones y su probabilidad declarada de informar los tres tipos de errores de las encuestas, y los usaron en redes neuronales paralelas para identificar aquellas variables que estaban más asociadas con una alta y baja probabilidad de informar errores.
Las variables más predictivas se visualizaron en cuadrículas de colores utilizando otra técnica de aprendizaje automático: los mapas autoorganizados. «Este análisis visual nos proporcionó un análisis exhaustivo de las variables seleccionadas», añade Hu. Mostró claras diferencias entre los errores menos severos, donde los juicios de las enfermeras fueron más afectados por las actitudes de sus pares, y los más graves, donde las actitudes de los gerentes fueron más importantes.
Explore más
El informe de errores de medicación no es indicativo de la seguridad del paciente Más información: Renjie Hu et al, Uso del aprendizaje automático para identificar los principales predictores de la disposición de las enfermeras a informar errores de medicación, Array ( 2020). DOI: 10.1016/j.array.2020.100049 Proporcionado por SciencePOD Cita: Uso de inteligencia artificial para mejorar la notificación de errores de medicación (2022, 19 de enero) consultado el 29 de agosto de 2022 en https://medicalxpress.com/news /2022-01-artificial-intelligence-medication-errors.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.