El financiamiento basado en los aportes de los trabajadores y contribuciones patronales con un salario tan bajo y depreciado no alcanza para solventar el gasto de la canasta de prestaciones, ya que entre otros aspectos: los medicamentos de alto costo desfinancian al sistema, las nuevas tecnologías son mas costosas que generadoras de resultado, la cobertura del transporte y educación de la discapacidad al Sistema Unificado de Reintegros, los tratamientos convencionales tampoco se pueden solventar, el envejecimiento se cubre en el PAMI, gracias al financiamiento extraordinario del impuesto PAIS, que sin él tendría un déficit importante, las mayores necesidades de la población tampoco. La transición epidemiológica UN NUMERO CADA VEZ MAYOR DE PACIENTES VIVEN CON ENFERMEDADES CRÓNICAS. En este tiempo, aproximadamente el 60% de la población adulta de Argentina tiene al menos una enfermedad crónica, como obesidad, diabetes o enfermedades cardíacas. El tratamiento de estas enfermedades crónicas, junto con las afecciones de salud mental, representa la gran mayoría del gasto en atención médica. En este problema del financiamiento también como la causa de las causas en la retribución al recurso humano. Estas bajas remuneraciones se resuelven con el multiempleo y la dedicación más escasa en tiempo durante los momentos de verdad, que cada vez más se convierte en espacios de dolor para los pacientes y mayor fragmentación. Finalmente la judicialización del sistema con las medidas de amparo que imponen los jueces, que no son justos y afectan la solidaridad del sistema sin asesorarse. La sobre prescripción, y la sobre utilización de la capacidad instalada por conductas oportunistas de los agentes.
Este sistema abarca a 27,5 millones de argentinos, 15 millones en obras sociales nacionales, 5,3 millones de PAMI, y 7,2 millones de afiliados de obras sociales provinciales, con las obras sociales de derechos especiales suman la cifra citada, además otros 4,3 millones que desregulan sus aportes a las prepagas, el financiamiento tal cual se conoce no puede seguir hasta que se recupere el salario formal, y se realice un plan de incorporación de más trabajadores en la economía formal, y que más del 30% de los mismos sean pobres. Los contratos privados con las prepagas están en dos millones, que constituyen los ciudadanos que tienen verdaderamente seguros privados. Quedan unos quince millones de personas sin acceso nominalizado a la salud.
El problema que discuto en esta editorial es el financiamiento, no el único obviamente, pero ante la crisis económica, política y social, es el más importante en ese momento, porque sin recursos económicos no tendremos salud pública, privada y menos social. La gestión no puede resolver la escasez, ni es independiente de la política. Gran parte de los insumos que utilizamos están dolarizados, los mismos se encarecen, no tienen precio, no siguen el índice de precios, además se están entregando a cuenta gotas, y con pago en el momento, no hay más financiamiento debido a la alta inflación, esto llevó a la superposición, faltan insumos por los problemas de importación, en la falta de divisas, mientras se debaten cuestiones económicas, gravísimas, y sin solución inmediata en sus consecuencias, porque no hay más espacio para la procrastinación, faltan medicamentos y descartables porque no entregan, no quieren desprenderse de algo que no tiene valor de venta, porque no se sabe cuando y a cuanto se repondrá.
El programa médico obligatorio no tiene un costo actualizado, el último que se conoce es de 8.604 pesos en marzo, en ese momento el 70% de las obras sociales no cubrían ese gasto con la recaudación, en la actualidad, octubre con la inflación que hubo superaría los 17.000 pesos. Pero esto no es difícil de establecerlo si hubiera voluntad de actualizarlo y ver lo que se necesita. El problema es que sin capacidad de los trabajadores de aumentar sus aportes por lo bajo del salario, debiera generarse en los nuevos convenios colectivos paritarios una suma que se integre directamente al financiamiento de la obra social, hasta cubrir el costo del PMO, como medida de emergencia.
Con dinero solo no se arreglan los problemas intrínsecos que tiene el sistema de salud, pero estamos ante un nivel de conflicto que sin él, nos quedaremos sin asistencia, para casi el 70% de la población. El agravante que algunos de los colectivos postergados sin cobertura o acceso a los tratamientos fallecerán, esto ya ocurrió entre diciembre y Febrero del 2001 y estamos en una situación aún más grave y que durará varios meses o años. Es irresponsable en términos de una sociedad suponer que cuanto peor esté la economía mejor para los que quieren acceder al ejecutivo. La inflación es generadora de más ciudadanos pobres, niños mal alimentados, personas que no acceden a bienes esenciales. No tenemos nada. Los funcionarios que están en este gobierno sin presidente, y con un candidato que no para de azuzar el incendio, no tienen capacidad para cambiar, los que sucederán constituyen una incógnita que no tienen establecido que harán, solo quieren estar y no saben que se van a encontrar. Los que hablan por los candidatos no se sabe que lugar ocuparán, nadie está confirmado. Sus propuestas son de diagnóstico en aspectos indiferenciados, no de soluciones, o bien el esbozo interminable de las generalizaciones.
El financiamiento no se puede sostener, además afecta a quienes no tienen poder de negociación: los médicos y los trabajadores de la salud, Los profesionales eligieron el camino de cobrarle al que demanda, a los beneficiarios. La consecuencia y el porque del cobro no pactado entre los médicos y los contratantes o financiadores se produce porque la consulta no cubre los costos del consultorio y un nivel de vida adecuado para un profesional de cartilla. No es correcto, pero los que gerencian las prepagas o seguros privados debieran hacer un esfuerzo para llegar a cubrir las necesidades económicas de los médicos.
«Los sistemas de financiación deben diseñarse específicamente para proporcionar a toda la población el acceso a servicios sanitarios necesarios (incluida la prevención, la promoción, el tratamiento y la rehabilitación) de calidad suficiente para que sean eficaces; y para garantizar que el uso de estos servicios no exponga al usuario a dificultades financieras.» OMS.
Además y con grandes deficiencia, la prestación de servicios de salud se ha producido con condiciones de falta de equidad notables. Se observan desigualdades en el acceso y además problema de calidad. La salud es una transferencia pública, tendría que jugar un papel fundamental en reducir la desigualdad injusta. Existen sistemas de salud como el de San Luis y La Pampa, que tienen nominalizada a la población y una estructura asistencial consagrada importante, pero muchas otras provincias las instalaciones están trabajando solo para los pacientes que demandan. Un servicio de salud pública o social de calidad generaría niveles de protección financiera importante. Tener un servicio de salud pública fuerte es una cuestión de sensatez y sentimiento, como dice Jane Austen. Tener acceso a la salud, es una contribución fuerte al bienestar social. Debería ser mejor valorado por la ciudadanía. La caída en el PBI Argentino agravará cada vez más esta situación. Seguros sociales que atienden las capitas más bajas sin el respaldo de entidades intermedias sindicales, no podrán afrontar sus déficit, y sus beneficiarios no tendrán servicios de salud. En la composición del gasto los medicamentos han incrementado mucho la proporción participativa en el costo de la cápita.
Un sistema organizado por un modelo de nominalización, de seguros sociales o privados, no es posible que se produzcan atenciones con 4 dólares por paciente. Los sistemas presupuestarios, facturación y asignación de recursos tienden a premiar a quienes más y peor gastan, desincentivando las eficiencias, la coordinación y la integración. No se puede sostener y afirmar que la gestión privada es más eficiente que la pública o viceversa, no es de calidad o no.
Lo esperanzador que fue la crisis sanitaria desatada con el COVID se ha esfumado y hemos malogrado la oportunidad de cambiar algo. Esto nos hace observar una situación de muy mal pronostico. Puede desaparecer el sistema de salud de la seguridad social, donde se atiende el 70% de la población y el público no podrá absorber esa demanda.
La contratación de prepagas tuvo una tendencia en alza, en las últimas tres décadas, influida por la evolución de los servicios no satisfactorios y las cuestiones aspiracionales de pertenecer a los servicios de la clase media. Esto luego de superada esta crisis, será más acentuada si los salarios crecen. Muchas obras sociales adoptando estrategias de integración vertical y prestadores propios, mejoran lo que el paciente recibe, en forma superior a lo que se podría contratar en el mercado.
La brecha social con tanta marginación afectará los principales indicadores de salud, la expectativa de vida, mortalidad cardiovascular, muertes maternas, tuberculosis y por diabetes.
El gasto hay que racionalizarlo es cierto, no todo lo que se gasta es adecuado. Más del 30% es gasto de ineficiencia pero no obstante ello, en el mejor de los programas de gestión que se pueda recuperar el 50% de eso, no alcanza para recuperar el déficit recaudatorio.
Limitar la canasta de Prestaciones: No se puede dar todo a todos. Por lo tanto, se podría dar lo que alcance, pero a todos por igual. Limitar derechos del Programa médico Obligatorio solo se podrá hacer con un acuerdo social, no existen bases para ello, entre los principales actores. Esto se podría, para salir un poco más rápido. especialmente para contener el gasto de farmacia. Con una red de evaluación económica de medicamentos para tomar decisiones fundadas. Generar una atención primaria ampliada. Privilegiar a los equipos de salud. Todos los partidos políticos tendrían que llegar a un acuerdo por donde deben discurrir las reformas.
El financiamiento es como la volemia sanguínea para el organismo. Hay un límite, donde el shock, sin reposición es irreversible. Se requiere una gobernanza profesional. Generar sostenibilidad. La financiación, la organización y la gestión. Con una imprescindible de reconfiguración del marco institucional. Que tenga en su contenido: Rendición de cuentas, calidad regulatoria, respeto por la ley y los contratos, control de la corrupción. Planificación, compra y gestión de la utilización. Cartera de servicios, Orientación hacia una atención primaria reforzada y ampliada. Pero la financiación no se puede obviar. Debe ser distinta. Como así también modernización, digitalización y manejo de los datos.
Estamos frente a una instancia que no admite más parches ni dilaciones, más pedidos de atajos, adelantos de dineros adeudados a valores históricos y expulsar el problema hacia adelante no hay medidas de corto plazo, porque lo que hacen es agravar la situación, y mi preocupación es que los sujetos de necesidad no admiten postergaciones. No se admiten más las buenas intenciones. Cambiar apoyo político por dinero. Porque una cosa son los representantes y otra los pacientes que tienen cáncer, enfermedad cardiovascular u otra afección.
La financiación tiene varias disfunciones, el principal es el nivel en como se debieran modular las capitas, especialmente en como se reparte y a quien se le paga, como se le paga, como se amortigua la transferencia de riesgo y se genera cohesión en el sistema. No podemos seguir proponiendo si no se habla del dinero que cubre las prestaciones que requieren los pacientes.
Todo proceso de toma de decisiones entre los gobernantes está basado entre la interacción de los votantes, y los políticos. De sus votantes y la política. No se debería hacer desaparecer un sistema basado en la solidaridad, y un financiamiento por seguros de salud, por otro, inconsistente, no basado en indicadores de utilización, costo, alcance, oportunidad, calidad, integralidad, y distribución, porque además es decisión de los estados provinciales, que sino debieran replantear la programación de su capacidad instalada, y los colegios profesionales, que también son actores importantes en esta situación, con tantos sistemas de salud como provincias.
El sistema de salud argentino tiene entre sus características que esta delegado a las provincias en su sector público, sin una función de rectoría institucionalizada del Ministerio de Salud de la Nación, salvo un encuentro mensual denominado COFESA entre todos los ministros en alguna ciudad donde se discute una agenda, que no introduce los problemas fundamentales, en la última se emite un comunicado que la salud pública es un derecho fundamental.
Evidentemente las decisiones de algo TAN IMPORTANTE COMO LA SUSTENTABILIDAD, son más fruto de la ideología que de un debate fundado que permita analizar entre los diferentes sistemas de financiación cual puede tener más virtudes. No es malo el aporte en función de posibilidad y la utilización en cuanto a necesidad, pero esto es viable con mayor cantidad de empleo formal y salarios en términos de moneda dura superiores, cercanos a los 700 dólares y no a los 300 actuales. Corregir los regímenes simplificados de monotributo y empleadas de casas particulares que desfinancian al sistema de salud y las jubilaciones.
Janet E. Anderson, A. J. Ross, J. Back, M. Duncan y P. Jaye
Los enfoques actuales para la mejora de la calidad se basan en la identificación de problemas pasados a través de informes de incidentes y auditorías o el uso de principios Lean para eliminar el desperdicio, para identificar cómo mejorar la calidad. Por el contrario, la ingeniería de la resiliencia (ER) se basa en los conocimientos de la ciencia de la complejidad, y la calidad resulta de la capacidad de los médicos para adaptarse de forma segura a situaciones difíciles, como un aumento en el número de pacientes, la falta de equipos o problemas fisiológicos difíciles imprevistos.
El progreso en la aplicación de estos conocimientos para mejorar la calidad ha sido lento, a pesar de los avances teóricos.
En este trabajo describimos un estudio realizado en el Servicio de Urgencias de un gran hospital en el que se utilizaron los principios de las ER para identificar oportunidades de intervenciones de mejora de la calidad. Se utilizó un trabajo de campo observacional en profundidad y entrevistas con médicos para recopilar datos sobre los principales desafíos a los que se enfrentaban, los desajustes entre la demanda y la capacidad, las adaptaciones que se requerían y las cuatro habilidades de resiliencia: responder, monitorear, anticipar y aprender.
Los datos se transcribieron y se utilizaron para escribir narrativas de resiliencia extendida que describieran el sistema de trabajo. Las narrativas se analizaron temáticamente utilizando un enfoque combinado deductivo/inductivo. A continuación, se utilizó un proceso estructurado para identificar posibles intervenciones para mejorar la calidad. Describimos una intervención para mejorar el seguimiento del flujo de pacientes y el aprendizaje organizativo sobre las intervenciones de flujo de pacientes. El enfoque que describimos es desafiante y requiere una estrecha colaboración con los médicos para garantizar resultados precisos. Descubrimos que el uso de los principios de ER para mejorar la calidad es factible y da como resultado un enfoque en el fortalecimiento de los procesos y el apoyo a los desafíos que enfrentan los médicos en su trabajo diario.
4.1 Contexto e introducción
La ingeniería de la resiliencia (ER) es un nuevo paradigma para conceptualizar cómo se realiza el trabajo en sistemas adaptativos complejos como la atención sanitaria [1, 2]. Argumenta explícitamente que la capacidad de las organizaciones para adaptarse a las presiones es lo que hace que el sistema funcione, y es responsable de mantener buenos resultados a pesar de los problemas y desafíos. Por lo tanto, se considera que los trabajadores son la clave para crear seguridad, en lugar de ser considerados como el eslabón débil del sistema, propensos a errores y responsables de resultados adversos. RE argumenta que es la variabilidad en el entorno sanitario lo que impulsa la necesidad de adaptación [3]. Por ejemplo, el aumento repentino del número de pacientes, el deterioro de varios pacientes al mismo tiempo, la falta de equipos y la falta de personal son variaciones comunes en las condiciones de trabajo que requieren una adaptación por parte de los trabajadores. Esta forma de pensar es diferente a los supuestos que sustentan la mayoría de los esfuerzos de mejora de la calidad que intentan restringir el comportamiento humano especificando a través de un protocolo qué acciones deben tomarse [4], en función de los problemas pasados identificados a través de informes de incidentes, auditorías o identificación de desperdicios a través de los principios Lean. Estas ideas atraen a los médicos y a los investigadores de la seguridad porque reflejan la realidad del desordenado mundo clínico en el que las condiciones no siempre se pueden anticipar y las soluciones tienen que improvisarse. Sin embargo, necesitan una mayor interpretación y elaboración para pasar de una descripción de cómo se logra el trabajo a informar sobre la mejora de la calidad [5]. La ER es una teoría sobre sistemas, y necesita ir más allá de las adaptaciones individuales para considerar cómo un sistema podría soportar la capacidad de adaptación.
Las cuatro habilidades de resiliencia de respuesta, monitoreo, anticipación y aprendizaje, propuestas por Hollnagel [6], son prometedoras y podrían proporcionar un medio para pensar en cómo se puede apoyar la capacidad de adaptación. Por ejemplo, al considerar si un sistema aprende y cómo, podría ser posible idear formas de mejorar el aprendizaje y, por lo tanto, aumentar la calidad. A pesar de estos conceptos prometedores, no está claro de inmediato cómo definir el enfoque de una investigación basada en las ER, ya que el simple hecho de centrarse en el aprendizaje en general, por ejemplo, parece poco probable que tenga un efecto medible en los resultados de interés.
En esta investigación desarrollamos un modelo conceptual que nos ayuda a pensar en cómo se puede mejorar la calidad utilizando los conocimientos de las energías renovables [4]. El modelo CARe propone que la variabilidad en el entorno sanitario a menudo se produce debido a un desajuste entre la demanda y la capacidad.
Por ejemplo, un aumento en el número de pacientes es un problema si no hay suficiente personal en la lista. Los desajustes entre la demanda y la capacidad conducen a adaptaciones in situ a medida que el personal intenta solucionar los problemas para brindar atención. Los resultados surgen de la interacción de desajustes y adaptaciones. Una idea clave del modelo es que hay dos rutas potenciales para mejorar la calidad. Los esfuerzos de mejora podrían centrarse en reducir los desajustes entre la demanda y la capacidad, reduciendo así la necesidad de adaptaciones. Esto podría preservar recursos que, de otro modo, se utilizarían para resolver problemas que tienen una solución estandarizada obvia (como garantizar que haya un buen sistema de mantenimiento de los equipos) para que puedan utilizarse para hacer frente a otros problemas menos predecibles. Por otra parte, un mejor apoyo a las adaptaciones y el fortalecimiento del vínculo entre las adaptaciones y los buenos resultados también podría ser una forma de mejorar la calidad. Las adaptaciones conllevan el riesgo de que den lugar a resultados adversos porque las personas se están apartando del protocolo, o improvisando soluciones a problemas no cubiertos por el protocolo, y es posible que no sean capaces de prever todas las implicaciones de sus acciones. Apoyar la adaptación para garantizar un buen resultado es uno de los objetivos de la mejora de la calidad desde la perspectiva de las energías renovables. Por ejemplo, la mejora de los sistemas de vigilancia del riesgo podría ser útil para permitir adaptaciones mejor planificadas cuando existen condiciones de alto riesgo. Hemos utilizado la teoría de las ER y el modelo CARe para investigar si las ER pueden utilizarse como método de mejora de la calidad. Trabajando longitudinalmente a lo largo de varios años, hemos estudiado en profundidad los sistemas de trabajo del Servicio de Urgencias de un gran hospital universitario de Londres. Los objetivos generales de la investigación fueron utilizar la teoría de las ER para desarrollar y evaluar intervenciones de mejora de la calidad. Para ello, nos propusimos lo siguiente: 1. Construir una comprensión profunda y matizada de cómo se logró el trabajo en las dos unidades, incluidos los desajustes entre la demanda y la capacidad y las adaptaciones realizadas in situ; 2. Desarrollar un proceso interpretativo para identificar intervenciones; 3. Diseñar intervenciones con equipos clínicos e implementarlas;
4. Evaluar los resultados.
4.2 Metodología Para el trabajo de campo etnográfico, dos investigadores, que trabajaron como observadores no participantes, identificaron en primer lugar las principales funciones del personal, los procesos, los mecanismos de coordinación, como las reuniones y los traspasos, y la tecnología y las herramientas utilizadas. A continuación, se llevaron a cabo observaciones más específicas de los mecanismos de coordinación, que incluyeron reuniones del personal y del equipo, rondas de sala, rondas de la junta, reuniones de flujo de pacientes y traspasos. Por último, se siguió al personal mientras realizaba su trabajo diario y se le pidió que aclarara los procesos de toma de decisiones y las razones de las acciones. También se realizaron entrevistas en profundidad (n = 13) con el personal para sondear más detalles sobre los fenómenos observados y aclarar la comprensión de los investigadores sobre el trabajo observado. El trabajo observacional se llevó a cabo en ambas unidades al mismo tiempo. Los datos del trabajo de campo (104 h de observación) fueron capturados en forma escrita y transcritos a formato electrónico. Las notas de campo se ampliaron, se combinaron con los datos de las entrevistas y luego se utilizaron como base para escribir narrativas de resiliencia extendidas que describieran cómo los resultados emergen de la interacción de desajustes y adaptaciones. El objetivo era describir trayectorias de acción que sirvieran de base para identificar oportunidades de intervención. A continuación, las narrativas de resiliencia se analizaron temáticamente utilizando un enfoque combinado deductivo/inductivo. Específicamente, 28 J. E. Anderson et al. los temas analíticos fueron: desajustes y presiones, variabilidad, ajustes y adaptaciones, resultados, compensaciones de objetivos, anticipación, monitoreo, respuesta y aprendizaje. El resultado del análisis fue una descripción exhaustiva del sistema de trabajo desde la perspectiva de la teoría de las ER. En todas las etapas de la recopilación y el análisis de datos, discutimos y probamos los hallazgos emergentes dentro del equipo de investigación, incluidos los médicos, y con un grupo asesor clínico en cada unidad. A continuación, desarrollamos un proceso colaborativo estructurado para diseñar e implementar intervenciones. Posteriormente, los investigadores desarrollaron una serie de propuestas de intervención basadas en los resultados etnográficos. El personal clínico asistió a una serie de talleres para discutir los resultados y asesorar sobre qué intervenciones eran más factibles y relevantes. El diseño y la implementación de las intervenciones se llevaron a cabo con los socios clínicos más conocedores e influyentes de cada unidad.
4.3 Resultados
En el Reino Unido, en el momento en que se llevó a cabo el estudio, los servicios de urgencias debían tratar y dar de alta al 95% de los pacientes en un plazo de cuatro horas. Por lo tanto, la prevención de los incumplimientos de este objetivo fue uno de los principales objetivos de los esfuerzos de calidad. Se celebraron reuniones periódicas de flujo de pacientes cada dos horas en el departamento, convocadas por un coordinador de flujo de pacientes, para revisar el número de pacientes en todos los puntos del departamento, el flujo a través del departamento y para solucionar posibles incumplimientos del objetivo de tiempo de espera. Inmediatamente antes de la reunión, el coordinador de flujo de pacientes contaba manualmente el número de pacientes en varios puntos del departamento y determinaba verbalmente con los médicos qué pacientes tenían probabilidades de ser dados de alta de forma inminente y, en el caso de los que no, identificaba lo que estaba causando retrasos. El debate en la reunión se centró en la forma de abordar cualquier problema concreto y evitar infracciones, y a menudo se trataba de decisiones para reasignar al personal de forma flexible a diferentes esferas. Las observaciones mostraron que cada nueva reunión comenzaba con un nuevo recuento del número de pacientes y no se refería a las acciones recomendadas en la reunión anterior de hace dos horas.
Por lo tanto, no era posible que el personal lo supiera;
• Si se han aplicado las medidas recomendadas;
• Cuál era el efecto deseado de la acción;
• Qué efecto tuvo la acción en la práctica.
En el caso del personal reasignado a una zona, no está claro cuánto tiempo debe permanecer y qué está tratando de lograr. Sin embargo, en algunos casos era obvio.
Por ejemplo, si el triaje se viera abrumado con muchas llegadas simultáneas, una enfermera flexionada a esta área se centraría en reducir el número de esperas. Sin embargo, no hubo respuesta al coordinador de flujo y la próxima reunión comenzaría revisando los números en cada área sin hacer referencia a las acciones anteriores sugeridas.
En términos de ER, esto dio lugar a la incapacidad de supervisar tanto la acción recomendada como su resultado, y a la incapacidad de aprender de las acciones anteriores al convocar la siguiente reunión de dos horas. La intervención que desarrollamos consistió en rediseñar el documento utilizado y el procedimiento de la reunión.
El formulario fue rediseñado para permitir la captura de las acciones recomendadas y los resultados previstos. El proceso de reunión rediseñado consistió en comenzar la reunión revisando las acciones de la reunión anterior y evaluando si habían tenido el efecto deseado. A continuación, se podían tomar decisiones para abordar cualquier problema que no se hubiera resuelto en la reunión anterior de una manera nueva, antes de pasar a considerar cualquier problema adicional que se hubiera desarrollado en las dos horas anteriores. Estas intervenciones tuvieron como objetivo aumentar la capacidad de las reuniones de flujo de pacientes para monitorear y aprender de las acciones tomadas para mejorar el flujo de pacientes con el fin de aumentar la capacidad de adaptación del sistema.
