Skrisovska T, Schwarz D, Kosinova M, Stourac P (2025)
Introducción
El error médico es un acto de omisión o comisión durante la planificación o ejecución que contribuye o podría contribuir a un daño no deseado a un paciente [ 1 ]. Los datos muestran que los errores médicos se encuentran entre las tres principales causas de muerte en todo el mundo, como lo destacan estudios fundamentales [ 2 , 3 ]. Reconociendo la gravedad de la situación, la Organización Mundial de la Salud (OMS) ha hecho de la seguridad del paciente una prioridad de salud global con su iniciativa “Acción mundial sobre seguridad del paciente: un decenio de seguridad del paciente 2020-2030” [ 4 ]. Esto subraya que la atención insegura al paciente sigue siendo un problema global crítico que supone una gran carga para los sistemas de atención sanitaria. Dada la complejidad de los sistemas de atención sanitaria y la participación de factores humanos, lograr un sistema libre de errores no es factible, y el enfoque está en minimizar la aparición y el impacto de los errores médicos [ 5 , 6 ]. Los aspectos clave para mejorar la seguridad del paciente implican no solo comprender y analizar las causas de los errores tanto a nivel individual como sistémico, sino también establecer sistemas resilientes que puedan responder, recuperarse y adaptarse a estos errores [ 7 , 8 ]. Lograr la resiliencia requiere un informe de errores sólido, que depende fundamentalmente de una terminología estándar y sistemas de clasificación. Un sistema de este tipo permite una comunicación, seguimiento y comparación consistentes de incidentes, formando así la base de un marco estructurado para el análisis de errores médicos [ 9 , 10 ]. Una taxonomía, que es un sistema de clasificación jerárquico organizado, es particularmente valiosa en este contexto, ya que permite una comprensión detallada de las relaciones entre las categorías de error [ 11 , 12 ]. Una taxonomía de errores médicos eficaz debe respaldar la documentación, la predicción y la reducción de errores, todo lo cual es fundamental para un informe significativo [ 13 ]. El uso de un lenguaje consistente y una terminología estándar permite la codificación, el filtrado, la clasificación y la organización de los datos de errores [ 14 ], lo que los hace adecuados para análisis e intervenciones tanto individuales como sistémicos. Los distintos tipos de errores requieren estrategias de intervención personalizadas, y una taxonomía bien estructurada puede guiar estos enfoques, fortaleciendo así la resiliencia general de las prácticas de atención médica ( Fig. 1 ). Los términos “taxonomía de errores” y “sistemas de clasificación de errores” a menudo se usan indistintamente porque organizan y categorizan los errores para una mejor comprensión y gestión. Sin embargo, algunos sistemas de clasificación de errores pueden abrumar a los proveedores de atención médica, lo que lleva a una posible subnotificación o categorización incorrecta, lo que puede complicar el análisis de dichos informes [ 15 ].
Abstract
Este estudio tiene como objetivo proporcionar una descripción actualizada de las taxonomías de errores médicos basándose en una revisión sólida realizada en 2011. Busca identificar las características clave de la taxonomía más adecuada para su uso en cursos de posgrado basados en simulación de alta fidelidad en Cuidados Intensivos. Si bien existen muchas taxonomías disponibles, ninguna parece estar diseñada explícitamente para el contexto único de la educación basada en simulación de atención médica, en la que los errores se consideran oportunidades de aprendizaje esenciales. En lugar de crear un nuevo sistema de clasificación, este estudio propone integrar taxonomías existentes para mejorar su aplicabilidad en la capacitación en simulación. A través de datos de encuestas a participantes y tutores en cursos de posgrado basados en simulación, este estudio proporciona un análisis exploratorio de si una taxonomía genérica o específica del dominio es más adecuada para la educación en atención médica. Si bien una clasificación genérica puede cubrir un amplio espectro de errores, un enfoque específico del dominio podría ser más relacionable y práctico para los profesionales de la salud en un dominio determinado, lo que potencialmente mejoraría las tasas de notificación de errores. Se identificaron siete vínculos fuertes en los sistemas de clasificación revisados. Estas correlaciones permitieron a los autores proponer varias estrategias de entrenamiento con simulación para abordar los errores identificados en ambos sistemas de clasificación. Este enfoque se centra en la gestión de errores y el fomento de una cultura de seguridad, con el objetivo de reducir los errores relacionados con la comunicación mediante la introducción de los principios de la gestión de recursos en situaciones de crisis, métodos de comunicación eficaces y la mejora general del trabajo en equipo. Los datos recopilados contribuyen a una mejor comprensión y formación sobre los errores médicos más frecuentes, y se encontraron correlaciones significativas entre las diferentes taxonomías de errores médicos, lo que sugiere que abordar una puede tener un impacto positivo en las demás. El estudio destaca la importancia de la educación basada en simulación en el ámbito sanitario para la gestión y el análisis de errores.