4.4 Discusión
La intervención descrita aquí fue diseñada para apoyar mejor los procesos adaptativos (adaptación a la afluencia de pacientes) y aumentar la probabilidad de que las adaptaciones conduzcan al éxito (mantenimiento de las métricas de flujo de pacientes). El método que utilizamos centró la atención en los procesos que podían fortalecerse para respaldar mejor los desafíos que los médicos tenían que resolver. Otros métodos de mejora de la calidad tienen diferentes formas de identificar los objetivos de los esfuerzos de mejora. Por ejemplo, los enfoques Lean se centran en identificar el desperdicio e intervenir para reducirlo y eliminar la variación (por ejemplo, [7, 8]). El trabajo tradicional de mejora de la calidad a menudo comienza con incidentes adversos reportados que indican que el sistema ha producido resultados infructuosos [9]. Sin embargo, centrarse en las causas de incidentes adversos anteriores conlleva el riesgo de idear intervenciones inútiles para problemas que nunca volverían a ocurrir y, a la inversa, no abordar otras debilidades del sistema que aún no han causado un incidente adverso. El proceso que desarrollamos fue un reto, en parte porque implicaba un proceso iterativo de creación de sentido que implicaba la interpretación utilizando la teoría y los datos observacionales. Para los no clínicos, fue un desafío comprender todos los matices de las observaciones y los socios clínicos en el equipo de investigación fueron cruciales para garantizar que nuestras interpretaciones y los resultados emergentes fueran precisos. Los desafíos incluían; curva de aprendizaje pronunciada para los investigadores; prolongación del tiempo de recogida de datos; análisis eficaz de una gran cantidad de datos; Garantizar el compromiso clínico. Sin embargo, muchos de estos desafíos se aplican a la mayoría de la investigación cualitativa de los servicios de salud y no son insuperables. No comenzamos este estudio con un problema de calidad ya identificado que quisiéramos resolver. En su lugar, utilizamos la teoría de las energías renovables para comprender en profundidad cómo funcionaba el sistema de trabajo y dónde podía fortalecerse. Sin embargo, el enfoque general utilizado aquí también podría utilizarse para abordar un problema conocido y, de hecho, puede ser mucho más fácil de lograr, ya que el enfoque estaría bien definido desde el principio. Por ejemplo, mejorar los errores de medicación en una sala de hospital puede ser un objetivo apropiado de este enfoque. En este caso, la ER podría proporcionar un complemento útil a los esfuerzos existentes de mejora de la calidad mediante la construcción de una comprensión profunda del trabajo realizado, los desajustes entre la demanda y la capacidad, las fuentes de variabilidad y las cuatro habilidades de resiliencia en relación con la administración de medicamentos. Esto proporcionaría una comprensión profunda en la que basar el diseño de las investigaciones e intervenciones. Sin una comprensión tan profunda del sistema, puede ser difícil diseñar intervenciones que sean viables, sostenibles y eficaces. Es probable que sea difícil evaluar las intervenciones de mejora de la calidad basadas en las energías renovables. Uno de los desafíos de la evaluación es demostrar que las intervenciones aumentan la resiliencia. Debido a que la capacidad adaptativa es expresada por un sistema en relación con una presión o problema, la vemos como una propiedad emergente del sistema en lugar de un resultado que se puede medir [4]. Por esta razón, no hemos intentado medir la resiliencia. En cambio, nuestras intervenciones se han centrado en las cuatro habilidades de resiliencia (anticipar, monitorear, responder, aprender), infiriendo que el apoyo a estas habilidades aumentará la capacidad de adaptación. Sin embargo, evaluar si las intervenciones han cambiado estas habilidades también es un desafío y requiere un trabajo cualitativo en profundidad para comprender el grado en que estas habilidades se ven afectadas. Una preocupación es que es probable que las intervenciones para fortalecer los procesos estén débilmente vinculadas a los resultados clínicos y, por lo tanto, puede ser difícil encontrar pruebas sólidas de la efectividad. Este es un problema común en la mejora de la calidad que tiene como objetivo cambiar los procesos organizacionales [10, 11] y puede ser particularmente difícil demostrar que se han evitado incidentes adversos.
4.5 futuros Desarrollos
Para que este enfoque sea útil en la atención sanitaria, es necesario elaborar orientaciones, racionalizar el proceso y articular con mayor claridad cómo pasar de la recopilación de datos a la interpretación, a la intervención y la evaluación. Confiamos en que esto se puede hacer, pero todavía es necesario probar el enfoque en una variedad de entornos.
La atención primaria y la atención de salud mental son dos entornos en los que este enfoque puede ser particularmente valioso, ya que ambos están menos estructurados que los entornos de cuidados intensivos y dependen en mayor medida de procesos de coordinación y articulación social que son aún menos susceptibles que los procesos de cuidados agudos a la estandarización y los protocolos
Un tercio de las muertes en todo el mundo se deben a enfermedades cardiovasculares.Comprender hasta qué punto la incidencia de enfermedades cardiovasculares y la carga de factores de riesgo difieren en todo el mundo es útil para informar las políticas de salud locales y globales, aunque los datos comparables de varias regiones del mundo son escasos.La mayoría de los estudios publicados sobre los factores de riesgo de enfermedades cardiovasculares se han realizado en países occidentales de altos ingresos, con pocos datos de otras regiones del mundo por eso leer este trabajo es importante.
Las enfermedades cardiovasculares son las afecciones no transmisibles más comunes en todo el mundo y representan aproximadamente un tercio de todas las muertes a nivel mundial. 1 Los factores de riesgo modificables como el índice de masa corporal, la presión arterial sistólica, el nivel de colesterol unido a lipoproteínas de baja densidad, el tabaquismo y la diabetes representan un porcentaje de la prevalencia e incidencia de las enfermedades cardiovasculares; sin embargo, el porcentaje varía según las poblaciones estudiadas y los métodos utilizados. 2,3 Estos factores de riesgo se utilizan para derivar puntuaciones de riesgo contemporáneas 4-6para la estimación del riesgo de enfermedad cardiovascular a 10 años, aunque se les asignan pesos diferentes. Estos factores de riesgo cardiovascular también tienen diferentes asociaciones con resultados cardiovasculares y no cardiovasculares. El consumo de tabaco está fuertemente asociado con la muerte prematura, mientras que la presión arterial elevada y el nivel de colesterol no relacionado con las lipoproteínas de alta densidad (HDL) están más específicamente relacionados con las enfermedades cardiovasculares. 7
Se puede lograr una reducción personalizada de la carga de enfermedades cardiovasculares y muerte por cualquier causa para personas y poblaciones con una mejor comprensión de las asociaciones específicas de cada región y sexo entre estos factores de riesgo cardiovascular y el desarrollo de enfermedades cardiovasculares. El Consorcio Mundial de Riesgo Cardiovascular analizó un conjunto de datos globales armonizados a nivel individual de cohortes poblacionales para superar las limitaciones de los datos resumidos y la heterogeneidad metodológica.
Métodos
DISEÑO Y SUPERVISIÓN DEL ESTUDIO
El estudio fue diseñado por el Grupo de Gestión del Consorcio Global de Riesgos Cardiovasculares, cuyos miembros se enumeran en el Apéndice complementario , disponible con el texto completo de este artículo en NEJM.org. Los datos fueron recopilados por el centro de datos de Hamburgo. Los análisis fueron realizados por el segundo autor y revisados por el Grupo de Trabajo Estadístico del Global Cardiovascular Risk Consortium. El primer borrador del manuscrito fue preparado por el primer, segundo y último autor y fue revisado y editado por todos los autores. Los autores acordaron conjuntamente enviar el manuscrito para su publicación y garantizar la exactitud e integridad de los datos y la fidelidad del estudio al protocolo .
POBLACIÓN DE ESTUDIO
Reunimos y armonizamos datos a nivel individual de 1.518.028 participantes en 112 estudios de cohortes realizados en ocho regiones geográficas (América del Norte, América Latina, Europa Occidental, Europa del Este y Rusia, África del Norte y Medio Oriente, África subsahariana, Asia y Australia) participando en el Consorcio Global de Riesgo Cardiovascular. Los datos se armonizaron aplicando las definiciones de variables utilizadas por el proyecto MORGAM (MONICA [Multinational Monitoring of Trends and Determinants in Cardiovascular Diseases] Risk, Genetics, Archiving, and Monograph). 8A los investigadores de los estudios que no formaban parte del proyecto MORGAM se les envió una lista de variables relacionadas con el estudio con definiciones y se les pidió que proporcionaran estos datos. En el Apéndice complementario se proporciona una descripción de cada cohorte de estudio e información sobre los comités de ética locales y el consentimiento informado de los participantes . Las cohortes que se incluyeron en el Consorcio Global de Riesgo Cardiovascular se seleccionaron sobre la base de la revisión de la literatura, las colaboraciones existentes entre investigadores y la disponibilidad de las variables de interés (Tabla S1). El flujo de participantes a través del estudio se muestra en la Figura S1 en el Apéndice complementario .
FACTORES DE RIESGO CARDIOVASCULAR Y DEFINICIONES DE RESULTADOS
En el estudio se evaluaron cinco factores de riesgo (índice de masa corporal, presión arterial sistólica, colesterol no HDL, tabaquismo actual y diabetes) y dos resultados (enfermedad cardiovascular y muerte por cualquier causa) debido a la heterogeneidad de los efectos del factores de riesgo sobre los resultados y la amplia disponibilidad de estos datos en la población. Además, estos factores de riesgo pueden modificarse con intervenciones. La información sobre estos cinco factores de riesgo modificables se recopiló al inicio del estudio de acuerdo con los protocolos de los respectivos estudios incluidos en el Global Cardiovascular Risk Consortium. Las definiciones estandarizadas que se utilizaron para clasificar los eventos de enfermedad cardiovascular se proporcionan en la Tabla S2, y la representatividad de la población de estudio se muestra en la Tabla S3.
ANÁLISIS ESTADÍSTICO
Los datos faltantes se imputaron mediante imputación múltiple con ecuaciones encadenadas (Tabla S4). 9 Las características iniciales tanto crudas como estandarizadas por edad y sexo se calcularon según la región con el uso de estandarización directa, con la distribución por edad y sexo de los datos del Global Cardiovascular Risk Consortium establecida como estándar. También se estimaron y reportaron tasas de eventos estandarizadas por edad estratificadas según la región por 1000 personas-año. Se generaron curvas de incidencia acumulada de enfermedad cardiovascular y muerte por cualquier causa. Las asociaciones entre los factores de riesgo y los eventos de resultado se evaluaron mediante el uso de un metanálisis de efectos aleatorios, multivariado y en dos etapas de los datos de los participantes individuales. 10 modelos de Cox específicos por sexo, con la edad como escala de tiempo, 11Se calcularon para cada estudio y los coeficientes se agruparon entre los estudios según la región y a nivel mundial. Las covariables (índice de masa corporal, presión arterial sistólica, nivel de colesterol no HDL, tabaquismo actual, diabetes y uso de medicamentos antihipertensivos) se incluyeron simultáneamente en los modelos. Se realizaron modelos spline lineales y cúbicos restringidos para covariables continuas y modelos que permitieron efectos variables en el tiempo. Los modelos que incluían la recepción de medicamentos hipolipemiantes como covariable adicional también se calcularon con el uso de datos de los estudios en los que esta información estaba disponible (faltaban estos datos en aproximadamente el 20% de los participantes).
Para los cinco factores de riesgo modificables, se estimaron fracciones atribuibles a la población específicas por región y sexo para la incidencia de enfermedad cardiovascular a 10 años y la mortalidad por todas las causas a 10 años (consulte el Apéndice complementario ) . La fracción atribuible a la población es una estimación de la proporción de un resultado que podría prevenirse si el valor de un factor de riesgo fuera reemplazado por un valor ideal hipotético. Para calcular las fracciones atribuibles a la población se aplicó el enfoque utilizado por Laaksonen y sus colegas 12 , que tiene en cuenta la naturaleza del tiempo hasta el evento de los datos. En la estimación se utilizaron modelos de Weibull y sus supuestos distributivos se evaluaron gráficamente. Las categorías de referencia para los factores de riesgo se proporcionan en el Apéndice complementario..
Todos los modelos que se utilizaron en los análisis de asociaciones y fracciones atribuibles a la población se ejecutaron excluyendo los datos de seguimiento del primer año (análisis de referencia de 1 año). Se realizaron análisis de referencia de dos años que excluyeron los datos de los primeros 2 años de seguimiento como análisis de sensibilidad. La amplitud de los intervalos de confianza no se ha ajustado para comparaciones múltiples y no debe utilizarse en lugar de la prueba de hipótesis. Todos los análisis estadísticos se realizaron con el uso del software R, versión 4.1.3. 13
Resultados
CARACTERÍSTICAS DE LOS PARTICIPANTES Y PREVALENCIA DE FACTORES DE RIESGO
Tabla 1.
Características de los estudios de cohortes y características estandarizadas por edad y sexo de los participantes al inicio del estudio según región geográfica.
El examen de referencia de todas las cohortes de estudio incluidas en el Consorcio Mundial de Riesgo Cardiovascular se llevó a cabo entre 1963 y 2020. En el análisis estandarizado por edad y sexo de los datos de 1.518.028 participantes (el 54,1% de los cuales eran mujeres) con una mediana de edad de 54,4 años , la mediana del índice de masa corporal (el peso en kilogramos dividido por el cuadrado de la altura en metros) fue de 26,4 (rango intercuartil, 23,7 a 29,7), la mediana de la presión arterial sistólica de 130 mm Hg (rango intercuartil, 118 a 144), y la mediana del nivel de colesterol no HDL 156,9 mg por decilitro (4,06 mmol por litro; rango intercuartil, 128,8 a 187,9 mg por decilitro [3,33 a 4,86 mmol por litro]); El 21,6% eran fumadores actuales y el 8,3% tenían diabetes.Tabla 1 y Tabla S5. Las características iniciales sin estandarización por edad y sexo se muestran en la Tabla S6, y las distribuciones de los factores de riesgo según el sexo se muestran en las Tablas S7 y S8. La prevalencia de factores de riesgo modificables en las encuestas nacionales de exámenes de salud contemporáneas, que se utilizaron en los análisis de fracción atribuible a la población, se muestra en las Tablas S9, S10 y S11.
ENFERMEDAD CARDIOVASCULAR Y MUERTE POR CUALQUIER CAUSA
Tabla 2.
Resultados estandarizados por edad según
región geográfica y sexo.
La mediana de la duración del seguimiento entre los participantes fue de 7,3 años (rango intercuartil, 5,9 a 11,8; máximo, 47,3) para la enfermedad cardiovascular incidente y de 8,7 años (rango intercuartil, 7,0 a 15,9; máximo, 47,6) para la muerte por cualquier causa. Los tiempos de seguimiento para cada una de las cohortes individuales se proporcionan en la Tabla S12. Durante el período de seguimiento se observaron un total de 80.596 eventos de enfermedad cardiovascular (30.033 en mujeres y 50.563 en hombres) y 177.369 muertes por cualquier causa (78.608 en mujeres y 98.761 en hombres) (Tabla 2) .). La incidencia de enfermedades cardiovasculares estandarizada por edad a 10 años fue del 7,4% para las mujeres y del 13,7% para los hombres en América del Norte, del 6,4% para las mujeres y del 9,4% para los hombres en el Norte de África y Oriente Medio, del 5,7% para las mujeres y del 9,9% para los hombres en Europa del Este y Rusia, 3,7% para mujeres y 7,3% para hombres en Europa Occidental, y 2,5% para mujeres y 4,2% para hombres en Asia. La incidencia global de enfermedad cardiovascular a 10 años fue del 4,0% entre las mujeres y del 7,8% entre los hombres ( Tabla 2 ). La enfermedad cardiovascular pareció desarrollarse en mujeres a edades más avanzadas que en hombres (Fig. S2). La mortalidad por todas las causas estandarizada por edad a 10 años fue del 27,2% para las mujeres y el 34,6% para los hombres en el África subsahariana, del 10,1% para las mujeres y el 17,9% para los hombres en Europa del Este y Rusia, del 11,0% para las mujeres y del 16,7% para los hombres en Asia, y 4,7% para mujeres y 7,2% para hombres en Australia (Tabla 2 ).
EFECTOS DE LOS FACTORES DE RIESGO MODIFICABLES
Figura 1.
Asociaciones de factores de riesgo continuos con enfermedades cardiovasculares y muerte por cualquier causa.
Figura 2.
Asociaciones de factores de riesgo con enfermedades cardiovasculares y muerte por cualquier causa.
Los índices de riesgo asociados a los factores de riesgo para enfermedades cardiovasculares y muerte por cualquier causa según la región geográfica y el sexo, calculados con exclusión de los datos del primer año de seguimiento (análisis de referencia de 1 año), se muestran en la Tabla S13. y Figuras S3 a S7. Los índices de riesgo de subdistribución para la enfermedad cardiovascular se calcularon con la muerte por causas no cardiovasculares como evento competitivo, y los resultados fueron similares a los del análisis de referencia de 1 año (Tabla S14). Las asociaciones entre los factores de riesgo y la enfermedad cardiovascular y la muerte por cualquier causa en los modelos que utilizaron factores de riesgo continuos y permitieron efectos no lineales se muestran en la Figura 1.y Figura S4. En un análisis de referencia de 2 años que excluyó los datos de los primeros 2 años de seguimiento, las asociaciones observadas parecieron ser similares a las del análisis de referencia de 1 año (Fig. S5), al igual que los resultados de otros análisis de sensibilidad. (Modelos de regresión de Cox de referencia de 2 años con un supuesto lineal de exposición-efecto, modelos restringidos a cohortes que comenzaron en el año 2000 o después, modelos restringidos a participantes con datos sobre el uso de medicamentos hipolipemiantes y modelos con una definición alternativa de enfermedad cardiovascular [una combinación de infarto de miocardio fatal o no fatal, accidente cerebrovascular isquémico o hemorrágico o muerte cardiovascular]) (Tablas S15 a S18 y Fig. S6). En la Tabla S19 se proporcionan los cocientes de riesgos instantáneos asociados a los factores de riesgo no ajustados para enfermedades cardiovasculares y muerte por cualquier causa.Figura 2 y Fig. S7). La fuerza de la asociación entre el nivel de colesterol no HDL y la enfermedad cardiovascular parecía disminuir con la edad, pero parecía estable para la muerte por cualquier causa.
ENFERMEDADES CARDIOVASCULARES PREVENIBLES Y MUERTE POR CUALQUIER CAUSA
Figura 3.
Fracciones atribuibles a la población de la incidencia de enfermedades cardiovasculares (ECV) a 10 años y la mortalidad por todas las causas a 10 años.
Los supuestos distributivos de los modelos utilizados en las estimaciones de las fracciones atribuibles a la población se examinaron gráficamente (Fig. S8). Los cinco factores de riesgo modificables representaron una fracción agregada atribuible a la población global de la incidencia de enfermedad cardiovascular a 10 años del 57,2 % (intervalo de confianza [IC] del 95 %, 52,4 a 62,1) entre las mujeres y del 52,6 % (IC del 95 %, 49,0 a 56,1) entre los hombres. En comparación, los cinco factores de riesgo representaron una fracción agregada atribuible a la población mundial de la mortalidad por todas las causas a 10 años del 22,2 % (IC del 95 %: 16,8 a 27,5) entre las mujeres y del 19,1 % (IC del 95 %: 14,6 a 23,6) entre las mujeres. entre los hombres ( Figura 3 ).
Para todos los factores de riesgo modificables combinados, la fracción agregada atribuible a la población de la incidencia de enfermedad cardiovascular a 10 años fue del 64,2% (IC del 95%, 59,8 a 68,6) entre las mujeres y del 60,5% (IC del 95%, 57,2 a 63,9) entre los hombres. en África del Norte y Oriente Medio y el 55,5% (IC del 95%, 50,7 a 60,3) y el 50,3% (IC del 95%, 46,8 a 53,8), respectivamente, entre los de América del Norte. La fracción agregada atribuible a la población de la mortalidad por todas las causas a 10 años fue del 34,3 % (IC del 95 %: 29,7 a 38,9) entre las mujeres y del 43,2 % (IC del 95 %: 39,8 a 46,6) entre los hombres en Asia; 13,7% (IC del 95%, 7,1 a 20,3) y 2,9% (IC del 95%, -3,7 a 9,5), respectivamente, entre los de Australia; y 15,7% (IC del 95%, 9,3 a 22,0) y 2,1% (IC del 95%, −4,3 a 8,6), respectivamente, entre los de Europa occidental (Figura 3 ) .
Las fracciones atribuibles a la población calculadas para los cinco factores de riesgo modificables individuales se muestran en la Figura S9.. La fracción atribuible a la población de la incidencia a 10 años de enfermedad cardiovascular asociada con la presión arterial sistólica fue del 29,3 % (IC del 95 %: 25,4 a 33,2) entre las mujeres y del 21,6 % (IC del 95 %: 18,7 a 24,5) entre los hombres; los valores correspondientes fueron 15,4 % (IC del 95 %: 10,9 a 19,8) y 16,6 % (IC del 95 %: 12,6 a 20,6) para la enfermedad cardiovascular asociada con el nivel de colesterol no HDL y 15,2 % (IC del 95 %: 13,3 a 17,1) y 10,2% (IC 95%, 9,2 a 11,2) para enfermedad cardiovascular asociada a diabetes. La fracción atribuible a la población de la incidencia de enfermedades cardiovasculares a 10 años entre las mujeres fue del 6,7 % (IC del 95 %: 5,8 a 7,6) para el tabaquismo actual y del 7,6 % (IC del 95 %: 5,1 a 10,1) para el índice de masa corporal; los valores correspondientes entre los hombres fueron del 10,7% (IC del 95%, 9,6 a 11,7) y del 7,6% (IC del 95%, 5,6 a 9,7). Entre las mujeres, la fracción atribuible a la población de la mortalidad por todas las causas a 10 años asociada con la diabetes fue del 12,2 % (IC del 95 %, 11,1 a 13,3), mientras que entre los hombres, la fracción atribuible a la población de la mortalidad por todas las causas a 10 años asociada al tabaquismo actual fue del 14,4% (IC del 95%: 13,3 a 15,4). Las fracciones atribuibles a la población de la incidencia de enfermedades cardiovasculares a 10 años y la mortalidad por todas las causas a 10 años, según el nivel o estado de los factores de riesgo modificables, se muestran en las Tablas S20 y S21.
Discusión
El Consorcio Mundial de Riesgo Cardiovascular armonizó datos a nivel individual de 1.518.028 participantes que participaron en 112 estudios de cohorte realizados en 34 países de América del Norte, América Latina, Europa Occidental, Europa del Este y Rusia, África del Norte y Medio Oriente, África subsahariana, Asia y Australia para evaluar el efecto de cinco factores de riesgo modificables sobre la incidencia de enfermedades cardiovasculares y la mortalidad por todas las causas. El estudio mostró que la prevalencia de los cinco factores de riesgo modificables y la incidencia de enfermedades cardiovasculares y mortalidad por todas las causas variaban entre las regiones geográficas del mundo, y las mujeres tenían tasas de eventos consistentemente más bajas que los hombres. La asociación entre los factores de riesgo modificables individuales y la incidencia de enfermedades cardiovasculares y la muerte por cualquier causa también varió entre las regiones. Los cinco factores de riesgo modificables representaron una fracción agregada atribuible a la población de la incidencia de enfermedades cardiovasculares a 10 años del 57,2% entre las mujeres y del 52,6% entre los hombres, y los valores correspondientes para la mortalidad por todas las causas a 10 años fueron del 22,2% y del 19,1. %. Las fracciones atribuibles a la población de la incidencia de enfermedades cardiovasculares y de la mortalidad por todas las causas variaron según la región geográfica. La presión arterial sistólica elevada parecía ser el factor que más contribuía a la fracción atribuible a la población de incidentes de enfermedades cardiovasculares en todas las regiones. Las fracciones atribuibles a la población de la incidencia de enfermedades cardiovasculares y de la mortalidad por todas las causas variaron según la región geográfica. La presión arterial sistólica elevada parecía ser el factor que más contribuía a la fracción atribuible a la población de incidentes de enfermedades cardiovasculares en todas las regiones. Las fracciones atribuibles a la población de la incidencia de enfermedades cardiovasculares y de la mortalidad por todas las causas variaron según la región geográfica. La presión arterial sistólica elevada parecía ser el factor que más contribuía a la fracción atribuible a la población de incidentes de enfermedades cardiovasculares en todas las regiones.
El Global Cardiovascular Risk Consortium y otros estudios 14-16 confirmaron diferencias aparentes en el perfil de los factores de riesgo cardiovascular y las tasas de eventos entre mujeres y hombres, independientemente de la región geográfica. Se ha demostrado que las diferencias en el nivel de los factores de riesgo se traducen en riesgo de enfermedad cardiovascular a lo largo de la vida 17 pero no necesariamente afectan otros resultados fatales. Se sabe que los factores de riesgo cardiovascular aumentan el riesgo de enfermedad cardiovascular de manera diferente en distintas regiones geográficas. 2,18 Entre ellos, la presión arterial alta se asocia con hasta el 13,5% de todas las muertes anuales en todo el mundo y se considera el principal factor de riesgo de enfermedad cardiovascular. 19El control estricto de la presión arterial hasta una presión arterial sistólica inferior a 120 mm Hg se ha asociado con tasas más bajas de eventos cardiovasculares y mortalidad por todas las causas.20 Nuestros datos corroboran esta observación; De los cinco factores de riesgo estudiados, la presión arterial sistólica puede ofrecer el mayor potencial para la prevención de enfermedades cardiovasculares. Aunque existe una fuerte asociación continua entre el nivel de colesterol no HDL y la incidencia de enfermedad cardiovascular, 21 nosotros y otros 3,22,23 observamos una asociación en forma de J invertida entre el nivel de colesterol no HDL y la mortalidad por todas las causas. Aunque niveles muy bajos de colesterol no HDL se relacionan con una reducción de los eventos de enfermedad cardiovascular, 24,25Algunas observaciones apuntan hacia una mayor mortalidad por todas las causas entre los participantes con niveles muy bajos, al menos en un seguimiento a más largo plazo. 26 En contraste con lo que se informó anteriormente, 3 el índice de masa corporal y el tabaquismo actual (al menos en algunas partes del mundo) se asociaron con fracciones comparativamente modestas de eventos de enfermedades cardiovasculares atribuibles a la población en las poblaciones que participan en el Consorcio Mundial de Riesgo Cardiovascular. . Estas asociaciones pueden estar relacionadas con diferencias subyacentes en las características de la población, la definición y prevalencia de los factores de riesgo o los métodos utilizados para estimar las fracciones atribuibles a la población.
Los estudios de casos y controles como INTERHEART pueden haber sobreestimado la fracción atribuible a la población de la incidencia de subtipos de enfermedades cardiovasculares al atribuir el 90% del riesgo de infarto de miocardio a nueve factores de riesgo abordables. 2Los datos de 155.722 participantes que fueron evaluados prospectivamente en el estudio Prospective Urban Rural Epidemiology (PURE) sugirieron que el 71% de los casos de enfermedades cardiovasculares son atribuibles a 14 factores de riesgo metabólicos y conductuales potencialmente modificables, un resultado que es consistente con nuestros hallazgos.3Nuestro estudio se centró en cinco factores de riesgo modificables cuyo control estricto podría prevenir potencialmente el 57,2% de todos los casos de enfermedad cardiovascular en mujeres y el 52,6% de todos los casos en hombres a nivel mundial. El efecto variable de los factores de riesgo individuales en las diferentes regiones podría permitir clasificar y priorizar el control de los factores de riesgo para las acciones de salud pública dentro de esas regiones. Sin embargo, existe un margen sustancial para una caracterización más completa del riesgo de enfermedad cardiovascular.
Factores ambientales y relacionados con la exposición, como actividad física, 2 consumo de alcohol, 27 contaminación del aire, 28 clima y ruido, 29 nivel educativo, 3 o factores de riesgo psicosocial, incluida la depresión, 30tienen un efecto sobre el riesgo de enfermedad cardiovascular. Los biomarcadores 31,32 y las variantes genéticas probablemente contribuirían a la predicción del riesgo de enfermedad cardiovascular.
El análisis del Consorcio Mundial de Riesgo Cardiovascular difiere de otras iniciativas globales que combinan diferentes fuentes de datos, como registros, encuestas de población y datos administrativos del sistema de salud para producir resúmenes metanalíticos. 33,34
El Consorcio Mundial de Riesgo Cardiovascular mantiene una base de datos grande y completa de datos armonizados, observacionales, a nivel individual y recopilados de forma prospectiva. Esta base de datos permite múltiples análisis estadísticos preespecificados sobre datos a gran escala a nivel individual. Este estudio relaciona los principales factores de riesgo cardiovascular modificables con la incidencia de enfermedades cardiovasculares y la mortalidad por todas las causas. La inclusión de cohortes con un amplio espectro de tiempos de seguimiento permitió realizar análisis sólidos específicos por sexo y la evaluación de diferencias entre regiones geográficas.
Nuestro estudio tiene varias limitaciones. La base de datos del Global Cardiovascular Risk Consortium incluye cohortes con diferente representatividad, calidad y cantidad de datos, fechas de evaluaciones iniciales, tiempos de seguimiento, definiciones de criterios de valoración y uso de intervenciones clínicas. La variación en la adjudicación de causas de muerte o sustitutos de infarto de miocardio no fatal es plausible entre regiones, pero un análisis que incluyó el uso de una definición secundaria de enfermedad cardiovascular que excluyó la muerte inclasificable, la angina inestable y la revascularización coronaria no cambió los resultados. Se utilizó una armonización estructurada para reducir la variación y los análisis de sensibilidad proporcionaron resultados similares a los de la población general del estudio. Las tasas de eventos estandarizadas deben interpretarse como medidas descriptivas y no como incidencias reales en una población. Para superar el sesgo resultante de las muertes por enfermedades no cardiovasculares que estaban presentes en el momento del examen inicial, los análisis se realizaron excluyendo los datos del seguimiento del primer año. La información sobre los factores de riesgo modificables estuvo disponible a partir del examen inicial y se desconoce el efecto de los cambios en la exposición a lo largo del tiempo; los análisis no se corrigieron por el sesgo de dilución de regresión. No se pueden excluir por completo los factores de confusión residuales. Los efectos del sobrepeso y la obesidad pueden estar mediados por la hiperlipidemia, la hipertensión y la diabetes. Los análisis se realizaron con exclusión de los datos de seguimiento del primer año. La información sobre los factores de riesgo modificables estuvo disponible a partir del examen inicial y se desconoce el efecto de los cambios en la exposición a lo largo del tiempo; los análisis no se corrigieron por el sesgo de dilución de regresión. No se pueden excluir por completo los factores de confusión residuales. Los efectos del sobrepeso y la obesidad pueden estar mediados por la hiperlipidemia, la hipertensión y la diabetes. Los análisis se realizaron con exclusión de los datos de seguimiento del primer año. La información sobre los factores de riesgo modificables estuvo disponible a partir del examen inicial y se desconoce el efecto de los cambios en la exposición a lo largo del tiempo; los análisis no se corrigieron por el sesgo de dilución de regresión. No se pueden excluir por completo los factores de confusión residuales. Los efectos del sobrepeso y la obesidad pueden estar mediados por la hiperlipidemia, la hipertensión y la diabetes.35Los modelos que incluían el índice de masa corporal, la presión arterial sistólica y la diabetes atribuyen la parte del efecto del índice de masa corporal a la presión arterial sistólica y la diabetes, incluso si el sobrepeso o la obesidad son la verdadera causa subyacente.
Es posible que la definición de tabaquismo actual no abarque todo el espectro y la dosis de exposición al tabaco, y el abandono del hábito de fumar durante el seguimiento podría haber llevado a una subestimación del tabaquismo como factor de riesgo.
También se asumió que los efectos y la prevalencia de los factores de riesgo dentro de una región son homogéneos; sin embargo, pueden existir diferencias intrarregionales. No se proporciona información sobre el grupo étnico porque las definiciones diferían entre las cohortes o porque la recopilación de la variable estaba incompleta o no estaba disponible con un estándar comparable.
En nuestro estudio, los datos armonizados a nivel individual del Global Cardiovascular Risk Consortium mostraron que el 57,2% y el 52,6% de los casos de enfermedad cardiovascular incidente entre mujeres y hombres, respectivamente, y el 22,2% y el 19,1% de las muertes por cualquier causa entre mujeres y hombres , respectivamente, pueden ser atribuibles a cinco factores de riesgo modificables. La prevalencia y el efecto de estos factores de riesgo sobre la incidencia de enfermedades cardiovasculares y la mortalidad por todas las causas varían según el sexo y la región geográfica.
Corresponde que estudiemos y que observemos críticamente la aplicación de las impresoras 3 D en el Hospital del futuro, una de ellas ya empezó a operar y hacer sus primeras armas en el hospital Ramón Carrillo de San Luis. Se tienen que observar como en toda tecnología la finalidad, la versatilidad, el costo de los consumibles y los servicios de postventa, en un país donde las representaciones de las firmas más importantes están incumpliendo sus contratos. Elegí y reproduje parcialmente dos estudios de revisión con el fin de aportar la importancia del involucramiento de los cirujanos en la impresión, los costos la velocidad y las posibilidades de algunos modelos de maquinas impresoras 3 D aplicadas a la medicina.
La impresión 3D (I3D) es una tecnología de fabricación aditiva con un creciente interés en medicina y sobre todo en la especialidad de Cirugía Ortopédica y Traumatología. Hay numerosas aplicaciones que aportan un valor añadido al tratamiento personalizado de los pacientes: planificación preoperatoria avanzada, cirugías con herramientas específicas para cada paciente, tratamientos ortésicos a medida, implantes o prótesis personalizadas y un desarrollo innovador en el campo de la ingeniería de tejidos óseos y cartilaginosos.
La impresión 3D (3DP) agrupa una serie de tecnologías de fabricación que, aplicadas al sector médico, aportan muchas ventajas y suponen un cambio de paradigma en la salud. Aunque el 3DP no es una tecnología nueva (data de 1983), se ha popularizado en los últimos 10 años. Esto se debe, por un lado, a la liberación de patentes sobre las principales tecnologías de fabricación (estereolitografía (SLA) y modelado por deposición fundida (FDM)) y, por otro, a la llegada de nuevos materiales y técnicas 3DP. 3DP es una tecnología en crecimiento que también se utiliza en muchas aplicaciones en los sectores industrial, aeronáutico, automotriz y arquitectónico.
3DP es un tipo de fabricación aditiva que permite transformar un modelo digital en un objeto tridimensional real y tangible. Los modelos tridimensionales se obtienen mediante el procesamiento de estudios de imágenes radiológicas digitales de pacientes, técnicas tridimensionales de escaneo externo, diseño asistido por computadora (CAD) y técnicas de ingeniería inversa. Una vez obtenido el modelo virtual se puede imprimir. Los objetos se construyen capa a capa, utilizando diferentes tecnologías y materiales según la aplicación final. Esta adición de material capa por capa es lo que diferencia al 3DP de otras tecnologías de fabricación clásicas, como el mecanizado, la fundición, el moldeado o la conformación.
Debido a que el 3DP permite la fabricación mediante la colocación de capas sucesivas del material del objeto, se crean estructuras complejas que no podrían obtenerse con otras tecnologías. Esta característica, junto con el concepto de medicina personalizada, ha dado como resultado el uso exitoso de 3DP en medicina. 1 La posibilidad de obtener series cortas en menor tiempo y a un coste menor que otras técnicas de fabricación industrial y evitar desperdicios son otras de las ventajas.
Los biomodelos 3D o bioréplicas son reproducciones físicas de un órgano o región anatómica específica de un paciente. Mediante 3DP, cualquier región anatómica visualizada en imágenes médicas se puede fabricar, a escala real, en diversos materiales y con precisión milimétrica dependiendo de la calidad de la imagen y la tecnología elegida. Si bien es posible obtener datos de cualquier prueba de imagen convencional, las más utilizadas son la tomografía computarizada (TC), la resonancia magnética (RM) e incluso la ecografía
La tecnología de impresión 3D está cada vez más involucrada en la era actual de la prestación de atención médica y se está aplicando para crear prótesis personalizadas, instrumentos quirúrgicos impresos en 3D, educación para estudiantes y residentes de medicina, y modelos anatómicos específicos de cada paciente para ayudar a guiar a los cirujanos antes y durante la operación [ 1 , 2 , 3 , 4 , 5 , 6 , 7 , 8 , 9 ]
Estudios anteriores han demostrado la posibilidad de producir retractores quirúrgicos impresos en 3D, rentables pero robustos, que superan con creces el umbral de retracción clínicamente excesiva en el quirófano, incluso después de la esterilización en autoclave.6 , 10 ]. Además, la literatura respalda importantes ahorros de costos debido a la reducción del tiempo en el quirófano asociado con el uso de modelos anatómicos de pacientes impresos en 3D en aplicaciones quirúrgicas [ 11 ]. La impresión 3D también se ha vuelto especialmente relevante debido a la pandemia de COVID-19 en 2020, donde se empleó la impresión 3D para combatir la escasez de equipos médicos esenciales, incluidos componentes de ventiladores, respiradores N95, hisopos de recolección nasofaríngea y protectores faciales a prueba de salpicaduras [12, 13 ] . , 14 , 15 , 16 , 17 , 18 , 19]. Por lo tanto, a medida que las tecnologías de impresión 3D se integran en la atención médica, resulta importante comprender y optimizar el tiempo y el costo necesarios para producir impresiones 3D clínicamente relevantes. Este conocimiento puede potencialmente aplicarse a la atención de fracturas urgentes [ 20 , 21 ].
Las tres técnicas de impresión 3D comunes investigadas en este estudio son la extrusión de material, la polimerización en tina y el chorro de material. Estos se conocen alternativamente como modelado por deposición fundida (FDM), estereolitografía (SLA) y PolyJet, respectivamente. La impresión FDM se basa en la extrusión continua de un termoplástico calentado desde una boquilla, la impresión SLA se basa en la polimerización de resina de una tina de resina usando luz ultravioleta (UV) y PolyJet se basa en la polimerización mediada por luz UV de material fotopolímero líquido. administrado desde un chorro de tinta, los tres ocurren en un proceso capa por capa [ 1 , 9 , 22 ].
El objetivo de este artículo es evaluar el tiempo y el costo necesarios para imprimir siete modelos de enfermedades ortopédicas obtenidos a partir de tomografías computarizadas anónimas que varían según la impresora 3D, la orientación del modelo en la plataforma de impresión y la altura de la capa y el porcentaje de relleno, si corresponde. Específicamente, este estudio investigará seis impresoras 3D disponibles comercialmente: Prusa i3 MK3S, Formlabs Form 2, Formlabs Form 3, LulzBot TAZ 6, Stratasys F370 y Stratasys J750 Digital Anatomy.
Métodos
Preparación de archivos de lenguaje de teselación estándar (STL)
Siete STL de modelos ortopédicos se derivaron de tomografías computarizadas DICOM anónimas de los siguientes estados patológicos: fractura de radio distal, fractura de húmero distal, fractura de calcáneo, tumor de columna, fractura de pilón, fractura de meseta tibial y fractura intertrocantérea (IT) femoral (Fig. 1) . ).
Las imágenes de tomografía computarizada en 2D se importaron al software de visualización DICOM OsiriX MD (Pixmeo SARL, Ginebra, Suiza), se segmentaron para seleccionar la anatomía pertinente y se exportaron como un modelo 3D [23 ] . Para su posterior procesamiento, este modelo 3D se importó al software Autodesk Meshmixer V.3.5, donde se creó una malla triangular del modelo, creando así un modelo más fácil de imprimir con rugosidad superficial y ruido del modelo reducidos [23 ] . Estos modelos no son sólidos y se crean con un espesor cortical preciso. Este modelo se exportó desde Autodesk Meshmixer como un archivo STL.
Impresoras y software de corte
Luego se importaron modelos ortopédicos en forma de archivos STL al software de corte de cada impresora 3D, que es capaz de proporcionar estimaciones de tiempo de impresión y uso de material de cada modelo después de agregar soportes, dada la orientación y el porcentaje de relleno; se mantuvieron todas las demás configuraciones de impresión predeterminadas, incluida la velocidad de impresión, la velocidad de la primera capa, la velocidad de relleno, la velocidad de la pared, el número de perímetros y la velocidad de desplazamiento (Tabla 1 , 2 ) ( Apéndice B ). En este estudio, el relleno solo se puede cambiar para impresoras FDM.
Tabla 1 Detalles y costos de la impresora 3D
impresora 3d
Técnica de impresión
Materiales
Costo de materiales
Volumen de construcción (largo x ancho x alto)
Software de corte
Costo de la impresora preensamblada (USD)
Materiales adicionales de posprocesamiento
Formulario 2 de Formlabs
SLA
Resina transparente V4 + tanque de resina consumible
$149/L + $60/2L
145x145x175mm
PreForma 3.4.6
$3,499
Alcohol isopropílico: $17,75/galLavado de forma: $499Cura de forma: $699
Formulario 3 de Formlabs
SLA
Resina transparente V4 + tanque de resina consumible
$149/L + $60/2L
145x145x185mm
PreForma 3.4.6
$3,499
Alcohol isopropílico: $17,75/galLavado de forma: $499Cura de forma: $699
LulzBot TAZ 6
MDF
PLA (genérico)
$20/kilo
280x280x250mm
Cura LulzBot Edición 3.6.20
$2,500
Ninguno
Prusa i3 MK3S
MDF
PLA (genérico)
$20/kilo
250x210x200mm
PrusaSlicer 2.2.0
$999
Ninguno
Stratasys F370
MDF
Soporte F123 ABS + F123 QSR
$187/60 en 3 + $182/60 en 3
355x254x355mm
Impresión GrabCAD 1.43
$60,000
Ninguno
Anatomía digital Stratasys J750
polijet
Fotopolímero líquido + soporte SUP706
$302,50 – $432,26/kg + $130/kg
490x390x200mm
Impresión GrabCAD 1.43
$300,000
Ninguno
Tabla 2 Configuración de impresión del software de corte
Software de corte (impresora 3D)
Configuraciones de impresión varias
Cura LulzBot Edición 3.6.20 (LulzBot TAZ 6)
Experimental: soporte de árboles; todas las demás configuraciones de impresión predeterminadas
Impresión GrabCAD – Versión 1.43 (Stratesys F370)
Relleno: escaso; todas las demás configuraciones predeterminadas de impresión y soporte
GrabCAD Print – Versión 1.43 (Anatomía digital de Stratasys J750)
Configuración predeterminada de impresión y soporte
PreForm 3.4.6 (Formlabs Formulario 2)
Material cambiado a Resin Clear V4; todas las demás configuraciones predeterminadas de impresión y soporte
PreForm 3.4.6 (formulario 3 de Formlabs)
Material cambiado a Resin Clear V4; todas las demás configuraciones predeterminadas de impresión y soporte
PrusaSlicer 2.2.0 (Prusa i3 MK3S)
Configuración predeterminada de impresión y soporte
El coste estimado se calculó posteriormente, teniendo en cuenta el uso estimado de material del software de corte y el coste de los consumibles, este último de los cuales solo incluye los tanques de resina consumibles para las impresoras Formlabs Form 2 y Form 3. Para la Forma 2 y la Forma 3, el costo del modelo se calculó multiplicando el uso de material estimado por el cortador por el costo por mililitro (mL) de resina agregado al costo del tanque de resina consumible por ml. Para todas las demás impresoras 3D, el costo del modelo se calculó multiplicando el uso de material estimado por la cortadora por el costo por unidad de material. Los accesorios y materiales de posprocesamiento adicionales no se han agregado al costo estimado y se contabilizan por separado ya que no dependen del uso de materiales.
Los modelos se centraron automáticamente en la placa de construcción en cada software de corte, con las excepciones de PreForm 3.4.6 para FormLabs Form 3 y GrabCAD Print – Versión 1.43 para Stratasys J750 Digital Anatomy en los que los modelos se colocaron automáticamente en la esquina de la placa de construcción. La ubicación del modelo en la placa de construcción no produjo cambios o estos fueron insignificantes en el tiempo de impresión y el uso de material, con la excepción de Stratasys J750 Digital Anatomy, en el que la ubicación del modelo tiene un impacto considerable en el tiempo de impresión estimado y el uso de material. La plantilla de Anatomía digital Stratasys J750 en GrabCAD Print – Versión 1.43 coloca automáticamente los modelos en la plataforma de impresión de manera que se minimice el tiempo de impresión y el uso de material.
Configuración de impresión investigada
Para las impresoras 3D FDM, investigamos los porcentajes de relleno comunes del 15 % y 20 % para evaluar las diferencias en el tiempo de impresión y el uso de material (Tabla 3 ). Cuando se selecciona una altura de capa de 0,01 pulgadas o 0,254 mm, Stratasys F370 requiere un relleno mínimo del 17 % y, por lo tanto, solo investigamos modelos con un 20 % de relleno para esta configuración. Además, una altura de capa de 0,007 pulgadas o 0,1778 mm requiere un relleno mínimo del 23% y, por lo tanto, no se pudieron obtener estimaciones para esta altura de capa.
Tabla 3 Datos incompletos debido a limitaciones de la impresora 3D o del software de corte
El software de corte para la tecnología SLA no tiene la opción de ajustar el relleno, ya que el proceso de impresión y curado daría como resultado que la resina no polimerizada quedara atrapada dentro del modelo. El software de corte para Stratasys J750 Digital Anatomy no tiene la opción de cambiar el relleno; la altura de la capa para la configuración Alta calidad está preestablecida en 0,014 mm, y la altura de la capa para la configuración Alta mezcla y Alta velocidad está preestablecida en 0,027 mm [ 24 ].
Para todas las impresoras, este estudio investigará cómo los cambios en la altura de la capa afectan el tiempo y el costo de impresión estimados.
Orientación del modelo en la cama de impresión.
Los modelos 3D generados a partir de una tomografía computarizada se orientan en relación con la posición del paciente en el escáner. Para evaluar el efecto de la orientación del modelo en la placa de construcción sobre el tiempo de impresión estimado y el uso del material, se definieron tres orientaciones (Fig. 2 ).
Figura 2
Horizontal: para modelos de huesos largos, el eje largo está orientado paralelo a la placa de construcción. El modelo de fractura de calcáneo está orientado en posición anatómica. El eje longitudinal del modelo de tumor de columna está orientado paralelo a la placa de construcción con las apófisis espinosas superiores y los cuerpos vertebrales inferiores.
Vertical: para modelos de huesos largos, el eje largo de la impresión está orientado perpendicular a la placa de construcción, con la diáfisis orientada por encima de la epífisis. Para el modelo de fractura de calcáneo, el calcáneo posterior estaría orientado por debajo del calcáneo anterior en el eje perpendicular a la placa de construcción. El modelo de tumor de columna se mantuvo en la posición anatómica del paciente.
45 grados:para todos los modelos, el proceso de orientación es idéntico a la orientación vertical, con una desviación adicional de 45 grados hacia la placa de construcción.
Recopilación e interpretación de datos.
Para cada uno de los siete modelos ortopédicos en tres orientaciones en la plataforma de impresión, se registraron el tiempo de impresión estimado y el uso del material desde el software de corte para cada impresora y la configuración de impresión correspondiente. Para algunas impresoras y configuraciones, no se pudieron dividir todos los modelos y, por lo tanto, no se pudieron obtener estimaciones del tiempo de impresión y del uso de materiales (Tabla 3 ). Hemos tenido en cuenta esto al interpretar los datos omitiendo los datos incompletos por igual en todos los conjuntos de datos comparados. Las intervenciones se estructuraron como cambios de configuración única, y los efectos sobre el costo estimado y el tiempo de impresión se evaluaron mediante el cambio porcentual de estos valores después de la intervención.