Cifras
Cita: Skrisovska T, Schwarz D, Kosinova M, Stourac P (2025) Exploración de taxonomías de errores médicos y factores humanos en la educación sanitaria basada en simulación. PLoS ONE 20(1): e0317128. https://doi.org/10.1371/journal.pone.0317128
Editor: Mukhtiar Baig, Facultad de Medicina de la Universidad Rey Abdulaziz, ARABIA SAUDITA
Recibido: 25 de abril de 2024; Aceptado: 21 de diciembre de 2024; Publicado: 17 de enero de 2025
Derechos de autor: © 2025 Skrisovska et al. Este es un artículo de acceso abierto distribuido bajo los términos de la Licencia de Atribución Creative Commons , que permite el uso, la distribución y la reproducción sin restricciones en cualquier medio, siempre que se reconozca al autor y la fuente originales.
Disponibilidad de los datos: Todos los datos relevantes para este estudio están disponibles públicamente en el repositorio Zenodo ( https://doi.org/10.5281/zenodo.14591686 ).
Financiación: Esta investigación fue financiada parcialmente por la subvención de investigación universitaria específica otorgada a la Universidad Masaryk por el Ministerio de Educación de la República Checa (MUNI/A/1595/2023, MUNI/A/1551/2023) y también parcialmente financiada por el Ministerio de Salud de la República Checa (FNBr, 65269705).
Intereses en conflicto: Los autores han declarado que no existen intereses en conflicto.
Introducción
El error médico es un acto de omisión o comisión durante la planificación o ejecución que contribuye o podría contribuir a un daño no deseado a un paciente [ 1 ]. Los datos muestran que los errores médicos se encuentran entre las tres principales causas de muerte en todo el mundo, como lo destacan estudios fundamentales [ 2 , 3 ]. Reconociendo la gravedad de la situación, la Organización Mundial de la Salud (OMS) ha hecho de la seguridad del paciente una prioridad de salud global con su iniciativa “Acción mundial sobre seguridad del paciente: un decenio de seguridad del paciente 2020-2030” [ 4 ]. Esto subraya que la atención insegura al paciente sigue siendo un problema global crítico que supone una gran carga para los sistemas de atención sanitaria. Dada la complejidad de los sistemas de atención sanitaria y la participación de factores humanos, lograr un sistema libre de errores no es factible, y el enfoque está en minimizar la aparición y el impacto de los errores médicos [ 5 , 6 ]. Los aspectos clave para mejorar la seguridad del paciente implican no solo comprender y analizar las causas de los errores tanto a nivel individual como sistémico, sino también establecer sistemas resilientes que puedan responder, recuperarse y adaptarse a estos errores [ 7 , 8 ]. Lograr la resiliencia requiere un informe de errores sólido, que depende fundamentalmente de una terminología estándar y sistemas de clasificación. Un sistema de este tipo permite una comunicación, seguimiento y comparación consistentes de incidentes, formando así la base de un marco estructurado para el análisis de errores médicos [ 9 , 10 ]. Una taxonomía, que es un sistema de clasificación jerárquico organizado, es particularmente valiosa en este contexto, ya que permite una comprensión detallada de las relaciones entre las categorías de error [ 11 , 12 ]. Una taxonomía de errores médicos eficaz debe respaldar la documentación, la predicción y la reducción de errores, todo lo cual es fundamental para un informe significativo [ 13 ]. El uso de un lenguaje consistente y una terminología estándar permite la codificación, el filtrado, la clasificación y la organización de los datos de errores [ 14 ], lo que los hace adecuados para análisis e intervenciones tanto individuales como sistémicos. Los distintos tipos de errores requieren estrategias de intervención personalizadas, y una taxonomía bien estructurada puede guiar estos enfoques, fortaleciendo así la resiliencia general de las prácticas de atención médica ( Fig. 1 ). Los términos “taxonomía de errores” y “sistemas de clasificación de errores” a menudo se usan indistintamente porque organizan y categorizan los errores para una mejor comprensión y gestión. Sin embargo, algunos sistemas de clasificación de errores pueden abrumar a los proveedores de atención médica, lo que lleva a una posible subnotificación o categorización incorrecta, lo que puede complicar el análisis de dichos informes [ 15 ].