Resultados
Efecto del porcentaje de relleno en el tiempo de impresión estimado y el costo del modelo
Las siguientes comparaciones porcentuales para el tiempo de impresión estimado se calcularon promediando el tiempo de impresión estimado para cada modelo individual en tres orientaciones y luego sumando el tiempo de impresión estimado promedio para los siete modelos para una impresora y configuración específicas. Para cada altura de capa se toma la relación entre la suma después de la intervención y la suma antes de la intervención. Posteriormente, estas proporciones se promediaron para obtener el valor final. Se utiliza el mismo proceso para calcular comparaciones porcentuales del costo estimado.
En una comparación entre Prusa i3 MK3S, Stratasys F370 y LulzBot TAZ 6, encontramos que el aumento porcentual en el tiempo de impresión al aumentar el relleno del 15% al 20% es 1,01%, 0,60% y 1,36%, respectivamente; También hemos encontrado que el aumento porcentual promedio en el costo del modelo al aumentar el relleno del 15% al 20% es 1,71%, 0,19% y 1,32%, respectivamente (Tabla 4 ) .
Tabla 4 Cuantificación del cambio porcentual promedio en el tiempo y el costo de impresión estimados después de cambios en el relleno o la altura de la capa
impresora 3d
Porcentaje de relleno
altura de la capa
Datos incompletos
Notas
Formulario 2 de Formlabs
N / A
0,05mm, 0,10mm
El modelo de fractura femoral IT en orientación horizontal y de 45 grados no encaja en la placa de construcción.
0,10 mm es la altura máxima de la capa.
Formulario 3 de Formlabs
N / A
0,05mm, 0,10mm
El modelo de fractura femoral IT en orientación horizontal y de 45 grados no encaja en la placa de construcción.
0,10 mm es la altura máxima de la capa.
LulzBot TAZ 6
15%, 20%
0,20 mm, 0,30 mm, 0,38 mm
N / A
La altura de capa de 0,38 mm es la configuración predeterminada. El software de corte no puede cortar en alturas de capa inferiores a 0,19 mm.
Prusa i3 MK3S
15%, 20%
0,15 mm, 0,20 mm, 0,30 mm
A una altura de capa de 0,30 mm, el modelo de tumor de columna indica un error al detectar capas vacías.
No se pudo cortar el 15 % de relleno a una altura de capa de 0,01 pulgadas (0,254 mm).
Una altura de capa de 0,01 pulg. (0,254 mm) requiere un relleno mínimo del 17 %. 0,007 pulgadas (0,1778 mm), no investigado, requiere un relleno mínimo del 23 %.
Anatomía digital Stratasys J750
N / A
N / A
N / A
Opción de elegir Alta Calidad, Alta Mezcla o Alta Velocidad.
Efecto de la altura de la capa en el tiempo de impresión estimado y el costo del modelo para impresoras 3D FDM
Las siguientes comparaciones porcentuales para el tiempo de impresión estimado se calcularon promediando el tiempo de impresión estimado para cada modelo individual en tres orientaciones y luego sumando el tiempo de impresión promedio estimado para los siete modelos para una impresora y configuración específicas. Para obtener el valor final se toma la relación entre la suma después de la intervención y la suma antes de la intervención. Se utiliza el mismo proceso para calcular comparaciones porcentuales del costo estimado.
Para Prusa i3 MK3S con un relleno del 20%, la disminución de la altura de la capa de 0,30 mm a 0,20 mm aumentó el tiempo de impresión estimado en un 11,72% y el costo estimado en un 2,92%, y la disminución de la altura de la capa de 0,30 mm a 0,15 mm aumentó el tiempo de impresión estimado en un 48,04% y disminuyó el costo estimado en un 8,25% (Tabla 4 ). Para Prusa i3 MK3S con un relleno del 15 %, la disminución de la altura de la capa de 0,30 mm a 0,20 mm aumentó el tiempo de impresión estimado en un 11,37 % y disminuyó el costo estimado en un 3,13 %, y la disminución de la altura de la capa de 0,30 mm a 0,15 mm aumentó el tiempo de impresión estimado en un 46,70 % y disminuyó el costo estimado en un 8,13% (Tabla 4 ).
Para Stratasys F370 con un relleno del 20 %, la disminución de la altura de la capa de 0,013 pulgadas o 0,3302 mm a 0,01 pulgadas o 0,254 mm aumentó el tiempo de impresión estimado en un 28,73 % y el costo estimado en un 10,29 % (Tabla 4 ) .
Para Stratasys J750 Digital Anatomy, las alturas de las capas están preestablecidas según la configuración de impresión seleccionada. Cambiar la configuración de impresión High Mix (altura de capa de 0,027 mm) a la configuración de impresión de alta calidad (altura de capa de 0,014 mm) aumentó el tiempo de impresión estimado en un 77,10 % y aumentó el costo estimado en un 41,77 % (Tabla 4 ) . Cambiar la configuración de impresión de Alta velocidad (altura de capa de 0,027 mm) a la configuración de impresión de Alta calidad aumentó el tiempo de impresión estimado en un 228,98 % y aumentó el costo estimado en un 39,53 % (Tabla 4 ) . Cambiar la configuración de impresión de Alta velocidad a la configuración de impresión de Mezcla alta aumentó el tiempo de impresión estimado en un 85,76 % y disminuyó el costo estimado en un 1,58 %, a pesar de que la altura de la capa no cambió (Tabla 4 ) .
Para LulzBot TAZ 6 con un relleno del 20 %, la disminución de la altura de la capa de 0,38 mm, la configuración predeterminada, a 0,30 mm aumentó el tiempo de impresión estimado en un 24,27 % y disminuyó el costo estimado en un 0,73 %, y la disminución de la altura de la capa de 0,38 mm a 0,20 mm aumentó la estimación. el tiempo de impresión en un 69,59 % y disminuyó el costo estimado en un 9,81 % (Tabla 4 ). Para LulzBot TAZ 6 con un relleno del 15 %, la disminución de la altura de la capa de 0,38 mm a 0,30 mm aumentó el tiempo de impresión estimado en un 24,54 % y disminuyó el costo estimado en un 1,03 %, y la disminución de la altura de la capa de 0,38 mm a 0,20 mm aumentó el tiempo de impresión estimado en un 70,58 % y disminuyó el costo estimado en un 9,53% (Tabla 4 ).
Efecto de la altura de la capa en el tiempo de impresión estimado y el costo del modelo para impresoras 3D SLA
Se utilizó un proceso idéntico al utilizado para comparar alturas de capa para impresoras FDM para calcular las siguientes comparaciones porcentuales.
Para Formlabs Form 2, la reducción de la altura de la capa de 0,10 mm a 0,05 mm aumentó el tiempo de impresión estimado en un 59,52 % y disminuyó el costo estimado en un 0,75 % (Tabla 4 ).
Para Formlabs Form 3, la disminución de la altura de la capa de 0,10 mm a 0,05 mm aumentó el tiempo de impresión estimado en un 65,79 % y disminuyó el costo estimado en un 0,62 % (Tabla 4 ).
Efecto de la orientación del modelo en la plataforma de impresión sobre el tiempo de impresión estimado y el costo del modelo
Las comparaciones con Prusa i3 MK3S 0,30 mm han tenido en cuenta datos incompletos del modelo de tumor de columna mediante omisión igual en las tres orientaciones. Los datos del modelo de tumor de columna están presentes para todos los demás conjuntos de datos. Para las comparaciones entre Formlabs Form 2 y Form 3, se omitió el modelo de fractura femoral IT debido a que el rebanador no pudo proporcionar estimaciones.
Las siguientes comparaciones porcentuales para el tiempo de impresión estimado se calcularon sumando el tiempo de impresión estimado total para todos los modelos para todas las impresoras y configuraciones por orientación, lo que arroja un tiempo de impresión estimado agregado para cada orientación. Se calcularon proporciones que comparaban diferentes tiempos de impresión agregados por orientación, lo que arrojó un cambio porcentual. Se utiliza el mismo proceso para calcular comparaciones porcentuales del costo estimado.
Para las impresoras 3D FDM Prusa i3 MK3S, Stratasys F370 y LulzBot TAZ 6, utilizando solo datos con un 20 % de relleno debido a la diferencia insignificante en el costo estimado y el tiempo de impresión entre el 15 % y el 20 % de relleno, la orientación que minimizó la impresión estimada el tiempo promedio fue horizontal, con vertical y 45 grados tardando 1,06% y 13,88% más en imprimirse que horizontal, respectivamente; la orientación que minimizó el costo estimado en promedio fue la vertical, con la horizontal y la de 45 grados costando 4,84% y 14,14% más que la vertical, respectivamente (Tabla 5 ) .
Tabla 5 Cuantificación del cambio porcentual promedio en el tiempo y el costo de impresión estimados después de los cambios en la orientación del modelo en la plataforma de impresión
Impresora 3D y configuración.
Intervención
Cambio porcentual promedio en el tiempo de impresión estimado
Cambio porcentual promedio en el costo estimado
Prusa i3 Mk3S
Aumento del relleno del 15 % al 20 %
+ 1,01%
+ 1,71%
Stratasys F370
Aumento del relleno del 15 % al 20 %
+ 0,60%
+ 0,19%
LulzBot TAZ 6
Aumento del relleno del 15 % al 20 %
+ 1,36%
+ 1,32%
Prusa i3 Mk3S, 20% de relleno
Disminución de la altura de la capa de 0,30 mm a 0,20 mm
+ 11,72%
– 2,92%
Prusa i3 Mk3S, 20% de relleno
Disminución de la altura de la capa de 0,30 mm a 0,15 mm
+ 48,04%
– 8,25%
Prusa i3 Mk3S, 15% de relleno
Disminución de la altura de la capa de 0,30 mm a 0,20 mm
+ 11,37%
– 3,13%
Prusa i3 Mk3S, 15% de relleno
Disminución de la altura de la capa de 0,30 mm a 0,15 mm
+ 46,70%
– 8,13%
Stratasys F370, 20% de relleno
Disminución de la altura de la capa de 0,013 pulg. (0,3302 mm) a 0,01 pulg. (0,254 mm)
+ 28,73%
+ 10,29%
LulzBot TAZ 6, 20% de relleno
Disminución de la altura de la capa de 0,38 mm a 0,30 mm
+ 24,27%
– 0,73%
LulzBot TAZ 6, 20% de relleno
Disminución de la altura de la capa de 0,38 mm a 0,20 mm
+ 69,59%
– 9,81%
LulzBot TAZ 6, 15% de relleno
Disminución de la altura de la capa de 0,38 mm a 0,30 mm
+ 24,54%
– 1,03%
LulzBot TAZ 6, 15% de relleno
Disminución de la altura de la capa de 0,38 mm a 0,20 mm
+ 70,58%
– 9,53%
Formulario 2 de Formlabs
Disminución de la altura de la capa de 0,10 mm a 0,05 mm
+ 59,52%
– 0,75%
Formulario 3 de Formlabs
Disminución de la altura de la capa de 0,10 mm a 0,05 mm
+ 65,79%
– 0,62%
Anatomía digital Stratasys J750, mezcla alta (altura de capa de 0,027 mm)
Cambiar la configuración de impresión a Alta calidad (altura de capa de 0,014 mm)
+ 77,10%
+ 41,77%
Anatomía digital Stratasys J750, alta velocidad (altura de capa de 0,027 mm)
Cambiar la configuración de impresión a Alta calidad (altura de capa de 0,014 mm)
+ 228,98%
+ 39,53%
Anatomía digital Stratasys J750, alta velocidad (altura de capa de 0,027 mm)
Cambiar la configuración de impresión a High Mix (altura de capa de 0,027 mm)
+ 85,76%
– 1,58%
Para las impresoras 3D SLA Formlabs Form 2 y Form 3, la orientación que minimizó el tiempo de impresión estimado en promedio fue la horizontal, con la vertical y los 45 grados tomando un 16,63 % y un 22,92 % más que la horizontal, respectivamente; la orientación que minimizó el costo estimado en promedio fue la vertical, con la horizontal y la de 45 grados costando 2,92% y 7,17% más que la vertical, respectivamente (Tabla 5 ).
Para la impresora 3D PolyJet Stratasys J750 Digital Anatomy, la orientación que minimizó el tiempo de impresión estimado en promedio fue la horizontal, con la vertical y los 45 grados tardando un 28,94% y un 39,30% más que la horizontal, respectivamente; la orientación que minimizó el costo estimado en promedio fue la horizontal, siendo la vertical y la de 45 grados un 15,79% y un 34,58% más que la horizontal, respectivamente (Tabla 5 ).
Cambio porcentual promedio en el tiempo de impresión estimado
Cambio porcentual promedio en el costo estimado
MDF
Cambiar la orientación del modelo de horizontal a vertical
+ 1,06%
– 4,62%
MDF
Cambiar la orientación del modelo de horizontal a 45 grados
+ 13,88%
+8,87%
MDF
Cambiar la orientación del modelo de vertical a horizontal
– 1,05%
+ 4,84%
MDF
Cambiar la orientación del modelo de vertical a 45 grados
+ 12,69%
+ 14,14%
SLA
Cambiar la orientación del modelo de horizontal a vertical
+ 16,63%
– 2,84%
SLA
Cambiar la orientación del modelo de horizontal a 45 grados
+ 22,92%
+ 4,13%
SLA
Cambiar la orientación del modelo de vertical a horizontal
– 14,26%
+ 2,92%
SLA
Cambiar la orientación del modelo de vertical a 45 grados
+ 5,39%
+ 7,17%
polijet
Cambiar la orientación del modelo de horizontal a vertical
+ 28,94%
+ 15,79%
polijet
Cambiar la orientación del modelo de horizontal a 45 grados
+ 39,30%
+ 34,56%
Comparación del tiempo de impresión estimado y el coste del modelo entre impresoras 3D FDM
Se ha omitido la Prusa i3 MK3S con una altura de capa de 0,30 mm debido a que los datos del modelo de tumor de columna están incompletos. Las impresoras y configuraciones restantes se comparan utilizando datos de los siete modelos ortopédicos, con el relleno establecido en 20%.
Para comparar impresoras FDM en diferentes alturas de capa, primero se promediaron el tiempo de impresión estimado y el costo de cada uno de los siete modelos ortopédicos en tres orientaciones, luego se promediaron los siete modelos ortopédicos, lo que arrojó un tiempo de impresión y costo promedio estimado por modelo por impresora ( Figura 3 ) .
Fig. 3
Para la Prusa i3 MK3S con una altura de capa de 0,15 mm, el tiempo de impresión promedio estimado fue de 1277,71 minutos por modelo y el costo promedio estimado fue de 2,12 dólares por modelo. Para la Prusa i3 MK3S con una altura de capa de 0,20 mm, el tiempo de impresión promedio estimado fue de 974,67 minutos por modelo y el costo promedio estimado fue de 2,24 dólares por modelo.
Para Stratasys F370 con una altura de capa de 0,01 pulgadas o 0,254 mm, el tiempo de impresión promedio estimado fue de 679,43 minutos por modelo y el costo promedio estimado fue de $22,19 por modelo. Para Stratasys F370 con una altura de capa de 0,013 pulgadas o 0,3302 mm, el tiempo de impresión promedio estimado fue de 526,43 minutos por modelo y el costo promedio estimado fue de $19,73 por modelo.
Para LulzBot TAZ 6 con una altura de capa de 0,20 mm, el tiempo de impresión promedio estimado fue de 912,24 minutos por modelo y el costo promedio estimado fue de $2,96 por modelo. Para LulzBot TAZ 6 con una altura de capa de 0,30 mm, el tiempo de impresión promedio estimado fue de 668,43 minutos por modelo y el costo promedio estimado fue de $3,26 por modelo. Para LulzBot TAZ 6 con una altura de capa de 0,38 mm, el tiempo de impresión promedio estimado fue de 537,90 minutos por modelo y el costo promedio estimado fue de $3,28 por modelo.
Comparación del tiempo de impresión estimado y el costo del modelo entre impresoras 3D SLA
En las siguientes comparaciones se ha omitido el modelo de fractura IT femoral en todas las impresoras y configuraciones SLA debido a que el modelo no cabe en la placa de construcción. Para las impresoras SLA se utilizó un proceso idéntico al utilizado para calcular el tiempo de impresión promedio estimado y el costo por modelo por impresora para impresoras FDM (Fig. 4 ).
Figura 4
Para Formlabs Form 2 con una altura de capa de 0,05 mm, el tiempo de impresión promedio estimado fue de 776,22 minutos por modelo y el costo promedio estimado fue de 16,18 dólares por modelo. Para Formlabs Form 2 con una altura de capa de 0,10 mm, el tiempo de impresión promedio estimado fue de 486,61 minutos por modelo y el costo promedio estimado fue de 16,30 dólares por modelo.
Para la Formlabs Form 3 con una altura de capa de 0,05 mm, el tiempo de impresión promedio estimado fue de 801,06 minutos por modelo y el costo promedio estimado fue de 16,59 dólares por modelo. Para la Formlabs Form 3 con una altura de capa de 0,10 mm, el tiempo de impresión promedio estimado fue de 483,17 minutos por modelo y el costo promedio estimado fue de 16,69 dólares por modelo.
Tiempo de impresión estimado y costo del modelo para una impresora 3D PolyJet
El software de corte para Stratasys J750 Digital Anatomy permite al usuario seleccionar tres configuraciones de impresión: Alta velocidad, Alta mezcla y Alta calidad (Fig. 5 ). Se utilizó un proceso idéntico al utilizado para calcular el tiempo de impresión promedio estimado y el costo por modelo por impresora para impresoras FDM (Figs. 5 , 6 ).
figura 5Figura 6
Para la configuración de impresión de alta velocidad, el tiempo de impresión promedio estimado fue de 381,57 minutos por modelo y el costo promedio estimado fue de $194,04 por modelo. Para la configuración de impresión High Mix, el tiempo de impresión promedio estimado fue de 708,81 minutos por modelo y el costo promedio estimado fue de $190,98 por modelo. Para la configuración de impresión de alta calidad, el tiempo de impresión promedio estimado fue de 1255,29 minutos por modelo y el costo promedio estimado fue de $270,75 por modelo.
Comparación del tiempo de impresión estimado y el costo del modelo para todas las impresoras 3D
Para garantizar una comparación justa, en las siguientes comparaciones de tiempo y costos de impresión se ha omitido el modelo de tumor de columna y fractura IT femoral para todas las impresoras y configuraciones debido a datos incompletos. Las impresoras FDM se configuraron con un relleno del 20%.
Las tres impresoras 3D con el tiempo de impresión estimado más bajo posible por modelo son Stratasys J750 Digital Anatomy, LulzBot TAZ 6 y Stratasys F370 (Tabla 6 ).
Tabla 6 Tiempo de impresión estimado por modelo para todas las impresoras 3D y configuraciones de impresión en orden ascendente, excluyendo los modelos de tumor de columna y fractura IT femoral para todas las impresoras 3D y configuraciones
Tabla 7 Velocidad de construcción promedio estimada (cm 3 /min) para todas las impresoras 3D y configuraciones de impresión en orden descendente, excluyendo los modelos de tumor de columna y fractura IT femoral para todas las impresoras 3D y configuraciones
impresora 3d
Configuración
Costo estimado por modelo (USD)
Prusa i3 MK3S
Altura de capa de 0,15 mm
$1.45
Prusa i3 MK3S
Altura de capa de 0,20 mm
$1.53
Prusa i3 MK3S
Altura de capa de 0,30 mm
$1.57
LulzBot TAZ 6
Altura de capa de 0,20 mm
$1.71
LulzBot TAZ 6
Altura de capa de 0,30 mm
$1.84
LulzBot TAZ 6
Altura de capa de 0,38 mm
$1.87
Formulario 2 de Formlabs
Altura de capa de 0,05 mm
$13.60
Formulario 2 de Formlabs
Altura de capa de 0,10 mm
$13.76
Stratasys F370
Altura de capa de 0,013 pulgadas (0,3302 mm)
$13.92
Formulario 3 de Formlabs
Altura de capa de 0,05 mm
$13.99
Formulario 3 de Formlabs
Altura de capa de 0,10 mm
$14.07
Stratasys F370
Altura de capa de 0,01 pulgadas (0,254 mm)
$16.44
Anatomía digital Stratasys J750
Mezcla alta (altura de capa de 0,027 mm)
$140.22
Anatomía digital Stratasys J750
Alta velocidad (altura de capa de 0,027 mm)
$142.66
Anatomía digital Stratasys J750
Alta calidad (altura de capa de 0,014 mm)
$203.43
Para los modelos de fracturas articulares, las impresoras FDM de escritorio Prusa i3 MK3S y LulzBot TAZ 6 tuvieron un costo un orden de magnitud menor que las impresoras SLA de escritorio, Formlabs Form 2 y Form 3, o la impresora FDM industrial Stratasys F370 (Tabla 8 ) .Tabla 8 Costo estimado por modelo para todas las impresoras 3D y configuraciones de impresión en orden ascendente, excluyendo los modelos de tumor de columna y fractura IT femoral para todas las impresoras 3D y configuraciones
Aunque la Prusa i3 Mk3S ofrecía los costos más bajos para los modelos de fracturas articulares, los ajustes preestablecidos de impresión predeterminados daban como resultado capacidades de impresión inconsistentes en el modo Borrador de 0,30 mm. El modelo de fractura femoral IT era demasiado grande para las capacidades de las Form 2 y Form 3.
Las siguientes comparaciones incluyen los 7 modelos ortopédicos y excluyen impresoras y configuraciones con datos incompletos. Los modelos de tumores de columna y fracturas IT femorales requieren mucho tiempo de impresión y costos, como lo reflejan los aumentos en el tiempo promedio de impresión y el costo por modelo.
Las tres impresoras 3D con el tiempo de impresión estimado más bajo posible por modelo siguen siendo Stratasys J750 Digital Anatomy, Stratasys F370 y LulzBot TAZ 6 (Tabla 9 ).
Tabla 9 Tiempo de impresión estimado por modelo para impresoras 3D y configuraciones de impresión en orden ascendente, excluyendo impresoras y configuraciones de impresión con datos de modelo ortopédicos incompletos
El promedio de cm 3 /min se comparó nuevamente entre impresoras 3D, y Stratasys J750 Digital Anatomy nuevamente arrojó el promedio más alto de cm 3 /min, seguido de LulzBot TAZ 6 (Tabla 10 ).Tabla 10 Velocidad de construcción promedio estimada (cm 3 /min) para todas las impresoras 3D y configuraciones de impresión en orden descendente, excluyendo impresoras y configuraciones de impresión con datos de 3 modelos ortopédicos incompletos
El costo estimado por modelo para Prusa i3 MK3S y LulzBot TAZ 6 sigue siendo un orden de magnitud menor que el costo de Formlabs Form 2 y Form 3 y Stratasys F370, y dos órdenes de magnitud menor que Stratasys J750 Digital Anatomy (Tabla 11 ) .Tabla 11 Costo estimado por modelo para impresoras 3D y configuraciones de impresión en orden ascendente, excluyendo impresoras y configuraciones de impresión con datos de modelo ortopédicos incompletos
Efecto de la configuración de impresión en el tiempo de impresión estimado y el costo del modelo
El efecto de cambiar el relleno entre un 15% y un 20% en el tiempo y el costo de impresión estimados parece ser insignificante, con un cambio porcentual máximo del 1,71% para cualquier valor de tiempo o costo de impresión en todas las impresoras FDM de este estudio.
Para todas las impresoras FDM investigadas, Prusa i3 MK3S, LulzBot TAZ 6 y Stratasys F370, la disminución de la altura de la capa aumentó el tiempo de impresión estimado. Se espera una relación inversa entre la altura de la capa y el tiempo de impresión estimado, ya que el aumento de la altura de la capa reduce el número total de capas necesarias para completar la impresión 3D y, por lo tanto, se espera que el tiempo de impresión disminuya [25 ] . Para Prusa i3 MK3S y LulzBot TAZ 6, la disminución de la altura de la capa disminuyó el costo estimado. El aumento de la altura de la capa reduce la resolución de la impresión, creando así un efecto de escalera a medida que se depositan las capas; Este efecto puede consumir material de impresión 3D adicional a medida que el material se extruye fuera de los límites del modelo [ 26]. Sin embargo, para Stratasys F370, la disminución de la altura de la capa aumentó el costo estimado. Por lo tanto, para Stratasys F370, según las estimaciones de segmentación, es rentable y rentable aumentar la altura de la capa. La magnitud observada del cambio en el costo promedio estimado al cambiar la altura de la capa es relativamente pequeña en comparación con la magnitud observada del cambio en el tiempo promedio de impresión al cambiar la altura de la capa (Fig. 3 ) .
Para todas las impresoras SLA investigadas, Formlabs Form 2 y Form 3, la disminución de la altura de la capa aumentó el tiempo de impresión estimado y disminuyó de manera insignificante el costo estimado en menos del 1 %. Al igual que con las impresoras FDM, observamos una relación inversa esperada entre la altura de la capa y el tiempo de impresión. Una inspección más cercana de los datos revela que el volumen estimado del modelo (mL), una medida directamente relacionada con el costo del modelo, no fue consistentemente mayor para todos los modelos cuando la altura de la capa se estableció en 0,10 mm en comparación con 0,05 mm tanto para Formlabs Form 2 como para Form. 3 lo que nos lleva a concluir que el costo se mantiene prácticamente sin cambios. Las impresoras SLA requieren pasos de posprocesamiento adicionales, incluido el lavado del modelo con alcohol isopropílico (IPA) y el curado del modelo con luz UV, lo que requiere 10 minutos y 15 minutos adicionales respectivamente por modelo para el material Clear Resin V4 [27 , 28 ]. El accesorio de posprocesamiento Form Wash tiene una capacidad de 2,3 galones para IPA y puede lavar hasta 200 modelos antes de requerir reemplazo de IPA [ 29 , 30 ]. Esto agrega aproximadamente $0,20 de costo de IPA a cada modelo impreso en Formlabs Form 2 o Form 3.
Efecto de la orientación del modelo en la plataforma de impresión sobre el tiempo de impresión estimado y el costo del modelo
Para todas las impresoras investigadas, la orientación que minimizó el tiempo de impresión estimado en promedio fue la horizontal, seguida de la vertical, siendo la orientación de 45 grados la menos eficiente en términos de tiempo.
Para todas las impresoras investigadas, excepto Stratasys J750 Digital Anatomy, la orientación que minimizó el costo estimado en promedio fue la vertical, seguida de la horizontal, siendo la orientación de 45 grados la menos rentable. Para Stratasys J750 Digital Anatomy, la orientación que minimizó el costo estimado, en promedio, fue la horizontal, seguida de la vertical, siendo la orientación de 45 grados la menos rentable.
La evaluación de la tasa de fallas basada en la orientación del modelo en la plataforma de impresión está fuera del alcance de este estudio.
Comparación del tiempo de impresión estimado y el coste del modelo entre impresoras 3D FDM
A una altura de capa determinada, por extrapolación, Stratasys F370 tiene un tiempo de impresión estimado por modelo más bajo que LulzBot TAZ 6, y LulzBot TAZ 6 tiene un tiempo de impresión estimado por modelo más bajo que Prusa i3 MK3S (Fig. 3 ) .
Los costes medios estimados de los modelos Prusa i3 MK3S y LulzBot TAZ 6 son bajos y comparables entre sí. El costo promedio estimado del modelo para Stratasys F370 es un orden de magnitud mayor en comparación con Prusa i3 MK3S y LulzBot TAZ 6.
Comparación del tiempo de impresión estimado y el costo del modelo entre impresoras 3D SLA
Formlabs Form 2 y Form 3 son impresoras comparables sin diferencias claras en el tiempo de impresión estimado o el coste del modelo.
Caracterización del tiempo y costo de impresión estimados para la tecnología PolyJet
Este estudio investiga una sola impresora PolyJet, pero cuantifica el tiempo de impresión estimado y las diferencias de costos entre las configuraciones de impresión de Anatomía digital Stratasys J750: Alta velocidad, Alta mezcla y Alta calidad. Las alturas de capa correspondientes para estas configuraciones fueron 0,014 mm, 0,027 mm y 0,027 mm, respectivamente.
El tiempo de impresión estimado por modelo es el más bajo en la configuración de Alta velocidad, seguido por la configuración de Mezcla alta. Los costos estimados del modelo entre High Speed y High Mix son comparables, y ambos inferiores al costo estimado de High Quality. El análisis de la altura de la capa revela una tendencia similar a la de las tecnologías FDM y SLA, ya que la disminución de la altura de la capa aumentó el tiempo estimado de impresión. Además, el costo promedio estimado fue casi idéntico para las configuraciones de impresión de Alta Velocidad y Alta Mezcla, las cuales tienen las mismas alturas de capa preestablecidas.
Caracterización del tiempo y costo de impresión estimados para todas las impresoras 3D
Prusa i3 MK3S es una impresora 3D FDM de bajo costo que produce el costo estimado más bajo por modelo pero tiene un tiempo de impresión estimado alto con la tasa de construcción promedio más baja. Es posible que PrusaSlicer 2.2.0 no pueda cortar modelos con una altura de capa de 0,30 mm.
Stratasys J750 Digital Anatomy es una impresora 3D PolyJet de alto costo que produce impresiones de alta resolución con una altura de capa de 0,014 mm o 0,027 mm y tiene el tiempo de impresión estimado más bajo por modelo en la configuración de impresión de alta velocidad, pero tiene un modelo estimado alto. costo. Esta impresora tiene la tasa de construcción promedio más alta de todas las impresoras investigadas.
El tiempo y el coste de impresión estimados para Formlabs Form 2 y Form 3 son comparables, y estas impresoras 3D SLA pueden imprimir rápidamente modelos de alta resolución. Estas impresoras de costo medio producen un tiempo de impresión estimado bajo con una altura de capa de 0,10 mm y tienen un costo de modelo estimado de rango medio, pero requieren tiempo, materiales y accesorios adicionales para el posprocesamiento. Además, el espacio de construcción para Form 2 y Form 3 puede ser demasiado pequeño para algunos modelos anatómicos, como el modelo de fractura IT femoral de este estudio.
Stratasys F370 es una impresora 3D FDM de alto costo que produce un tiempo de impresión estimado bajo con una altura de capa de 0,013 pulgadas o 0,3302 mm y tiene un costo de modelo estimado de rango medio.
LulzBot TAZ 6 es una impresora 3D FDM de costo medio que produce un tiempo de impresión estimado bajo con una altura de capa de 0,38 mm y un costo de modelo estimado bajo.
Implicaciones clínicas
Las impresoras 3D actuales tienen una resolución muy alta que supera los requisitos de espesor de corte del protocolo de imágenes actual y las necesidades de los modelos anatómicos. En esos casos, se prefieren impresiones de menor resolución o más rápidas. Las impresoras de escritorio ofrecieron los costos más bajos para los modelos; sin embargo, ciertos modelos anatómicos complejos requieren experiencia adicional del usuario para una orientación adecuada debido al riesgo de oscurecer detalles clínicamente relevantes debido a los artefactos de soporte. Las impresoras FDM de escritorio dependen de una eliminación mecánica de las estructuras de soporte que requiere mucha mano de obra, mientras que las impresoras industriales FDM y PolyJet permiten una disolución química de las estructuras de soporte con menos mano de obra; sin embargo, los costos y el tiempo para la eliminación del soporte estuvieron fuera del alcance de este estudio. .
Limitaciones
Reconocemos que hay muchas impresoras 3D adicionales disponibles en el mercado que no han sido investigadas en este estudio. Además, este estudio solo analizó modelos de enfermedades ortopédicas y es posible que los hallazgos no sean generalizables a otros modelos anatómicos de órganos sólidos.
La evaluación del tiempo de preprocesamiento, es decir, el tiempo necesario para dividir un modelo, está fuera del alcance de este estudio, ya que varía según las capacidades de la computadora. Además, evaluar el tiempo de posprocesamiento de los modelos impresos en 3D, como la eliminación del soporte, está fuera del alcance de este estudio. Las estimaciones del tiempo de posprocesamiento para las impresoras 3D SLA se obtuvieron directamente del sitio web del fabricante. Además, este estudio no evalúa la calidad de los modelos impresos en 3D posprocesados, que pueden incluir artefactos de soporte o pueden ser clínicamente ineficaces debido a detalles oscurecidos.
Reconocemos que estas impresiones son simuladas en software de corte y no han sido validadas mediante impresiones físicas; sin embargo, el uso de software de corte es un método controlado y reproducible para obtener estimaciones del tiempo de impresión y del uso de materiales. Se requieren pasos futuros para evaluar la precisión de las estimaciones del tiempo de impresión del software de corte y del uso de materiales.
Los porcentajes de relleno seleccionados, 15% y 20%, pueden ser demasiado similares para detectar diferencias sustanciales en el tiempo y el costo de impresión estimados. No tomamos en cuenta la tasa de fallas, el consumo de electricidad, el costo de la impresora 3D, la depreciación de la impresora 3D o los costos de posprocesamiento al calcular las estimaciones de costos por modelo, pero incluimos valores de la impresora 3D y los costos de posprocesamiento.
Las tecnologías de impresión 3D adicionales, sinterización láser selectiva (SLS), sinterización láser directa de metales (DMLS) y modelado Multi-Jet, no se han investigado y están fuera del alcance de este estudio [1 ] .
Este estudio pretende ser una evaluación preliminar del tiempo de impresión estimado y el costo de las impresoras 3D disponibles comercialmente a través de software de corte, y requiere más investigación.
Conclusión
Cambiar el relleno entre un 15 % y un 20 % produce diferencias insignificantes en el tiempo y el coste de impresión estimados. La orientación horizontal del modelo minimiza el tiempo de impresión estimado, mientras que la orientación vertical del modelo generalmente minimiza el costo estimado, con la excepción de Stratasys J750 Digital Anatomy, en el que la orientación horizontal del modelo minimizó el costo. La disminución de la altura de la capa para todas las impresoras 3D investigadas en este estudio aumentó el tiempo de impresión estimado y disminuyó el costo estimado, con la excepción de Stratasys F370, en la que el costo estimado aumentó. Las configuraciones de impresión de Stratasys J750 Digital Anatomy de Alta velocidad y Alta mezcla permiten reducir el tiempo y el costo de impresión estimados.
Todas las impresoras investigadas en este estudio tienen potencial de utilidad clínica. Las impresoras 3D de escritorio de menor costo requieren experiencia adicional para minimizar el riesgo de que los artefactos de soporte oscurezcan detalles clínicamente relevantes, y los usuarios pueden encontrar limitaciones de software de corte en alturas de capa más grandes, limitaciones de espacio de construcción y costos adicionales de mano de obra de posprocesamiento.
La impresión clínica 3D rentable de modelos anatómicos debe considerar una impresora adecuada para la complejidad de la anatomía y la experiencia de los técnicos de la impresora.
Marín GH. Cañas M. Marín G. Marín L. Nucher D. Díaz Pérez D Urtasun M. Medicina Buenos Aires. 83.1 2023
En Argentina, los medicamentos de alto costo (MAC) generan una carga económica elevada que deben afrontar las instituciones sanitarias. Sin embargo, no existe a la fecha un estu dio en Argentina que indique la magnitud del real problema de los MAC para la Seguridad Social. El presente trabajo, explora cuál es su impacto económico para una de las principales Obras Sociales del país. Métodos: Se realizó un estudio descriptivo con etapa analítica a partir de datos obtenidos en gerencia de prestaciones, área farmacia y área contable de la institución. Cada medicamento fue clasificado según recomendación de OMS (clasificación Anatómica-Terapéutica- Química-ATC). Los precios fueron consignados en tres valores: nominal al momento de adquisición, actualizado a pesos fin de 2021 utilizando el CER (coeficiente de estabilización de referencia), y en dólares (USD). Se evaluaron 105 324 dispensas de MAC, correspondientes a 258 011 unidades para 10 450 afiliados. Resultados: El gasto total anualizado fue 57 millones de dólares (USD), y por usuario 6220 USD. Solo 1.9% de los afiliados requirieron MAC, aunque el gasto fue del 21.9% de los ingresos (aportes + contribuciones). Los primeros 5 medicamentos que generaron el mayor gasto fueron enzalutamida, bevacizu mab, nivolumab, palbociclib, pembrolizumab. Las enfermedades oncológicas y reumatológicas representaron el 62.8% del gasto.
Conclusión: A la luz de los resultados, se deduce que los MAC constituyen un riesgo potencial de desfinanciación del sistema de salud si son abordados de manera atomizada por cada subsector. Los MAC requieren de políticas globales de carácter nacional y/o regional.
PUNTOS CLAVE
• El presente proyecto objetiva por primera vez en Ar gentina, cual es el impacto económico que ocasionan los medicamentos de alto precio en la Seguridad Social de Argentina a través de uno de sus miembros: la obra social de la Obra Social para las Fuerzas Armadas y de Seguridad (IOSFA).
• Estos insumos consumidos por solo 1.9% del total de los afiliados, representaron el 21.9% de los ingresos de la Obra Social en términos de aportes y contribuciones que recibe la obra social. Estas cifran alertan sobre la situación extrema con un riesgo cierto de desfinanciar el sistema de salud.
Los medicamentos son considerados bienes especia les ya que quien los consume no lo hace por elección sino por necesidad. Según la Organización Mundial de la Salud (OMS), los Estados tienen que garantizar el acceso a los medicamentos esenciales para tratar enfermedades pre valentes que afectan a la gran mayoría de la población1. Sin embargo, existen enfermedades graves y de baja prevalencia que requieren medicamentos que, si bien no son considerados esenciales, pueden mejorar la calidad y duración de la vida de los individuos que las padecen. Estos medicamentos suelen tener un alto impacto econó mico y suelen catalogarse como de alto precio/costo por tener un costo directo igual o superior al 40% del ingreso del hogar del paciente2.
Las compañías farmacéuticas afirman que los altos precios de los medicamentos son elementos importantes para sostener la innovación. El desarrollo de medicamen tos es una tarea larga y costosa: un fármaco tarda unos 12 años en pasar desde las pruebas preclínicas hasta la aprobación final. Se estima que cuesta aproximada mente $3 mil millones de dólares desarrollar un nuevo fármaco, teniendo en cuenta la alta tasa de fracasos, en la que solo el 10-20% de los medicamentos probados son exitosos y llegan al mercado3. Sin embargo, estos cálculos provienen de sectores vinculados a la industria y algunos expertos consideran que estas estimaciones son inexactas y excesivas4,5.
Por otra parte, se ha observado que muchos medi camentos contra el cáncer son aprobados en base a las reducciones bajas a modestas de la tasa de respuesta tumoral, que es de por sí una variable de desenlace controvertida6. Además, el 62% de los fármacos onco lógicos se aprobaron por la vía acelerada por la FDA, la mayoría de los cuales fueron calificados como de bajo valor terapéutico7.
De acuerdo a un estudio reciente, de los 15 nuevos medicamentos contra el cáncer autorizados en Argentina por la ANMAT en 2016, mediante el reconocimiento de su aprobación por otros países de alta vigilancia sanitaria, solo 4 mostraron algún valor terapéutico añadido8.
No obstante, uno de los factores más importantes para sostener el alto precio de los medicamentos es la existen cia de monopolios de mercado9,10 ya que, para muchos de estos nuevos medicamentos, no hay otras alternativas terapéuticas. En el caso de los medicamentos biológicos, los procesos de fabricación y aprobación de biosimilares son barreras adicionales, que limitan en gran medida el número de competidores que pueden ingresar al merca do11. El monopolio no regulado sobre un producto esencial puede conducir a precios inasequibles que comprometen el acceso a estos productos.
En Argentina, como en la mayoría de los países, los medicamentos de alto costo (MAC) generan una carga económica elevada que deben afrontar las instituciones de salud públicas y privadas12, lo que pone en riesgo su sustentabilidad13. Por esta razón, resulta primordial tener una estimación de cuál es el impacto económico real que tienen estos fármacos para los financiadores de la salud.
La atención de la salud de los trabajadores en Ar gentina se brinda a través de seguros obligatorios, agrupados por rama laboral. El Instituto de Obra Social para las Fuerzas Armadas y de Seguridad (IOSFA) es la organización que provee cobertura de salud al personal de estas instituciones y a sus familiares.
Este estudio se llevó a cabo en una institución de la seguridad social argentina (IOSFA) con el objetivo de conocer el impacto económico de los MAC, identificar los fármacos y las condiciones de salud que generaron mayor gasto en este rubro, y estimar el costo mensual por beneficiario de la obra social en función de su sexo y edad.
MATERIALES Y MÉTODOS
Se realizó un estudio de utilización de medicamentos des criptivo, de corte transversal, a partir de las bases de datos administrativas que registran las dispensas de MAC en IOSFA. El Instituto tiene alcance nacional, con beneficiarios en todas las provincias y en la Ciudad de Buenos Aires. La cobertura incluye a los trabajadores activos y sus familiares a cargo, así como a los jubilados y pensionados. La población cubierta alcanza 564000 afiliados de todos los grupos etarios, con un 51.5% de varones y un 20% de mayores de 60 años. El período de estudio abarcó desde el 1/1/2020 al 10/11/2021.
Para definir qué significa “alto costo” para la Obra Social enrolada en el estudio, se realizó un grupo focal en el cual participaron diferentes actores (presidente, gerente de prestaciones, gerente de liquidación de prestaciones, sub-gerencia de prestaciones sanitarias, sub-gerente de planeamiento sanitario, sub-gerencia de presupuesto, jefa de unidad de gestión de alto costo, entre otros); coordinado por el equipo de autores de este trabajo. A partir de las actividades realizadas, quedó definido que un MAC para el IOSFA es aquel fármaco cuyo costo men sual supera la suma de los aportes y las contribuciones anuales promedio para un afiliado de esta obra social. Todos estos medicamentos tienen cobertura del 100% a cargo de IOSFA. Cabe destacar que esta cobertura incluye tanto a los MAC propiamente dichos como la medicación complementaria que forma parte del tratamiento de las enfermedades en cuestión.
El mecanismo de adquisición y provisión de MAC se inicia por solicitud al área de Prestaciones que, previa auditoría, autoriza el pedido y lo deriva al área de Compras. Un mecanismo alternativo para la solicitud de compra se origina en el área legal de la institución, cuando el trámite proviene de un recurso de amparo.
La información se obtuvo de dos bases de datos: 1) el registro centralizado de compras (donde figura la fecha de solicitud, fecha de adquisición del producto, principio activo, nombre comercial, cantidad de envases, concentración del fármaco, precio de adquisición unitario y total erogado en cada compra, identificación del paciente; y 2) el registro de Farmacia sobre las dispensas realizadas del producto a los beneficiarios (que incluye fecha de entrega y de recepción por parte del paciente o familiar o institución en la cual se en cuentra internado, principio activo, nombre comercial, cantidad de envases, concentración del fármaco en el envase, iden tificación del paciente y diagnóstico que motivó la solicitud). Se realizó un cotejo entre ambas bases (compras y farmacia) como garantía de calidad de la información recolectada y se elaboró una base única de datos para el presente estudio.
Los datos identificatorios de los pacientes fueron anonimi zados, agregando un campo clave arbitrario, no relacionado con la identidad del paciente, que permitió agrupar los consumos de un mismo afiliado. Se conservaron también los datos de sexo y la edad en años al momento del primer consumo.
Una vez consolidada la base de datos de provisión de MAC, se procedió a codificar los ingredientes farmacéuticos activos (IFA) de cada medicamento según la clasificación Anatómica-Terapéutica-Química (ATC) de la OMS, con el fin de poder luego agrupar los fármacos de acuerdo a las categorías de la misma14.
Del mismo modo, se codificaron los diagnósticos consigna dos en el registro utilizando el código y la descripción de las categorías de la 10ª revisión de la Clasificación Internacional de Enfermedades (CIE-10) de la OMS15. En un segundo paso, se revisaron los diagnósticos de cada paciente para establecer su concordancia entre sí y con el tratamiento recibido. Las discordancias halladas fueron evaluadas en forma manual por dos investigadores, para decidir si realmente correspondían a diagnósticos diferentes en un mismo paciente o a un error en la imputación.
El precio de los MAC fue consignado en tres tipos de va lores: nominal al momento de la venta, actualizado a pesos del 1° de noviembre de 2021 utilizando el CER (coeficiente de estabilización de referencia, que establece el Banco Central de la República Argentina) y el precio en dólares estadounidenses (según la cotización del día para el dólar vendedor en el Banco de la Nación Argentina). Salvo que se indique lo contrario, en los resultados se informará el precio en pesos del 1/11/2021.
Se analizó la provisión de MAC cuantificada por unidades y por gasto. Al prorratear el gasto en MAC entre toda la po blación de beneficiarios, se obtuvo la cápita mensual en este concepto. Asimismo, y a fin de permitir comparaciones con poblaciones de otra composición demográfica, se calculó este indicador para cada combinación de sexo y grupo decenal de edad. Finalmente, se expresó la cápita mensual de los MAC como porcentaje del gasto total asistencial de la obra social.
Se identificó el listado de IFA que generaron más gasto, hasta cubrir un 75% del gasto total. Se elaboró también el listado de aquellos IFA con mayor costo por envase.
Por otra parte, se analizó la provisión de MAC medida por gasto total según los principales capítulos de la CIE-10. Se identificaron las 20 afecciones que generaron mayor gasto en medicamentos, calculando su contribución al gasto total, el número de pacientes afectados, la tasa de prevalencia durante el período de estudio y el gasto promedio anual por paciente.
Se utilizaron datos administrativos desnominalizados, de tal modo que resultara imposible determinar la identidad de los sujetos participantes. La Comisión de Bioética de la Fundación FEMEBA aprobó la exención de la exigencia de obtener consentimiento informado, según el apartado de datos inidentificables que describe el art. 11.3.e de la Ley argentina Nº 25326, de Protección de los Datos Personales.
La base de datos se procesó con el programa Excel. Los re sultados se presentan como promedios o porcentajes, de acuerdo al tipo de variable. Dado que se analizó la información del total de la población objetivo, no se presentan intervalos de confianza.
En la elaboración de este informe se siguió la lista de verificación RECORD-PE, una adaptación a la Fármaco-epidemiología de la guía “Informe de estudios realizados utilizando datos de salud observacionales recogidos en forma rutinaria” (REporting of studies Conducted using Observational Routinely collected health Data [RECORD])16.
RESULTADOS
Durante el periodo analizado se evaluaron 105 324 dis pensas de MAC, que corresponden a 258 011 unidades para 10 450 afiliados. El gasto total en MAC fue de 9247 millones de pesos a valores corrientes, que en pesos del 1/11/2021 representan $12 726 millones para todo el período, o $6 848 millones por año (Tabla 1).
Tabla 1 Gasto de la obra social en medicamentos de alto costo
El precio promedio por cada unidad dispensada fue de $49 323, con una gran dispersión que va desde un valor promedio de $ 5 313 933 por cada envase de treprostinil, un fármaco para la hipertensión pulmonar, hasta pocos cientos de pesos para algunos fármacos auxiliares que integran los esquemas de los tratamientos de alto costo. El conjunto de estos medicamentos complementarios cubiertos por este circuito de compras representó solo el 0.3% del gasto total en MAC. El gasto promedio en MAC por usuario en el periodo de estudio fue de $1 217 782, equivalente a $655 309 pesos anuales (6220 USD/año).
Los usuarios de MAC representan tan solo el 1.9% del total de beneficiarios de la obra social. La distribución por edad y sexo muestra el aumento con la edad, con pico entre los 60 y 70 años, y el claro predominio femenino entre los 30 y los 70 años (Fig. 1).
Fig. 1 Usuarios de medicamentos de alto costo según sexo y edad
La distribución del gasto total en MAC según sexo y edad de los usuarios se presenta en la Figura 2.
Fig. 2 Gasto total en medicamentos de alto costo por sexo y edad, IOSFA, DE 1/1/2020 A 10/11 2021, en pesos del 1/11/2021
Si bien el gasto total en MAC es superior en mujeres entre los 30 y 60 años, predomina en varones a partir de los 70, pese a que la población de usuarias de MAC es mayor en todas las décadas.
Cápita de los tratamientos de alto costo
Al prorratear el gasto total en MAC entre toda la población cubierta por la obra social se obtiene un promedio men sual de $1011 por beneficiario (equivalente a USD 9.60), que representa el 21.9% del aporte total por afiliado, que en el mes de noviembre de 2021 fue de $4619.