Las taxonomías de errores médicos pueden ser genéricas o específicas de un dominio. Las taxonomías genéricas, como la clasificación de errores de Rasmussen (1987) en tipos basados en habilidades, reglas y conocimientos (SRK) [ 16 ], ofrecen una terminología amplia aplicable en varios campos, incluidas las organizaciones de alta confiabilidad como la aviación y la energía nuclear [ 17 ]. El modelo de Reason (1990) se basa en el trabajo de Rasmussen a través del Sistema de Modelado de Errores Genéricos (GEMS), que incorpora diversos mecanismos de error como deslices, lapsos y equivocaciones dentro del marco SRK. Otra taxonomía genérica destacada, el Sistema de Análisis y Clasificación de Factores Humanos (HFACS), se basa en los conceptos de Reason, pero recientemente se descubrió que era inadecuado para analizar eventos médicos adversos. Desde entonces, se ha validado un nuevo marco para el análisis de la causa raíz y el registro de dichos eventos, adaptado más estrechamente a los contextos de atención médica. Además, la Taxonomía de eventos de seguridad del paciente de la Comisión Conjunta de Acreditación de Organizaciones de Atención Médica (JCAHO, por sus siglas en inglés) (2005) organiza los sistemas de notificación en cinco clasificaciones principales: impacto, tipo, dominio, causa y prevención y mitigación [ 10 ]. Aunque estas taxonomías genéricas cubren una amplia gama de dominios, su amplia generalización puede limitar su eficacia para respaldar las recomendaciones de seguridad del paciente dentro de campos específicos [ 18 , 19 ].
Por el contrario, las taxonomías de errores médicos específicas de cada dominio, que contienen términos exclusivos de sus respectivos dominios, muestran una mayor confiabilidad debido a la terminología consistente utilizada en las taxonomías, los informes de incidentes y la clasificación final de los errores. Estas taxonomías se centran en áreas específicas de la medicina, como la atención primaria [ 20 ] y la cirugía [ 21 , 22 ]. Se pueden encontrar ejemplos adicionales en Cuidados críticos, que incluye atención de emergencia y medicina intensiva [ 23–26 ] .
Estos estudios suelen analizar incidentes reales de seguridad del paciente y, posteriormente, crean nuevas taxonomías o modifican las existentes para satisfacer las necesidades prácticas de la atención centrada en el paciente en los entornos de ritmo acelerado de los departamentos de emergencia y las unidades de cuidados intensivos. Sin embargo, las categorizaciones en estas taxonomías específicas del dominio pueden plantear desafíos para el intercambio de información en varios campos de la atención médica, especialmente cuando se consideran las diferencias en la gravedad de los casos de los pacientes y la naturaleza sensible al tiempo de la toma de decisiones, y el potencial de resultados graves o incluso fatales debido a errores en cuidados críticos en comparación con otros dominios [ 24 ].
Para mejorar la seguridad del paciente y la calidad de la atención en los entornos de cuidados intensivos, es esencial emplear un enfoque sistemático para identificar las causas fundamentales de los errores médicos. Nuestro estudio aborda esta necesidad explorando estrategias eficaces de gestión de errores en el marco de la educación basada en simulación. Evaluamos varias taxonomías para categorizar los errores médicos en los cuidados intensivos. Aunque la creación de una nueva taxonomía está fuera del alcance de nuestro estudio, esta investigación exploratoria ofrece un punto de partida para futuros esfuerzos destinados a establecer una taxonomía que pueda respaldar eficazmente la comprensión y la reducción de los errores médicos en este contexto. Nuestro estudio también se basa en una revisión exhaustiva publicada en 2011, que proporciona una perspectiva actualizada sobre las taxonomías de errores médicos y determina las características esenciales de una taxonomía adecuada para la formación de posgrado en entornos de simulación de cuidados intensivos.