Al analizar la cápita mensual por sexo y edad se observa que alcanza $1081 para las mujeres y $944 para los varo nes, con notables diferencias según la edad. En el sexo femenino la cápita mensual para MAC comienza a elevarse a partir de los 30 años y hace pico en la séptima década, para luego descender. Entre los varones, el aumento de la cápita empieza luego de los 50 años y alcanza el máximo en la octava década, con valores muy superiores a los de las mujeres a partir de los 70 años (Fig. 3).
Fig. 3 Cápita mensual por sexo y edad – IOSFA 2020-2021 en pesos del 1/11/2021
Detalle de los medicamentos de alto costo dispensados
Los medicamentos provistos corresponden a 423 IFA diferentes. Al ordenarlos por el gasto total generado, los 7 con mayor gasto sumaron el 25.1% del total, con los primeros 22 se alcanza el 50.4% (Tabla 2) y con 57 IFA, el 75.1% del monto total.
Tabla 2 Medicamentos de alto costo que generaron mayor gasto total
Al ordenar los medicamentos por su precio promedio por unidad, se encontró que el treprostinil supera los 5 millones de pesos por envase y otros 7 IFA superaron el millón de pesos (Tabla 3).
Tabla 3 Medicamentos de mayor precio promedio por envase
Análisis de los medicamentos de alto costo según el diagnóstico
En la Tabla 4 se presenta el gasto total en MAC, agrupado según los grandes capítulos de la clasificación CIE-10. Se observa que los medicamentos usados en las neoplasias consumen algo más de la mitad del gasto total, seguidas por las enfermedades reumáticas, del sistema nervioso y metabólicas.
Tabla 4 Gasto por capítulo de la CIE-10 como porcentaje del gasto total
En la Tabla 5 se presentan los 20 principales diag nósticos de la CIE-10 de acuerdo al porcentaje del gasto total que representan. Tomados en conjunto alcanzan al 74.1 % del gasto total.
Tabla 5 Principales diagnósticos generadores de gasto, como porcentaje del gasto total
El listado incluye diez neoplasias frecuentes (mama, próstata, riñón, colon, pulmón, páncreas, mieloma, melanoma, leucemias y linfoma no Hodgkin); enferme dades con tratamiento inmunosupresor como artritis reumatoide, esclerosis múltiple y trasplante de riñón; la terapia del HIV y los fármacos para hipertensión pulmonar/enfermedad intersticial pulmonar. La lista se completa con las terapias de reemplazo para en fermedad de Gaucher, hemofilia, inmunodeficiencias e hipopituitarismo.
Como la prevalencia de estas enfermedades es muy diferente, el gasto anual por paciente varía considerable mente, desde un mínimo de unos $375000 (USD 3130) para el HIV a un máximo de 35.7 millones (USD 298 840) anuales para la enfermedad de Gaucher.
DISCUSIÓN
Aunque los medicamentos de alto precio/costo (MAC) fueron consumidos por solo 1.9% del total de los afiliados al IOSFA, su costo representó el 21.9% de los aportes y contribuciones que recibe la obra social. Este gasto, prorrateado entre todos los beneficiarios del IOSFA, re sulta en un cápita mensual de aproximadamente $1.000 (USD 9.60) por afiliado. Los fármacos oncológicos y los inmunomoduladores representaron el 62.8% del gasto total, a expensas, principalmente, del cáncer de mama y la artritis reumatoide, respectivamente. La enzalutamida fue el medicamento que demandó mayor gasto total (4.2%), mientras que el treprostinil tuvo el mayor precio promedio por envase (5.3 millones).
Un aspecto relevante de estos resultados es la identi ficación del gasto que afronta un financiador de la Seguri dad Social argentina para solventar los MAC y, más inte resante aún, qué porcentaje del total de ingresos se debe prever para los tratamientos con estos medicamentos. La comparación con otras estimaciones argentinas de la cápita mensual necesaria para cubrir los MAC se dificulta por el elevado nivel de inflación, que vuelve rápidamente obsoletos los valores expresados en pesos. Traduciendo a dólares estadounidenses los montos publicados, según la paridad del momento, encontramos que Tobar y col. estimaron en 2012 que, con los procedimientos habituales de compra de las obras sociales, la cápita mensual para MAC era de USD 6.2817; van der Kooy y col. la ubican en USD 3.32 para 201618 y USD 5.00 para 202012; y Glanc y Del Prete la elevan a USD 10.09 en febrero de 202113, un valor próximo al encontrado en este estudio. Aunque las metodologías utilizadas no son directamente comparables, los resultados revelan el impacto creciente del gasto en MAC dentro del presupuesto de salud, que ya supera la mitad del gasto total en medicamentos19. En la estimación para 2020 del costo del Programa Médico Obligatorio se calculó que los MAC implicarían el 14.6% del valor total, algo por debajo del 21.9% hallado en este estudio12.
El impacto creciente de los MAC en el presupuesto de atención de la salud no se limita a los países de ingresos medianos y bajos, sino que es una preocupa ción compartida por los países de altos ingresos, con el agravante de que los precios a menudo resultan más elevados en los países con menores ingresos20,21. En el análisis de este fenómeno se distinguen claramente dos aspectos: el cuestionamiento a la eficacia real de muchos de los nuevos medicamentos, a menudo auto rizados por vía acelerada en ausencia de demostración de eficacia sobre desenlaces clínicamente relevantes, y el incesante aumento de precio de los medicamentos nuevos. Ambos aspectos son motivo de inquietud para el Comité de Medicamentos Esenciales de la Organización Mundial de la Salud22.
Solo una pequeña parte de los nuevos medicamentos añaden valor terapéutico a las alternativas ya existentes para problemas de salud específicos8,23-25. No obstante, el ingreso de un MAC en el mercado farmacéutico, aun sin eficacia comprobada, genera demanda por parte de pacientes y prestadores, eventualmente respaldada por medidas judiciales26.
A este hecho se suma que las innovaciones aparecen en el mercado farmacéutico con precios cada vez más elevados cuando se comparan con los medicamentos biológicos incorporados en décadas pasadas e incluso, en muchos casos, el precio inicial de un fármaco sigue aumentando durante la vigencia de la exclusividad de la patente27. Así, estos precios no guardan una relación evidente con los beneficios obtenidos o con el gasto implicado en su desarrollo5.
El hallazgo de que los fármacos antineoplásicos e inmuno-moduladores son las clases farmacológicas que generaron mayor gasto se encuentra en concordancia con lo observado por otros autores en la región de las Américas28. Este aspecto no es menor, ya que con la prolongación en la expectativa de vida es de esperar un incremento progresivo de estas enfermedades29.
A la luz de estos datos, resulta necesario definir cuál es el verdadero aporte de las “nuevas tecnologías” como los MAC, comparándolas con los tratamientos están dares vigentes, y evaluando si la inversión y los costos incrementales que suponen los mismos se trasuntan en beneficios reales para los pacientes. La fijación de pre cios podría entonces basarse en el valor terapéutico aña dido por el fármaco, si bien el establecimiento de dicho valor plantea importantes desafíos metodológicos30-35. Por otra parte, para garantizar el acceso a aquellos MAC que brinden beneficios relevantes, se proponen diferentes estrategias como las compras conjuntas, transparencia de los precios de compra, organización de seguros nacionales para enfermedades catastróficas, entre otras medidas2,13,17,20,27.
Entre las limitaciones de este estudio debe señalarse que el gasto anual promedio estimado para cada enfer medad corresponde solo a los medicamentos, y no incluye consultas, internaciones ni procedimientos. Además, la mayor parte del periodo estudiado corresponde a la pan demia de COVID-19, durante la cual la atención preferente a la emergencia infecciosa puede haber desplazado par cialmente a la de las enfermedades oncológicas y otras enfermedades crónicas no transmisibles; por no contar con datos previos a la pandemia no se pudo cuantificar esta eventualidad. Finalmente, como el tipo de cambio del dólar estadounidense no se modificó en paralelo con la devaluación de la moneda local, la relación entre el peso corregido por inflación y el dólar no fue uniforme, por lo cual se optó por presentar los resultados principales expresados en ambas monedas.
En conclusión, este trabajo documenta el desafío que representan los MAC para la sustentabilidad de las instituciones aseguradoras de la salud. En contraste con el efecto de la incorporación de tecnología a los procesos industriales, donde se sustituye trabajo por equipamientos para reducir los costos de los bienes producidos, las novedades en tecnología médica habitualmente incrementan los costos en salud porque, en la mayoría de los casos, los MAC no reemplazan, sino que se suman a las opciones terapéuticas ya existen tes. Se hace necesario identificar las tecnologías que realmente poseen valor terapéutico agregado, definir su lugar adecuado en el esquema terapéutico, lograr el establecimiento de precios justos y asegurar el acceso con cobertura universal.
1. Paul H, Rajat K. El derecho humano a los medicamentos. Sur: Revista internacional de derechos humanos 2008; 5: 101-19. [ Links ]
2. Marin GH, Polach MA. Medicamentos de alto costo: análi sis y propuestas para el Mercosur. Rev Panam Salud Publica 2011; 30: 167-76. [ Links ]
3. DiMasi JA, Grabowski HG, Hansen RW. Innovation in the pharmaceutical industry: new estimates of R&D costs. J Health Econ 2016; 47: 20-33. [ Links ]
5. Prasad V, Mailankody S. Research and development spending to bring a single cancer drug to market and revenues after approval. JAMA Intern Med 2017; 177: 1569-75. [ Links ]
6. Chen EY, Raghunathan V, Prasad V. An overview of cancer drugs approved by the US food and drug administration based on the surrogate end point of response rate. JAMA Intern Med 2019; 179: 915-21 [ Links ]
7. Hwang TJ, Ross JS, Vokinger KN, Kesselheim S. Associa tion between FDA and EMA expedited approval programs and therapeutic value of new medicines: retrospective cohort study. BMJ 2020; 371: m3434 [ Links ]
8. Cañás M, Buschiazzo HO, Urtasun MA. Valor terapéutico y precio de los nuevos fármacos comercializados en Argentina: ¿valen lo que cuestan? Salud Colectiva 2019; 15: e1962 [ Links ]
9. Kesselheim AS, Avorn J, Sarpatwari A. The high cost of prescription drugs in the united states: origins and pros pects for reform. JAMA 2016; 316: 858-71. [ Links ]
10. Mazzucato M. High cost of new drugs. BMJ 2016; 354: 4136 [ Links ]
12. Kooy E, Torres R, Pezzella H, Carril A, Roldán RR. Actu alización de la estimación del gasto necesario para ga rantizar la cobertura asistencial contenida en el Programa Médico Obligatorio (julio de 2020). Prosanity consulting / Universidad ISALUD: 2020. En: En: http://www.prosanity.com.ar/detalle_novedad.php?id=36 ; consultado mayo 2022. [ Links ]
14. WHO Collaborating Centre for Drug Statistics Methodol ogy. ATC classification index with DDDs, 2019. Oslo, Norway; 2018. En: En: https://www.whocc.no/atc_ddd_index/ ; consultado mayo 2022. [ Links ]
15. CIE-10. Décima Revisión de la Clasificación Internacional de las Enfermedades. Descripciones Clínicas y pautas para el diagnóstico. Organización Mundial de la Salud, Ginebra, 1992. En: En: https://ais.paho.org/classifications/chap ters/pdf/volume1.pdf ; consultado mayo 2022. [ Links ]
16. Langan SM, Schmidt SA, Wing K, et al. The reporting of studies conducted using observational routinely col lected health data statement for pharmaco-epidemiology (RECORD-PE). BMJ 2018; 363: k3532. [ Links ]
21. Moye-Holz D, Vogler S. Comparison of prices and afford ability of cancer medicines in 16 countries in Europe and Latin America. Appl Health Econ Health Policy 2022; 20: 67-77. [ Links ]
23. van Luijn JCF, Gribnau FWJ, Leufkens HGM. Superior efficacy of new medicines? Eur J Clin Pharmacol 2010; 66: 445-8. [ Links ]
24. Vitry AI, Shin NH, Vitre P. Assessment of the therapeutic value of new medicines marketed in Australia. J Pharm Policy Pract 2013; 6: 2. [ Links ]
25. Ward DJ, Slade A, Genus T, Martino OI, Stevens AJ. How innovative are new drugs launched in the UK?: A retrospective study of new drugs listed in the British National Formulary (BNF) 2001-2012. BMJ Open 2014; 4: e006235. [ Links ]
26. Vargas-Pelaez CM, Rover MR, Soares L, et al. Judicial ization of access to medicines in four Latin American countries: a comparative qualitative analysis. Int J Equity Health 2019; 18: 68. [ Links ]
27. Prasad V, De Jesús K, Mailankody S. The high price of anticancer drugs: origins, implications, barriers, solutions. Nat Rev Clin Oncol 2017; 14: 381-90. [ Links ]
28. Machado Alba JE, Moncada Escobar JC. Evolución del consumo de medicamentos de alto costo en Colombia. Rev Panam Salud Publica 2012; 31: 283-9. [ Links ]
29. Seoane-Mato D, Sánchez-Piedra C, Silva-Fernández L, et al. Prevalence of rheumatic diseases in adult population in Spain (EPISER 2016 study); aims and methodology. Reumatol clín (Engl Ed) 2019; 15: 90-6. [ Links ]
30. Prieto-Pinto L, Garzón-Orjuela N, Lasalvia P, Castañeda- Cardona C, Rosselli D. International experience in therapeutic value and value-based pricing: a rapid review of the literature. Value Health Reg Issues 2020; 23: 37-48. [ Links ]
31. Eichler HG, Enzmann H, Rasi G. Added therapeutic benefit and drug licensing. Nat Rev Drug Discov 2019; 18: 651-2. [ Links ]
32. Bach PB, Pearson SD. Payer and policy maker steps to support value-based pricing for drugs. JAMA 2015; 314: 2503-4. [ Links ]
33. Jommi C, Armeni P, Costa F, Bertolani A, Otto M. Imple mentation of value-based pricing for medicines. Clin Ther 2020; 42: 15-24. [ Links ]
34. Siddiqui M, Rajkumar SV. The high cost of cancer drugs and what we can do about it. Mayo Clinic Proc 2012; 87: 935-43. [ Links ]
35. Kantarjian H, Rajkumar SV. Why are cancer drugs so ex pensive in the United States, and what are the solutions? Mayo Clinic Proc 2015; 90: 500-4. [ Links ]
La inteligencia artificial en imágenes para incrementar la sensibilidad y especificidad de los equipos de diagnóstico por imágenes, como un complemento, como alertas, como un aprendizaje profundo, con mayor precisión y seguridad, que exigirá apertura, más y más entrenamiento, guardar información, no pensar en una producción industrializada sino cada vez más segura, más ergonómica para los que trabajan, para además hacer diagnósticos rápidos que aumenten las posibilidades de los pacientes. Esto es un área que no tiene límites. Especialmente si nos podemos sacar el miedo que estos algoritmos de inteligencia artificial, aprendizaje profundo reemplazarán a los médicos, la interfaz humana en los momento de verdad será cada vez más indispensable y la inteligencia artificial su cooperación. Este articulo del radiology que relaciona imágenes con datos clínicos, que simulan el pensamiento, el constructo de la información de base para definir la interpretación de la imagen, será muy comentado por eso lo pongo en consideración de los seguidores del blog, porque nos servirá para seguir aprendiendo, por allí pasa la vida profesional, seguir y seguir aprendiendo.
Se desarrolló una arquitectura de inteligencia artificial basada en transformadores para integrar datos multimodales de pacientes y demostró un mejor rendimiento diagnóstico en dos conjuntos de datos de datos radiográficos de tórax y datos paramétricos clínicos.
Resultados clave
■ Un modelo basado en transformadores entrenado para diagnosticar hasta 25 enfermedades utilizando datos multimodales de dos conjuntos de datos adquiridos retrospectivamente (conjuntos de entrenamiento; n = 33 893, n = 28 809) que comprende radiografías de tórax y parámetros clínicos mostraron un mejor rendimiento diagnóstico.
■ Para el conjunto de datos de Medical Information Mart for Intensive Care (MIMIC) disponible públicamente, el área media bajo la curva característica operativa del receptor fue de 0,77 cuando se utilizaron radiografías de tórax y parámetros clínicos, en comparación con 0,70 (P < 001,0) cuando sólo radiografías de tórax y 72,001 (P < <>,<>) cuando sólo se utilizaron parámetros clínicos.
■ El modelo multimodal proporcionó una red neuronal flexible cuyos resultados son explicables y están bien alineados con la percepción de imágenes radiológicas.
Introducción
En medicina, el diagnóstico de una enfermedad se basa en datos de múltiples fuentes. Un médico basará las decisiones en imágenes radiológicas, datos clínicos, historial del paciente, hallazgos de laboratorio e información de muchas modalidades adicionales. La mente humana es capaz de condensar todas estas entradas en una decisión racional. Durante mucho tiempo se ha propuesto que el aprendizaje profundo tiene la capacidad de ayudar a los médicos en ciertas tareas y ya ha demostrado un rendimiento igual o mejor que los expertos humanos (1). Sin embargo, hay un impedimento crucial que limita la aplicabilidad general de tales modelos: estos modelos están diseñados casi exclusivamente para resolver tareas con un tipo de datos a la vez, ya sea el diagnóstico de patologías en imágenes radiológicas (2,3) o la detección de alteraciones genéticas en imágenes histopatológicas (4).
Sobre la base de esta comprensión, se necesitan modelos que sean capaces de combinar datos de imágenes y no imágenes como entradas para apoyar realmente la toma de decisiones del médico (5). Desafortunadamente, las arquitecturas de aprendizaje profundo prevalecientes del pasado no son adecuadas para tratar grandes cantidades de datos de imágenes y no imágenes; las redes neuronales convolucionales (CNN) hacen uso de sesgos intrínsecos que se basan en las propiedades de la imagen, como las correlaciones entre píxeles vecinos; y la integración de información no relacionada con la imagen no es sencilla (6).
Introducidas originalmente para tareas de lenguaje natural, las arquitecturas de redes neuronales basadas en transformadores han demostrado recientemente ser competitivas con las CNN para el procesamiento de imágenes, mientras que al mismo tiempo son ideales para combinar datos de imágenes y no de imágenes (7). Esta propiedad en gran medida independiente de la entrada se habilita mediante el uso de un mecanismo de atención, que asigna puntuaciones de importancia a diferentes partes de los datos de entrada, independientemente de si estos datos son de naturaleza de imagen o no imagen. Además, la visualización de estas puntuaciones de importancia ofrece información valiosa sobre el proceso de toma de decisiones del modelo de transformador. Por lo tanto, su aplicación en medicina es el siguiente paso lógico (8,9).
Sin embargo, los transformadores tienen una deficiencia notable; es decir, su carga computacional escala cuadráticamente con el número de entradas. Sin remedio, esto limitará el progreso en la investigación médica. Para abordar esto, el objetivo de este estudio fue desarrollar un modelo de transformador específicamente adaptado al contexto médico, por el cual los datos de imágenes y un volumen potencialmente grande de datos no relacionados con imágenes específicos para cada paciente deben procesarse de manera eficiente y explicable. Un objetivo adicional fue evaluar las capacidades diagnósticas del modelo utilizando entradas multimodales de un conjunto de datos públicos y un conjunto de datos internos independientes de pacientes en un entorno de unidad de cuidados intensivos (UCI). La hipótesis era que el rendimiento diagnóstico del modelo de transformador sería superior cuando se entrena en datos de imágenes y no imágenes (multimodales) en lugar de datos de imágenes o no imágenes solos (unimodales).
Materiales y métodos
Declaración ética
Todos los experimentos se realizaron retrospectivamente, y se otorgó la aprobación del comité de ética local (EK 028/19) y se renunció al consentimiento informado. Para el conjunto de datos externos del Medical Information Mart for Intensive Care (MIMIC), se eliminaron los identificadores específicos del paciente de conformidad con la Ley de Portabilidad y Responsabilidad del Seguro de Salud.
Estudiar pacientes y conjuntos de datos
Para permitir la replicación de los resultados de este estudio retrospectivo y fomentar la investigación en esta dirección, este modelo se evaluó principalmente en datos de la base de datos MIMIC disponible públicamente (10,11). Esta base de datos se compone de datos de imágenes y no imágenes recopilados retrospectivamente en 53 150 pacientes ingresados en una UCI en el Centro Médico Beth Israel Deaconess desde enero de 2008 hasta diciembre de 2019. Siguiendo el trabajo de Hayat et al (12), se extrajo información de imagen y no de imagen de las bases de datos MIMIC-IV (10) y MIMIC-CXR-JPG (11), para las que se disponía de información sobre aproximadamente 15 parámetros clínicos solos o información sobre estos parámetros combinada con información de imagen en forma de radiografías de tórax. Los parámetros clínicos incluyeron presión arterial sistólica, diastólica y media; frecuencia respiratoria; comandos motores, verbales y reveladores según la escala de coma de Glasgow; inspiración de oxígeno; polígrafo; temperatura corporal, peso y estatura; el valor ácido del suero sanguíneo; nivel de glucosa en sangre; y el nivel de oxígeno en sangre. La radiografía de tórax se emparejó con los parámetros clínicos y los parámetros de laboratorio de la misma estancia en la UCI. Esto dio como resultado un subconjunto de 45 676 muestras en 36 542 pacientes (Fig. 1, Tabla 1). Los datos de los 36 542 pacientes han sido reportados previamente (12). El artículo anterior trataba sobre el desarrollo de una arquitectura basada en CNN y redes neuronales recurrentes para combinar datos multimodales, mientras que este estudio trata sobre el desarrollo de una arquitectura basada en transformadores. Además, se siguió el enfoque de Hayat et al (12) y se agruparon los códigos disponibles de la Clasificación Internacional de Enfermedades (CIE)-9 y CIE-10 para 25 categorías de enfermedades supraordenadas (véase la Tabla 2 para una lista completa) en función del Software de Clasificaciones Clínicas (Agency for Healthcare Research and Quality) (13), que es un marco de clasificación clínica de uso común.
Figura 1: El diagrama muestra una visión general del estudio. (A-E) La información de imágenes y no imágenes se extrajo del conjunto de datos (A) del Medical Information Mart for Intensive Care disponible públicamente y de un conjunto de datos internos de radiografía de tórax y datos paramétricos clínicos acompañantes (B). Los conjuntos de datos se dividieron en conjuntos de entrenamiento, validación y prueba, y se entrenó una arquitectura de red neuronal (C) basada en transformadores para predecir el diagnóstico de hasta 25 afecciones patológicas diferentes. En primer lugar, se aprovechó el mecanismo de atención en la arquitectura del transformador (D) para proporcionar información sobre el proceso de toma de decisiones de la red neuronal, y se demostró que el rendimiento predictivo de la red neuronal (E) aumentó para los tres conjuntos de datos cuando se proporcionaron entradas de imágenes y no imágenes (área bajo la curva característica operativa del receptor [AUC], 0,77) en comparación con cualquiera de las imágenes (AUC, 0,70) o entradas sin imágenes (AUC, 0,72) solas.
Además, el modelo se evaluó en un conjunto de datos internos de 45 016 pacientes que ingresaron en la UCI de un centro médico académico terciario (Hospital Universitario de Aquisgrán, Aquisgrán, Alemania) desde enero de 2009 hasta diciembre de 2020 (14). Los datos de todos los pacientes se utilizaron en el estudio actual. Además de los datos de imágenes (es decir, radiografías de tórax), este conjunto de datos también contenía datos de series temporales de pruebas de laboratorio, incluidos los niveles de proteína C reactiva (PCR), el recuento de leucocitos, los niveles de procalcitonina (PCT) y los niveles de péptido natriurético cerebral (BNP). Estos valores se incluyeron si estaban disponibles dentro de un período de 20 días antes de la adquisición de la radiografía de tórax y, en total, se disponía de datos para 34 595 (PCR), 40 267 (recuento de leucocitos), 23 084 (PCT) y 9771 (BNP). Las imágenes se emparejaron con todos los datos de laboratorio que precedieron a las imágenes por hasta 20 días. Los datos de imágenes en este conjunto de datos se generaron durante el informe clínico de rutina. En total, 98 radiólogos versados en modalidad utilizaron una plantilla detallada para el informe estructurado sobre la presencia y la gravedad del derrame pleural (izquierdo y derecho), la atelectasia (izquierda y derecha), las opacidades pulmonares (izquierda y derecha), la congestión pulmonar y la cardiomegalia. A las imágenes para las que no se encontró ninguna enfermedad se les asignó un valor objetivo binarizado de 0, mientras que las etiquetas restantes indicaron la presencia de una enfermedad y, por lo tanto, se les asignó el valor de una. Los datos de 45 016 pacientes en este conjunto de datos se han reportado previamente (14). El artículo anterior trató sobre el desarrollo de una CNN entrenada para proporcionar apoyo clínico a médicos no radiólogos que utilizan solo datos de imágenes, mientras que en este estudio, se utilizaron valores de laboratorio adicionales para entrenar una red neuronal basada en transformadores en datos multimodales.
Protocolos de imágenes
El conjunto de datos internos consistió en radiografías de tórax obtenidas utilizando 18 máquinas de radiografía móviles (Mobilett Mira; Siemens Healthineers). Estos sistemas de imagen utilizaron sistemas de película convencionales hasta 2016, después de lo cual hicieron la transición a detectores digitales de pantalla plana. Todas las radiografías fueron adquiridas mediante control automático de exposición y exclusivamente en la proyección anteroposterior. En consecuencia, las imágenes del conjunto de datos MIMIC externos se adquirieron en la proyección anteroposterior.
Preprocesamiento de datos y diseño de redes neuronales
Para una evaluación justa de los modelos, siguiendo el enfoque detallado por Hayat et al (12), el conjunto de datos MIMIC se dividió aleatoriamente en un conjunto de entrenamiento de 42 628 muestras (33 893 pacientes), un conjunto de validación de 882 muestras (740 pacientes) para seleccionar el modelo más optimizado y un conjunto de pruebas de retención de 2166 muestras (1909 pacientes) para evaluar el modelo en datos no vistos. Del mismo modo, el conjunto de datos internos que comprende 193 566 muestras (45 016 pacientes) se dividió aleatoriamente en un conjunto de entrenamiento de 122 294 muestras (28 809 pacientes), un conjunto de validación de 31 243 muestras (7203 pacientes) y un conjunto de pruebas de retención de 40 029 muestras (9004 pacientes) (Fig. 1). Se tuvo especial cuidado para garantizar que cada paciente aparezca solo en un solo conjunto. Las imágenes se normalizaron al rango de 0 a 255, se mejoró el contraste mediante una ecualización de histograma, se cambió el tamaño a 384 × 384 píxeles y se normalizó en z para que coincida con las estadísticas del conjunto de datos de Image Net (15), lo que permitió el uso potencial de modelos previamente entrenados.
La arquitectura de la red neuronal (Fig. 2) se basa en el modelo de transformador de la siguiente manera (16). Las imágenes se tokenizan y se alimentan a través de una red troncal de Vision Transformer (7) para extraer características relevantes de los datos de imágenes. Sobre la base del modelo Percibor (17), los datos no relacionados con la imagen se incorporan mediante el uso del mecanismo de atención cruzada (16), lo que permite escalabilidad y flexibilidad en el manejo de tamaños de entrada variables. Luego se utiliza un bloque codificador de transformador final para la fusión de información de modalidad cruzada, y un perceptrón multicapa se utiliza para generar las salidas de la clasificación multietiqueta. Véanse los cuadros S1 y S2 del apéndice S3 y 2B y 2C para más detalles.
Figura 2:(A) El esquema muestra la arquitectura del modelo, mediante la cual las imágenes se dividen primero en parches no superpuestos y posteriormente se alimentan a través de un codificador transformador. Para tener en cuenta la escalabilidad con respecto al número de parámetros que no son de imagen, un conjunto fijo de 64 tokens aprendibles sirve como memoria de trabajo de la red neuronal, y se emplea atención cruzada para alimentar la información clínica a esta memoria de trabajo. Esto mantiene la red escalable con respecto al número de tokens de entrada (es decir, parámetros clínicos). Los tokens de salida de ambas redes neuronales específicas de la modalidad se fusionan en un codificador de transformador final, de modo que se fusiona la información de ambas modalidades. (B) El gráfico de líneas muestra el tiempo de duración de época para los modelos entrenados en la misma unidad de procesamiento gráfico (Quadro RTX 6000; NVIDIA). Para garantizar un uso comparable de la memoria de acceso aleatorio de vídeo de la unidad de procesamiento de gráficos, se emplearon diferentes tamaños de lote, lo que permitió un tamaño de lote de 170 para el modelo propuesto (azul) y un tamaño de lote de 14 para el enfoque de transformador base (naranja). En comparación con el entorno convencional, en el que los datos de imágenes y no imágenes (series temporales) se alimentan directamente a un bloque codificador de transformador común para la fusión de información, el modelo utilizado en el estudio actual da como resultado tiempos de entrenamiento más cortos. (C) El gráfico de líneas muestra el consumo de memoria de acceso aleatorio (VRAM) de vídeo de la unidad de procesamiento de gráficos (GPU) en función del número de parámetros de entrada. Los hallazgos indican que el enfoque empleado (azul) escala de manera mucho más eficiente que el enfoque del transformador base (naranja) para un número creciente de parámetros de entrada y, por lo tanto, permite tamaños de lote más grandes durante el entrenamiento. Aquí, el tamaño de lote utilizado para cada modelo se basó en el tamaño de lote máximo posible (en términos de consumo de memoria de acceso aleatorio de vídeo de la unidad de procesamiento de gráficos) al entrenar el modelo con 3200 pasos de tiempo. MiB = mebibyte, MLP = perceptrón multicapa.
Disponibilidad de datos
El conjunto de datos MIMIC, incluidos los datos de imágenes y no imágenes, está disponible públicamente a través de PhysioNet (https://physionet.org/content/mimiciv/1.0/) (18). El conjunto interno de datos de la UCI es privado debido a problemas de protección de datos, pero será compartido por los autores tras la presentación de una propuesta de investigación y el consentimiento del oficial de protección de datos y la junta ética.
Disponibilidad de código
El código utilizado para entrenar el modelo descrito en este documento está disponible públicamente en GitHub (https://github.com/FirasGit/lsmt).
Análisis estadístico
Los análisis estadísticos fueron realizados por F.K. y D.T. utilizando Python (versión 3.8; https://www.python.org/), junto con las bibliotecas NumPy y SciPy. El spread estadístico se determinó utilizando boot strapping con 1000 redibujos, con reemplazo del conjunto de prueba para cada medida. El criterio de Youden se utilizó para determinar un umbral para los cálculos de sensibilidad, especificidad y valor predictivo positivo, que implica encontrar el umbral que maximiza la suma de sensibilidad y especificidad. Para calcular los valores de P para las enfermedades individuales, se utilizó la prueba DeLong (19), que se desarrolló específicamente para el área de prueba bajo las puntuaciones de la curva característica operativa (AUC) del receptor. Para estimar los valores de p de las puntuaciones medias del AUC, calculamos las diferencias por pares entre las puntuaciones AUC de arranque para cada modelo con redibujantes idénticos y calculamos la fracción de diferencias con valores menores que 0. No se eligió un nivel de significación particular para evitar la dicotomización de los resultados como significativos o no significativos (20) y para obviar la necesidad de compensar las pruebas de hipótesis múltiples. Los datos se presentan como medias ± DEs y AUCs con ICs del 95%. El debate sobre los tamaños mínimos de la muestra está en curso, y al menos 200 pacientes se consideran necesarios para las tareas de clasificación (21). En este estudio, se incluyeron tantos pacientes como fue posible (es decir, 36 542 y 45 016 pacientes), evitando así la necesidad de realizar estimaciones del tamaño de la muestra.
Resultados
Características del paciente
En este estudio, se utilizaron dos conjuntos de datos (Tabla 1, Fig. 1) para evaluar la arquitectura de red neuronal propuesta. El conjunto de datos MIMIC contiene datos de 53 150 pacientes, de los cuales 16 608 pacientes fueron excluidos ya que no tenían mediciones para ninguno de los 15 parámetros clínicos utilizados en este estudio; por lo tanto, se utilizaron datos de 36 542 pacientes (edad media, 63 años ± 17 [DE]; 20 567 pacientes masculinos) en este estudio. El conjunto de datos internos contiene datos de 45 016 pacientes (edad media, 66 años ± 16; 27 577 pacientes varones).
Rendimiento del transformador multimodal para el diagnóstico de múltiples enfermedades
El modelo fue entrenado y evaluado sobre los datos disponibles públicamente de 36 542 pacientes que recibieron tratamiento en una UCI (10,11). Las radiografías de tórax y los datos clínicos que lo acompañan se emplearon como entradas para el modelo, y se permitió al modelo predecir un conjunto completo de 25 afecciones patológicas. Consistentemente, el AUC fue mayor cuando se emplearon datos de imágenes y no imágenes que cuando se usaron datos de imágenes o sin imágenes solos (Tabla 2, Fig. S1). El AUC medio fue de 0,77 (IC del 95%: 0,77; 0,78) cuando se utilizaron radiografías de tórax y parámetros clínicos, en comparación con 0,70 (IC del 95%: 0,69; 0,71; P < .001) cuando sólo radiografías de tórax y 0,72 (IC 95%: 0,72, 0,73; P < .001) cuando solo se utilizaron parámetros clínicos. Se observaron tendencias similares para la sensibilidad (parámetros clínicos más radiografías de tórax: 70% [IC del 95%: 69, 71]; parámetros clínicos: 69% [IC del 95%: 68, 70]; radiografías de tórax: 66% [IC del 95%: 65, 67]), especificidad (parámetros clínicos más radiografías de tórax: 72% [IC del 95%: 72, 73]; parámetros clínicos: 65% [IC del 95%: 64, 65]; radiografías de tórax: 65% [IC del 95%: 65, 66]), y valor predictivo positivo (parámetros clínicos más radiografías de tórax: 40% [IC 95%: 40, 41]; parámetros clínicos: 35% [IC 95%: 34, 35]; radiografías de tórax: 34% [IC 95%: 34, 35]). Más importante aún, el rendimiento del transformador multimodal es comparable con otros enfoques de vanguardia (por ejemplo, MedFuse [12], que demostró un AUC de 0.770 [IC 95%: 0.745, 0.795] para el caso multimodal), mientras que no requiere un ajuste extenso de hiperparámetros. Consulte la Tabla 3 para una comparación detallada con el desempeño anterior logrado con CNN. El modelo se evaluó adicionalmente en una tarea adicional utilizando un conjunto de datos independiente, que fue el diagnóstico radiológico integral de radiografías de tórax basado en datos de imágenes y datos de laboratorio acompañantes (Tabla S1, Fig. S2) (14). El AUC medio fue de 0,84 (IC del 95%: 0,83; 0,84) cuando se utilizaron radiografías de tórax y parámetros clínicos, en comparación con 0,83 (IC del 95%: 0,82; 0,83; P < .001) cuando sólo radiografías de tórax y 0,67 (IC 95%: 0,66, 0,67; P < .001) cuando solo se utilizaron parámetros clínicos (Fig. 3, Tabla S1). Una vez más, también se observaron tendencias similares para la sensibilidad (parámetros clínicos más radiografías de tórax: 77% [IC del 95%: 77, 77]; parámetros clínicos: 73% [IC del 95%: 73, 73]; radiografías de tórax: 76% [IC del 95%: 76, 76]), especificidad (parámetros clínicos más radiografías de tórax: 74% [IC del 95%: 73, 73]; parámetros clínicos: 52% [IC del 95%: 52, 52]; radiografías de tórax: 73% [IC del 95%: 73, 73]), y valor predictivo positivo (parámetros clínicos más radiografías de tórax: 71% [IC 95%: 71, 71]; parámetros clínicos: 56% [IC 95%: 56, 56]; radiografías de tórax: 70% [IC 95%: 69, 70]).
Rendimiento del transformador multimodal cuando faltaban datos
La arquitectura de transformador propuesta funcionó cuando faltaban datos y se asemejó al razonamiento humano en el sentido de que su rendimiento disminuyó continuamente cuando faltaban cantidades crecientes de datos clínicamente relevantes. Los datos del paciente del conjunto de prueba se enviaron al transformador entrenado con algunos de los parámetros de entrada omitidos aleatoriamente. El rendimiento en términos del AUC medio (15 parámetros a 0,77 [IC del 95%: 0,76, 0,77] frente a un parámetro a 0,73 [IC del 95%: 0,73, 0,74]) disminuyó continuamente cuando se omitieron cantidades crecientes de datos, de acuerdo con las expectativas. Se observaron tendencias similares para la sensibilidad, la especificidad y el valor predictivo positivo (Fig. 4A).
Figura 4: (A) Los diagramas de caja muestran el rendimiento en términos del área bajo la curva característica operativa del receptor, el valor predictivo positivo, la sensibilidad y la especificidad de la red neuronal entrenada en el conjunto de datos del Medical Information Mart for Intensive Care cuando se omitieron varios parámetros clínicos (información no relacionada con imágenes). El rendimiento disminuyó continuamente con un número creciente de parámetros clínicos omitidos. Los recuadros indican el IQR entre el primer y tercer cuartil y los bigotes se extienden hasta ± 1,5 × IQR, mientras que la línea central denota la mediana. (B) Los gráficos de barras horizontales muestran los parámetros clínicos que más afectaron el rendimiento de la red neuronal para el diagnóstico de diabetes (sin complicaciones), shock, enfermedad cerebrovascular aguda y septicemia. Para obtener una comprensión de los parámetros clínicos que más afectaron el rendimiento de la red neuronal para una condición patológica específica, se determinó la disminución porcentual en la información mutua entre la distribución predicha en todas las muestras y sus etiquetas de verdad en el terreno cuando se omitió un parámetro clínico específico durante la inferencia. Las barras de error indican SD. GCS = Escala de coma de Glasgow.
Acuerdo de transformadores multimodales con razonamiento clínico
Al medir el porcentaje de disminución en la información mutua entre la predicción del modelo y la verdad básica para descubrir relaciones entre los datos disponibles y el rendimiento diagnóstico para parámetros clínicos específicos (consulte el Apéndice S1 para obtener detalles sobre esta metodología), se encontró que los resultados de este análisis coinciden en gran medida con el razonamiento clínico. Los parámetros clínicos que son relevantes para un estado específico del paciente, como la presión arterial para el shock o la concentración de glucosa para la diabetes, condujeron a la mayor pérdida de información cuando se omitieron (Fig. 4B). En el Apéndice S1 y la Figura S3 se proporciona una visión general completa de todas las afecciones clínicas.
El transformador multimodal se centra en las regiones de imagen patológica
Al hacer uso del mecanismo de atención inherente, se pueden generar mapas que muestran dónde enfoca su atención el modelo del transformador, incluidas las subregiones de las radiografías que obtienen los factores de ponderación más altos para el diagnóstico final (consulte el Apéndice S1 para obtener más detalles sobre el método utilizado). La Figura 5 ilustra estos mapas de atención utilizando tres ejemplos representativos de cada conjunto de datos. Consistentemente, los mapas de atención exhiben sus valores más altos en las regiones de la imagen que son indicativas de las patologías.
Figura 5: Radiografías representativas (arriba), adquiridas en proyección anteroposterior en posición supina, y mapas de atención correspondientes (abajo). (A) Las imágenes muestran los principales hallazgos diagnósticos del conjunto de datos internos en un paciente masculino de 49 años con congestión, infiltrados neumáticos y derrame (izquierda); un paciente masculino de 64 años con congestión, infiltrados neumónicos y derrame (medio); y una paciente de 69 años con derrame (derecha). (B) Las imágenes muestran los principales hallazgos diagnósticos del conjunto de datos del Medical Information Mart for Intensive Care en un paciente varón de 79 años con cardiomegalia e infiltrados neumáticos en el pulmón inferior derecho (izquierda); paciente de 58 años con atelectasia bilateral y derrame en los pulmones inferiores (medio); y una paciente de 48 años con infiltrados neumónicos en la parte inferior derecha del pulmón (derecha). Tenga en cuenta que los mapas de atención se centran constantemente en las regiones de imagen más relevantes (por ejemplo, las opacidades neumónicas se indican mediante regiones de imagen opacas del pulmón).
Discusión
En los últimos años, ha habido un aumento de las aplicaciones de modelos de aprendizaje profundo para resolver problemas médicos (14,22–24); Sin embargo, estos modelos suelen utilizar datos de una sola modalidad (por ejemplo, datos de imágenes).
Los modelos de transformadores se han propuesto como un candidato ideal para evaluar datos multimodales, ya que se desarrollaron por primera vez en datos distintos de la imagen (25,26) y ahora han demostrado ser competitivos con las CNN desarrolladas en datos de imágenes (27). En nuestro estudio, desarrollamos un enfoque escalable totalmente basado en transformadores para la predicción multimodal basada en imágenes médicas y datos no relacionados con imágenes. Nuestro modelo demuestra un rendimiento mejorado cuando se le presentan datos multimodales, puede manejar los datos faltantes y permite obtener información sobre el proceso de toma de decisiones de la red. Lo más importante es que, basándose en la arquitectura Percibir (17), nuestro modelo es escalable y se puede aplicar a conjuntos de datos en los que tanto el número de pacientes como los datos por paciente son extensos. Cuando se entrenaron conjuntamente con datos de radiografías de tórax y parámetros clínicos de la base de datos MIMIC disponible públicamente, el AUC medio fue consistentemente mayor (0,77 [IC del 95%: 0,77, 0,78]) en comparación con el de los modelos entrenados en imágenes (0,70 [IC del 95%: 0,69, 0,71], P < 001,0) o sin imágenes (72,95 [IC del 0%: 72,0, 73,001], P < <>,<>) solos.
Los grupos de investigación anteriores han invertido un esfuerzo considerable para procesar datos contextuales (sin imágenes) y de imágenes. Huang et al (28) examinaron la literatura e identificaron tres estrategias principales de fusión, que son la fusión temprana, conjunta y tardía. La fusión temprana concatena las características multimodales en el nivel de entrada; La fusión conjunta emplea extractores de características separados para cada modalidad, uniendo posteriormente las representaciones de características aprendidas; y la fusión tardía agrega predicciones de modelos separados a nivel de decisión. Nuestro enfoque puede describirse mejor como fusión conjunta porque hace uso de extractores de características antes de combinar las modalidades. Como columna vertebral, utilizamos el modelo bien establecido Vision Transformer. Por diseño, las redes troncales intercambiables son la pieza central de nuestro conjunto centrado en transformadores y, si es necesario, esta columna vertebral se puede intercambiar por transformadores más avanzados una vez que estén disponibles más modelos futuros de alto rendimiento.
Con esta columna vertebral, nuestro modelo logró resultados que son comparables con otros enfoques de vanguardia (12) y, al mismo tiempo, es escalable, proporciona información sobre el proceso de toma de decisiones y es robusto en el sentido de que el modelo se puede aplicar cuando faltan datos. Estas propiedades son indispensables para la aplicación a la rutina clínica donde los datos faltantes y las series temporales largas de datos son muy comunes (29).
Para los dos conjuntos de datos investigados de radiografías con datos no relacionados con imágenes, encontramos un aumento constante en el rendimiento diagnóstico cuando se utilizaron datos clínicos sin imágenes junto con datos de imágenes. Esto está en línea con otros estudios que han utilizado modelos de aprendizaje profundo para combinar diferentes modalidades de datos, como histopatología y TC (30), y se espera que los modelos multimodales que pueden combinar una amplia gama de modalidades dominen el panorama futuro de la inteligencia artificial (29). Sin embargo, es posible que el rendimiento diagnóstico no se beneficie inevitablemente de la integración de datos de imagen y no de imagen. Por ejemplo, la diabetes se diagnostica predominantemente sin imágenes, mientras que el diagnóstico del neumotórax se basa principalmente en imágenes.
Este estudio tuvo varias limitaciones. En primer lugar, los ejemplos aquí demostrados hacen uso de datos de imágenes bidimensionales; Sin embargo, una cantidad sustancial de datos de imágenes médicas son tridimensionales, y si los paradigmas presentados se mantienen con los datos tridimensionales debe demostrarse una vez que dichos conjuntos de datos estén disponibles. En segundo lugar, probamos nuestra red neuronal en el contexto del aprendizaje supervisado, que requiere la presencia de etiquetas para cada paciente y limitó el rango de datos que se pueden emplear para entrenar nuestra arquitectura. En tercer lugar, la transferibilidad del dominio de nuestro modelo no pudo probarse debido a la falta de conjuntos de datos adecuados que tengan etiquetas concordantes y datos concordantes disponibles para el entrenamiento. En cuarto lugar, no realizamos una comparación con otras arquitecturas de modelos con respecto a los tiempos de entrenamiento, ya que esto estaba más allá del alcance del presente estudio. Los estudios futuros que comparen dichos modelos requerirían implementar estos modelos cara a cara utilizando entornos idénticos de entrenamiento, validación y prueba.
En conclusión, este estudio ha demostrado que un modelo de transformador entrenado en datos de imágenes a gran escala y no imágenes superó a los modelos entrenados en datos unimodales, aunque los estudios futuros deberían investigar otros escenarios de imágenes para confirmar de manera confiable la generalización. Con el advenimiento de las arquitecturas de transformadores y el creciente interés en los modelos multimodales de aprendizaje profundo, esperamos que los conjuntos de datos a gran escala que incluyen diferentes modalidades, desde radiografía hasta resonancia magnética, anatomías de pies a cabeza y diversas condiciones, estén disponibles públicamente.Esto constituirá una aplicación ideal y un campo de pruebas para los modelos de transformadores presentados en este estudio.
Rollin J. Fairbanks MD, MS, Robert L. Wears MD, MS, PhD, David D. Woods PhD (Professor of Integrated Systems Engineering), Erik Hollnagel PhD (Professor), Paul Plsek MS, Richard I. Cook MD (Professor of Healthcare System Safety)
Un sistema es resiliente si puede ajustar su funcionamiento antes, durante o después de eventos (cambios, perturbaciones u oportunidades) y, por lo tanto, sostener las operaciones requeridas en condiciones tanto esperadas como inesperadas. La resiliencia se encuentra en sistemas adaptativos complejos como la atención médica , que tienen características específicas que fomentan y requieren resiliencia. El estudio de la resiliencia de la atención médica tiene el potencial de ampliar la comprensión y la aplicación de conceptos de resiliencia en la atención médica y otros dominios críticos para la seguridad. La resiliencia contribuye de manera importante, aunque en gran medida oculta, a la seguridad del paciente . Este artículo es un resumen del taller Ideas para la innovación: estimulando colaboraciones en la aplicación de la ingeniería de resiliencia a la atención médica., celebrado del 13 al 14 de junio de 2013 en el Centro Keck de las Academias Nacionales en Washington, DC, patrocinado por el Proyecto de demostración Universidad-Industria de las Academias Nacionales y por el Instituto de Investigación en Salud MedStar. La reunión consistió en presentaciones de expertos en resiliencia y reacciones de profesionales de seguridad en cuidados intensivos. El objetivo del taller fue buscar posibles aplicaciones de la resiliencia en la atención médica y estimular colaboraciones entre la academia, el gobierno y las partes interesadas de la industria para implementar la ingeniería de resiliencia en la atención médica. *
El propósito de este artículo es proporcionar una descripción general de la resiliencia y la ingeniería de resiliencia y estimular las innovaciones en seguridad que podrían producirse al considerar la seguridad de la atención médica a través de la lente de la ingeniería de resiliencia. Dado el estado de este campo emergente, se necesitan herramientas más sólidas en la aplicación de la ingeniería de resiliencia a la atención médica.
¿Qué es la resiliencia?