Round et al. propusieron una segunda taxonomía práctica para las sesiones educativas, a la que comúnmente se hace referencia como los “diez errores mortales” [
26 ]. Esta taxonomía, ilustrada en
la Figura 3 , ofrece conceptos clínicos para comprender los orígenes de los errores médicos con posibles aplicaciones en varios entornos de educación médica
Realizamos una encuesta con participantes de posgrado que asistían a cursos de simulación de alta fidelidad en Cuidados Intensivos en el Centro de Simulación de la Universidad Masaryk (SIMU) en Brno, República Checa. La encuesta recopiló datos de 124 participantes y 13 tutores sobre los tipos y la ocurrencia de errores médicos observados o realizados durante las simulaciones, así como su frecuencia en la práctica diaria. Cada sesión de simulación fue precedida por una sesión informativa estándar que incluía una introducción a la encuesta y una descripción general de los tipos de errores médicos con las definiciones proporcionadas en el cuestionario ( Apéndice S1 ). Después de cada sesión de simulación, se proporcionó retroalimentación estructurada a los estudiantes en forma de informe final, enfatizando las habilidades técnicas y no técnicas, con un enfoque en los incidentes que pueden comprometer la seguridad del paciente. La encuesta se realizó entre el 1 de marzo de 2021 y el 27 de octubre de 2022. Todos los participantes dieron su consentimiento informado al inicio de la encuesta y los datos fueron anonimizados. El estudio se adhirió a las leyes locales y los estándares institucionales y no implicó ninguna intervención.
En nuestra encuesta, exploramos la ocurrencia y la naturaleza de los errores médicos con el fin de vincular las observaciones de los cursos basados en simulación con la práctica clínica del mundo real. Se preguntó a los participantes si observaron algún tipo de error médico durante el curso de simulación, con respuestas binarias de «sí» o «no», y que especificaran los tipos de error utilizando categorías predefinidas de las taxonomías de Reason y Round. Los participantes también clasificaron la frecuencia de los errores médicos en su práctica diaria. Tuvieron la oportunidad de describir los errores específicos observados durante las simulaciones y los que encontraron en sus propias experiencias clínicas. Este enfoque estructurado permitió una comprensión más profunda de las conexiones entre los errores en escenarios simulados y los que ocurren en entornos clínicos reales, destacando así el potencial educativo de la capacitación basada en simulación.
Estadísticas y resultados
Tras la recopilación de datos, examinamos las relaciones entre las taxonomías de errores médicos de Reason y Round para identificar asociaciones significativas. La figura 4 describe los procesos de preprocesamiento y análisis de datos, desde el manejo inicial de los datos hasta la identificación de vínculos clave entre estos sistemas de clasificación.
Fig. 4. Diagrama de flujo que ilustra la metodología para examinar las asociaciones de errores médicos.
La metodología implicó la recolección de datos de 124 participantes y 13 tutores, la exploración de la relación entre las clasificaciones de errores médicos utilizando el coeficiente de correlación tau de Kendall y la identificación de asociaciones significativas con el umbral. Se realizó la limpieza de datos, la introducción de valores faltantes y el reescalado lineal de la matriz de datos resultante (105 × 15), seguido del análisis para identificar los tipos más comunes de errores médicos y sus asociaciones con diferentes sistemas de clasificación.
Discusión
Este estudio aporta nuevos conocimientos sobre las relaciones entre las taxonomías de errores médicos genéricos y específicos de cada dominio, en particular en la educación médica basada en simulación. Al examinar las correlaciones entre los sistemas de clasificación de Reason y Round, nuestros hallazgos subrayan la importancia de combinar estos enfoques para abordar diversas necesidades educativas y clínicas. Utilizando el análisis de correlación tau de Kendall, identificamos relaciones significativas que destacaron el valor de integrar múltiples sistemas de clasificación para mejorar la detección de errores y la eficacia de la capacitación. Las correlaciones propuestas y sus posibles implicaciones ilustradas en la Figura 7 sugieren que confiar únicamente en un solo sistema de clasificación podría llevar a perder oportunidades para identificar y abordar errores médicos específicos durante escenarios de simulación
Nuestros resultados demostraron además el papel fundamental de la comunicación y el trabajo en equipo en la prevención de errores. En consonancia con la literatura existente, la falta de comunicación sigue siendo la causa predominante de errores médicos tanto en la simulación como en los entornos clínicos, a menudo vinculados a problemas como órdenes de medicación poco claras o verificación insuficiente de los datos del paciente [ 27 , 28 ]. Estos hallazgos reafirman que abordar las deficiencias de comunicación y trabajo en equipo es fundamental para mejorar la seguridad y los resultados del paciente.
La educación basada en simulación ofrece un entorno único para comprender y mitigar los errores médicos, sin poner en peligro la seguridad del paciente. Este entorno permitió a los participantes experimentar y analizar eventos clínicos en condiciones controladas, fomentando así el desarrollo de estrategias de gestión de errores. Nuestro estudio enfatiza la integración de principios como la Gestión de Recursos en Crisis en la capacitación con simulación, que ha demostrado ser eficaz para mejorar la comunicación, la conciencia situacional y la claridad de roles entre los equipos de atención médica [ 28 , 29 ].
Dadas las correlaciones identificadas entre las taxonomías, proponemos el desarrollo de un futuro curso piloto de simulación para explorar la viabilidad de combinar las taxonomías de Reason y Round. Aunque este curso no fue parte del estudio actual, su implementación podría generar datos adicionales para validar nuestra hipótesis de que una taxonomía óptima para la educación médica basada en simulación puede implicar una combinación de estos sistemas de clasificación. Este enfoque prospectivo está alineado con el objetivo más amplio de refinar las taxonomías de errores médicos para una mayor aplicabilidad en la capacitación mediante simulación.
Puntos fuertes del estudio
La fortaleza clave de nuestro estudio radica en su enfoque innovador en unir taxonomías de errores médicos genéricos y específicos de dominio. Al aprovechar los datos de sesiones de simulación de alta fidelidad, se identificaron asociaciones significativas con implicaciones prácticas para la educación y la capacitación en atención médica. La inclusión de las perspectivas tanto de los participantes como de los tutores enriqueció el conjunto de datos, proporcionando una visión integral de las ocurrencias de errores y sus implicaciones para el aprendizaje basado en simulación. Además, este estudio destacó el valor educativo de los entornos simulados que sirven como espacios seguros para que los profesionales de la salud cometan errores. Al fomentar una cultura no punitiva que ve los errores como oportunidades de aprendizaje, la capacitación con simulación promueve la adopción de estrategias de gestión de errores y fortalece la cultura general de seguridad en los entornos de atención médica.
Limitaciones del estudio
Aunque este estudio ofrece información valiosa, tiene algunas limitaciones que deben reconocerse. En primer lugar, las experiencias de los participantes y los tutores reflejaban un subconjunto específico de profesionales de la salud que participaban en cursos de simulación de posgrado, que pueden no ser representativos de la comunidad médica en general. Por lo tanto, estos hallazgos justifican una generalización cautelosa. En segundo lugar, nuestra dependencia de los datos de la encuesta introduce la posibilidad de sesgo subjetivo, ya que las respuestas pueden haber sido influenciadas por las percepciones personales o el entorno de aprendizaje seguro del centro de simulación y el escenario de simulación particular. Además, la naturaleza exploratoria del estudio impide conclusiones definitivas sobre la idoneidad de la combinación de taxonomías propuesta para la educación médica basada en simulación.
Las futuras investigaciones deberían apuntar al desarrollo y validación de una taxonomía integral de errores médicos específicamente adaptada a la educación médica basada en simulación. Esto implicaría la recopilación de nuevos conjuntos de datos para garantizar la confiabilidad y aplicabilidad de la taxonomía en diversos contextos clínicos y educativos. Tales esfuerzos abordarán la brecha actual y proporcionarán un marco estandarizado para analizar y mitigar los errores médicos.
Conclusión
Este estudio aborda una brecha de conocimiento en las taxonomías de errores médicos para la capacitación basada en simulación en campos médicos relacionados con los cuidados críticos. Al evaluar e identificar las correlaciones entre taxonomías genéricas y específicas del dominio, proponemos un marco combinado que satisface las necesidades únicas de la educación mediante simulación. Nuestros hallazgos enfatizan la importancia de la simulación como una herramienta para comprender, gestionar y prevenir errores médicos, mejorando así el desempeño general de la atención médica en lo que respecta a la seguridad del paciente. Aunque se requiere una mayor validación, la integración de los sistemas de clasificación de errores médicos de Reason y Round presenta una dirección prometedora para mejorar la gestión de errores y fomentar una cultura de seguridad en la atención médica.