La resiliencia ha sido concebida como una característica de algunos sistemas que les permite responder a una perturbación imprevista que puede conducir a una falla y luego reanudar las operaciones normales rápidamente y con una disminución mínima en su desempeño. 1
La resiliencia es importante para aquellos sistemas afectados por combinaciones de demandas habituales e inusuales; perturbaciones ambientales; variaciones en la dotación de personal u otros recursos; pérdidas o corrupciones de información; objetivos difusos, variables o conflictivos; y, fundamentalmente, un cambio incesante. Es la resiliencia de estos sistemas lo que les da la capacidad de lograr el éxito a pesar de las condiciones que fácilmente podrían conducir al fracaso, y lo que les permite recuperarse de forma rápida y segura después del fracaso. La comprensión actual de la resiliencia se basa en observaciones empíricas de los ámbitos laborales. En la barra lateral 1 (página 377) se muestra un ejemplo de resiliencia en acción . Además de los departamentos de emergencia (DE), los estudios han encontrado resiliencia en los quirófanos (OR), las UCI, clínicas y entornos de atención domiciliaria, salas de control de tráfico aéreo, centros de operaciones de redes informáticas y entornos de misiones militares. Algunas demostraciones de resiliencia de otros dominios se muestran en la Tabla 1 (página 377). Aunque diferentes en muchos aspectos, todos estos ámbitos implican mucho en juego y riesgos sustanciales, mientras que las cargas de trabajo y los ritmos operativos varían ampliamente. Los dominios utilizan tecnología complicada pero también dependen en gran medida de expertos humanos para su dirección y control. Sus operaciones son costosas, lo que genera una presión económica constante. El trabajo humano requiere afrontar la complejidad y la incertidumbre. Finalmente, estos dominios de trabajo exhiben cambios técnicos y organizativos continuos.
Respuesta resiliente a la automatización fallida de la dispensación de medicamentos *
Durante un turno ajetreado en el departamento de emergencias (DE), las unidades dispensadoras automáticas dejaron de funcionar. Las unidades mostraron un mensaje de error inesperado (“la impresora no funciona” en un dispositivo sin impresora) y no respondieron a las entradas del teclado ni de la pantalla táctil. Un paciente con broncoespasmo severo necesitó terapia inhaladora inmediata. Las enfermeras encontraron un inhalador sin usar en una colección de medicamentos destinados a volver al stock en el dispensador automático y lo usaron en lugar de uno dispensado formalmente para el paciente. Se contactó a la farmacia acerca de las unidades dispensadoras que no funcionaban. Un farmacéutico acudió al servicio de urgencias y no pudo restablecer el servicio de ninguna de las unidades. En colaboración con el médico a cargo del servicio de urgencias, las enfermeras y los farmacéuticos establecieron un método “corredor” para obtener medicamentos directamente de la farmacia. Los médicos escribían en papel los nombres y las dosis de los medicamentos necesarios para los pacientes. Se recogieron los papeles y se llevaron a la farmacia, donde los medicamentos se sacaron manualmente de los estantes y se colocaron en una bolsa. El corredor llevó la bolsa de regreso al servicio de urgencias, donde se distribuyeron los medicamentos a las enfermeras que atendían a los pacientes. De esta forma se empleó un relevo de dos corredores en los más de 45 minutos que tardó en resolverse la avería de la unidad dispensadora automatizada.
La resiliencia se expresó en la rápida evaluación de la situación por parte de los médicos; la intervención decidida y enfocada para obtener el medicamento de importancia crítica directamente de una fuente inusual; y la anticipación de un tiempo de inactividad prolongado de la automatización que llevó al personal a desarrollar una alternativa para llevar los medicamentos al servicio de urgencias.
Irónicamente, aunque los medicamentos de reanimación estaban disponibles de inmediato en los carros de emergencia locales, los medicamentos necesarios para prevenir el deterioro del paciente índice sólo se podían encontrar en la unidad de dispensación automática. Con la automatización averiada, el personal tenía la capacidad de tratar un paro cardíaco pero no la capacidad de prevenirlo.
El sistema de dispensación automatizado se adquirió principalmente para el control de inventarios y manejo de sustancias controladas. Esta falla del sistema finalmente se debió a una interacción sutil entre la función de ingreso de pedidos del proveedor y una característica de seguridad del sistema de dispensación en el contexto de una actualización de software. Unos meses después se produjo un fallo similar.
La resiliencia no es simplemente un éxito frente a la amenaza del fracaso. Aunque los sistemas resilientes pueden fallar y fallan, demuestran un repertorio de comportamientos, que incluyen cambios cualitativos en el desempeño en respuesta a demandas variables; respuestas decididas y significativas reflejadas en compensaciones de objetivos; y una tenacidad en los esfuerzos para responder eficazmente incluso cuando se enfrentan demandas crecientes o amenazas existenciales. Los sistemas resilientes previenen dinámicamente las fallas, mitigan las fallas en el proceso o redirigen la ruta de las fallas para hacer que la recuperación sea más fácil, menos disruptiva o menos costosa. Por ejemplo, durante el desastre nuclear de Fukushima Daichi en marzo de 2011, los operadores utilizaron las baterías de los vehículos que se encontraban en el lugar para proporcionar energía temporal a los instrumentos de la sala de control.2
La presencia de alternativas y la capacidad de evaluar situaciones y dirigir recursos para lograr los objetivos de mayor prioridad son factores clave en la resiliencia. La ausencia de cualquiera de ellos impide la resiliencia. Una perturbación de pequeña escala en un sistema resiliente será fácilmente acomodada con poco efecto aparente. Un acontecimiento grande e importante provocará una respuesta más dramática, pero, en un sistema resiliente, una caída en el desempeño será seguida por una rápida recuperación. Los sistemas altamente resilientes pueden incluso recuperarse de perturbaciones existenciales graves, preservando recursos críticos contra necesidades futuras y “vivir para luchar otro día”. 3
Lo opuesto a un sistema resiliente es uno frágil . Los sistemas frágiles no pueden soportar ni siquiera perturbaciones menores sin dejar de funcionar. Los grandes sistemas informáticos, de distribución eléctrica, de construcción e incluso financieros a veces demuestran fragilidad, como se demostró en la caída repentina de la Bolsa de Nueva York en 2010. 4
La resiliencia en sí misma es “escalable”, es decir, se puede encontrar en sistemas de diferentes tamaños. Aunque esto es más obvio en eventos dramáticos y de gran escala, como la respuesta médica al atentado contra un autobús (Caso 4, Tabla 2 , página 378), también se puede encontrar en situaciones rutinarias de pequeña escala, como el manejo de de una emergencia “blanda” (Caso 1, Tabla 2 ). El interés actual en la resiliencia se centra principalmente en una gama limitada de sistemas, desde unas pocas personas hasta una organización de quizás miles de personas (por ejemplo, una división militar). Pero algunos expertos sostienen que la resiliencia se puede encontrar en sistemas tan pequeños como células individuales o tan grandes como ecosistemas. 5 Existe una sólida base técnica para la resiliencia que se encuentra en sistemas complejos y adaptativos. 5. ,6. , 7. , 8.
Tabla 2 . Ejemplos de resiliencia en la atención sanitaria
Caso
Descripción
Escala de eventos
Actividades
Notas
1
CIRUGÍA DE EMERGENCIA “SUAVE” (1) * En medio de un día ajetreado, se inserta un caso de “emergencia” en la secuencia de casos sin mayor impacto en el cronograma.
Muy pequeña
•Consulta sobre los detalles del caso de emergencia.•Evaluación del estado actual del trabajo en el quirófano.•Negociación de asignación de recursos.
•Se requieren múltiples evaluaciones•Demandas competitivas resueltas por recursos.•Hizo uso de múltiples grados de libertad.
2
FALLA EN LA DISPENSACIÓN AUTOMATIZADA DE MEDICAMENTOS (14) Una actualización de software hace que la unidad de dispensación automática en un servicio de urgencias ocupado se congele sin previo aviso.
Pequeño
•Reconocimiento de la naturaleza del obstáculo.•Configuración de un corredor de farmacia informal de ida y vuelta•Uso de suministros de medicamentos “escondidos”, “préstamo” y sustitución
•Adaptado organizacionalmente para superar el fracaso tecnológico.•Revertido al sistema manual•Pérdida de contabilidad ordinaria a cambio de rapidez en el acceso a medicamentos
3
SU EN “CAÍDA LIBRE” (15) La afluencia de pacientes al SU abruma al personal, lo que lleva a desviarse de los protocolos organizacionales normales.
Medio
•Distribución de autoridad/responsabilidad•Renuncia a la supervisión habitual•Trabajos para recuperar las operaciones ordinarias
•Trabajo continuo a pesar de la pérdida de la organización central•Reservorio de capacidad usada en personal.
4
ATAQUE SUICIDIO A AUTOBÚS (1) Un atentado provoca más de 50 víctimas, que son evacuadas a hospitales y tratadas eficazmente.
Grande
•Atención directa por parte de médicos senior en el área de triaje.•Dispersión de víctimas a lugares de atención•Automovilización del personal que asume roles no estándar.•Eliminar tareas no críticas (por ejemplo, papeleo)
•Toda la instalación involucrada•Experiencia repetida desempeño refinado (aprendizaje)•Rápido retorno a las operaciones “normales”
O, quirófano; Servicio de urgencias, servicio de urgencias.*
Números de referencia, como se enumeran a partir de la página 382.
Uno de los primeros teóricos de la ingeniería de la resiliencia [y uno de los autores], Hollnagel, identifica cuatro aspectos relacionados de la resiliencia: (1) monitorear o explorar la función y el desempeño del sistema, (2) responder o reaccionar ante eventos o condiciones, (3) anticipar o prever eventos y condiciones futuros, y (4) aprender o reorganizar el conocimiento del sistema ( Tabla 3 , página 379). 9 En conjunto, estos proporcionan una descripción de la resiliencia en el contexto de sistemas adaptativos complejos a escala humana.
Escanear, escuchar, observar, atender y examinar el funcionamiento del sistema en diferentes escalas de tiempo para comprender el estado actual del sistema.
Ser consciente del uso actual de los quirófanos y la duración probable de los casos permite al coordinador gestionar sin problemas el caso de emergencia “suave” (Caso 1).
Respondiendo
Actuar o reaccionar, intervenir, corregir, afinar, ajustar, modificar, negociar, sacrificar para lograr objetivos específicos.
Distribuir la autoridad a los médicos jóvenes permite que el servicio de urgencias, en “caída libre”, maneje un aumento repentino de pacientes (Caso 3).
Anticipando
Proyectar, prever, mirar hacia adelante, pronosticar, predecir, simular dentro del sistema para comprender condiciones y eventos futuros probables e improbables.
La configuración temprana de un sistema corredor para solicitudes y entregas de medicamentos mantiene el servicio de urgencias funcionando de manera efectiva durante un largo período (Caso 2).
Aprendiendo
Incorporar, captar, revisar, estudiar experiencias e integrar el conocimiento resultante en estructuras disponibles para la práctica futura.
La experiencia repetida con atentados con bombas en autobuses promueve enfoques eficaces para afrontar un episodio de atentado (Caso 4).
Ejemplos de resiliencia incluyen la integración fluida de una cirugía de emergencia en una apretada agenda de quirófano (Caso 1, Tabla 2 ), la respuesta a la falla del equipo dispensador automático en el servicio de urgencias (Caso 2), la solución a un servicio de urgencias sobrecargado (Caso 3) y respuesta a un atentado suicida contra un autobús en una zona urbana (Caso 4). Aunque se trata de acontecimientos bastante diferentes, todos ilustran características básicas de la resiliencia.
En cada uno de estos casos, las personas buscan gestionar una perturbación temporal que se manifiesta como una interrupción del trabajo. El sistema posee resiliencia si su configuración permite a los actores dentro de él reaccionar efectivamente ante la perturbación cambiando o intercambiando objetivos. Una compensación, por ejemplo, sería el uso de un antibiótico más tóxico en un paciente críticamente enfermo. Otra sería la asignación deliberada de personal menos competente para realizar un procedimiento que permita la asignación del personal más competente a un procedimiento de mayor prioridad o más complejo. En el momento de la perturbación, el elemento flexible y adaptativo del sistema reside principalmente en los trabajadores de punta, quienes recurren a su conocimiento y experiencia para comprender la perturbación, anticipar las demandas de desempeño inmediatas y futuras, y cambiar el trabajo y los procesos de trabajo para satisfacer esas demandas. Para hacer esto bien se requiere un fondo grande y diverso de conocimientos sobre las características técnicas y organizativas de su sistema, el tipo de cosas que es probable que sucedan y que pueden suceder, qué recursos están disponibles y cuáles son las posibles consecuencias de trasladar los recursos de diferentes maneras. . El acervo de conocimientos debe ser accesible y recordarse adecuadamente en las circunstancias particulares que componen la perturbación. Por ejemplo, en el caso de emergencia suave (Caso 1), el El acervo de conocimientos debe ser accesible y recordarse adecuadamente en las circunstancias particulares que componen la perturbación. Por ejemplo, en el caso de emergencia suave (Caso 1), el El acervo de conocimientos debe ser accesible y recordarse adecuadamente en las circunstancias particulares que componen la perturbación. Por ejemplo, en el caso de emergencia suave (Caso 1), elEl anestesiólogo que “dirige” el quirófano es capaz de predecir la duración probable de los casos, conoce la velocidad con la que se puede llevar a un paciente al quirófano desde el servicio de urgencias y conoce la importancia de los problemas médicos que subyacen a la declaración del caso como “ emergencia.»
Para gestionar la perturbación es necesario hacer concesiones entre varios objetivos. Una característica distintiva de los sistemas resilientes es la presencia de múltiples objetivos que interactúan y la selección activa de objetivos frente a la incertidumbre. Normalmente, algunos objetivos están en conflicto y esos conflictos deben resolverse para que la resiliencia entre en juego. Por ejemplo, en la respuesta al bombardeo de un autobús (Caso 4, Tabla 2 ), los participantes abandonan la mayoría (pero no todos) el papeleo de rutina para obtener la respuesta más rápida posible para múltiples víctimas. Esto permite la atención inmediata de los pacientes, lo que, a su vez, crea problemas potenciales y trabajo futuro; por ejemplo, para establecer la identificación del paciente, rastrear su paso por el sistema y resolver el papeleo que no se realizó durante la perturbación.
Aunque llamamos la atención sobre el drama de la respuesta a la perturbación, la resiliencia está presente en el sistema antes de la perturbación. La capacidad de implementar conocimientos y lograr intercambios entre objetivos depende, a su vez, de la configuración del sistema y de las oportunidades que ofrece. Particularmente importante es la presencia de múltiples “grados de libertad” disponibles para las personas que enfrentan el disturbio. En el caso del servicio de urgencias en “caída libre” (Caso 3, Tabla 2) fue posible proporcionar altos grados de autonomía a cada miembro del personal para que pudiera trabajar sin el esfuerzo general necesario para coordinar sus actividades con quienes normalmente tienen autoridad. La presencia de estos individuos, sus capacidades y la presencia de equipos de tratamiento y medicamentos locales derivan de factores sistémicos
Recuperación de las Condiciones Operativas Ordinarias
El regreso a las operaciones normales es también un aspecto de la resiliencia, como lo ilustra, nuevamente, el caso del atentado contra un autobús (Caso 4, Cuadro 2 ): las víctimas del atentado se gestionaron rápidamente y las operaciones normales se reanudaron en unas pocas horas. Recuperar la capacidad perdida y restaurar las operaciones normales puede ser excepcionalmente difícil, particularmente en operaciones basadas en computadora, como en un caso de «knockout» en el registro de administración de medicamentos, que requirió «engañar» a la computadora retrasando su reloj interno dos días para reconstruir el pedido de cada paciente. historial para que los registros de administración de medicamentos estén completos y la facturación de la farmacia se pase al sistema de contabilidad. 10 La recuperación en sí misma es una expresión de resiliencia.
Aprendiendo de las perturbaciones
Los sistemas aprenden de las perturbaciones y alteran sus configuraciones en respuesta. Por ejemplo, los sistemas pueden aprender a anticipar y proporcionar las instalaciones y suministros que podrían necesitar los profesionales. Después de la interrupción de la dispensación automatizada en el Caso 2 ( Tabla 2 ), se cambió la configuración para permitir la entrada al dispositivo de suministro de medicamento bloqueado en caso de una falla similar.
La resiliencia puede mejorarse mediante la exposición repetida a perturbaciones similares. El componente de aprendizaje de la resiliencia ( Tabla 3 ) incluye la incorporación de experiencias pasadas en desempeños futuros. En el caso del atentado contra el autobús (Caso 4, Cuadro 2)), el buen comportamiento se debió en parte a la experiencia de acontecimientos similares durante los dos años anteriores. También es probable que muchas perturbaciones tengan características comunes que promuevan el aprendizaje de cómo manejar clases de perturbaciones. Puede haber, por ejemplo, más similitud entre las características perturbadoras de un suceso con víctimas masivas en un ferrocarril y el derrumbe de un edificio que cualquiera de ellas con un atentado contra un autobús. Las víctimas de un atentado contra un autobús aparecen en los lugares de clasificación con pocos minutos de diferencia entre sí, mientras que los derrumbes de edificios y los accidentes ferroviarios, que frecuentemente involucran muchas víctimas atrapadas, resultan en un flujo lento pero constante de víctimas para la clasificación. La capacidad de inferir las implicaciones de un tipo particular de evento a partir de experiencias previas puede ser crucial para la planificación de la respuesta.
En general, la resiliencia mitiga las pérdidas en lugar de lograr el desempeño exitoso habitual obtenido sin interrupciones. Para cada uno de los cuatro casos en la Tabla 2 , la respuesta a la perturbación implica sacrificar algunas metas en un esfuerzo por lograr otras. Manejar la caída libre en el servicio de urgencias no es la noción de nadie sobre la mejor atención, pero refleja la aceptación deliberada de enfoques nominalmente subóptimos e incluso potencialmente peligrosos para distribuir la atención en circunstancias excepcionales.
El aprendizaje parece ser sensible a la frecuencia, gravedad y variedad de las perturbaciones, de modo que cuando las perturbaciones son comunes, significativas y variadas, es probable que se incorporen a los procesos de trabajo formales. Cuando las perturbaciones están muy espaciadas, el aprendizaje puede materializarse principalmente en la educación y la formación. A medida que las perturbaciones se vuelven más variables y menos predecibles, se pone más énfasis en las capacidades generales, como la fuerza y la agilidad, con las que abordarlas.
Por el contrario, los entornos que presentan pocas sorpresas y mantienen un ritmo constante de operaciones pueden perder contacto con la experiencia de resiliencia. Sin oportunidades para aprender de las perturbaciones, el valor otorgado a la resiliencia puede disminuir. Mantener las instalaciones, los grados de libertad y la experiencia de los operadores puede parecer una extravagancia o incluso un desperdicio. Particularmente en las organizaciones burocráticas, las respuestas exitosas a los disturbios pueden convertirse en un trabajo “ordinario” y anodino, fomentando la eliminación de lo que parecen ser capacidades o recursos sin importancia.
El aprendizaje de la resiliencia es sistémico e implica incorporar experiencia con perturbaciones causadas por humanos, pero también incorporar experiencia en configuraciones de sistemas, recursos y artefactos que se convierten en instrumentos mediante los cuales la resiliencia se aplica en otras perturbaciones. ¿Por qué el servicio de urgencias (el escenario de tres de los cuatro casos del Cuadro 2 ) es un buen lugar para buscar resiliencia? Las operaciones de DE promueven inversiones en resiliencia porque las circunstancias allí frecuentemente exigen resiliencia. El servicio de urgencias funciona como un amortiguador entre el mundo exterior y el resto del hospital. Esto lleva al servicio de urgencias a estar expuesto a un flujo de perturbaciones prácticamente no regulado. La alta tasa y variedad de exposición a las perturbaciones otorgan gran importancia a la resiliencia. Gestión de perturbaciones 11es un elemento principal de la formación y la cultura de los profesionales de urgencias. Las actividades en el servicio de urgencias se limitan principalmente a la evaluación y el tratamiento de pacientes a corto plazo, lo que ofrece un marco de tiempo limitado que hace factible para los investigadores el “rastreo de procesos”, en el que se observan y analizan los movimientos y las comunicaciones. 12 La falla en la dispensación automatizada (Caso 2, Tabla 2 ) muestra cómo la frágil tecnología lleva a los profesionales a desarrollar y confiar en reorganizaciones del trabajo (a veces llamadas soluciones alternativas) 13 y estrategias novedosas (por ejemplo, el acaparamiento de pequeñas cantidades de unos pocos medicamentos en un «reserva»). 14 Aunque ninguna de las facetas de la resiliencia se encuentra únicamente en los SU, las condiciones allí hacen que los estudios sobre la resiliencia en los SU sean particularmente productivos.
Poner la resiliencia en acción a menudo implica reunir recursos. Los disturbios importantes, como incendios, derrumbes de edificios, accidentes industriales y actos de guerra, dan lugar a demandas repentinas de atención en el servicio de urgencias y llevan a los profesionales a acudir allí. En el ejemplo del atentado contra el autobús, los practicantes se trasladaron al servicio de urgencias desde los alrededores del hospital en previsión de las víctimas. Este tipo de acontecimientos también exigen respuestas rápidas, y el ejemplo del atentado contra un autobús muestra cómo los grupos pueden renunciar a diversas tareas administrativas que consumen mucho tiempo cuando esto ocurre.
Finalmente, los DE pueden descomponerse de maneras interesantes (aunque aterradoras). Estas averías pueden ser catastróficas, pero no necesariamente lo son. 15 Un sistema resiliente funciona mejor que uno frágil, 16 pero ser resiliente no significa ser invencible. Aunque la resiliencia es deseable, también puede resultar costosa. El servicio de urgencias suele ser el centro de la toma de decisiones económicas en los hospitales. Decidir cuánto invertir en resiliencia es una decisión que se toma en condiciones de incertidumbre. El DE es un laboratorio potencial para el estudio de las interacciones entre dinero y resiliencia.
Factores que mejoran y erosionan la resiliencia
La atención sanitaria depende en diversos grados de la resiliencia. Los ejemplos que hemos proporcionado demuestran que la resiliencia contribuye de manera importante a los resultados exitosos en el servicio de urgencias. Se están llevando a cabo estudios sobre resiliencia en otras áreas, incluidas las UCI y la atención domiciliaria, donde las expresiones de resiliencia son comunes, lo que afirma la importancia de la resiliencia para responder a perturbaciones grandes y pequeñas.
Las perturbaciones son comunes en toda la atención sanitaria, y la educación y la formación en las profesiones asistenciales se concentran en reconocer, evaluar y responder a las perturbaciones. La experiencia con las perturbaciones lleva a las organizaciones y empresas a invertir en resiliencia. Mantener reservas de suministros y otros recursos, distribuir deliberadamente la autoridad y la responsabilidad de manera que los trabajadores de primera línea tengan la capacidad y la experiencia para actuar de forma independiente y reconocer y ayudar en la negociación de objetivos son formas de mejorar la resiliencia.
Más difíciles de evaluar y apreciar son los que podrían denominarse “factores lentos”. Se necesitan muchos años para diseñar y construir una central nuclear; traer una nueva escuela de medicina o enfermeríahasta el vencimiento puede tardar el mismo tiempo. El conocimiento y la experiencia que contribuyen a la especialización de los cuadros obreros se desarrollan e inculcan a lo largo de años o incluso décadas. Los contribuyentes culturales que promueven los tipos de valores y la inventiva demostrados en Fukushima se derivan de normas y prácticas culturales desarrolladas a lo largo de siglos. Los desempeños resilientes se basan en estos recursos, que pueden ser cruciales en el momento de la perturbación. Aunque estos factores pueden parecer abstractos o distantes, preservar el conocimiento y la experiencia y transferirlos de manera efectiva a los profesionales de la próxima generación es explícitamente parte de las organizaciones de capacitación.
Es más difícil identificar y evaluar los factores que erosionan la resiliencia. La optimización de los retornos económicos puede ser una amenaza para la resiliencia, particularmente cuando los contribuyentes a la resiliencia se juzgan erróneamente como desperdicio y se eliminan, lo que resulta en un sistema más frágil. En Estados Unidos y otros países, la visión estrecha de la atención médica como un negocio puede hacer que las inversiones en resiliencia se consideren innecesarias. Las iniciativas de gestión deben emprenderse con sensibilidad y cuidado para evitar subestimar el valor de recursos aparentemente no productivos que contribuyen al potencial de resiliencia y que, de otro modo, podrían juzgarse erróneamente como desperdicio. 17. , 18.Debido a que muchos de los detalles del trabajo son conocimientos tácitos y mal articulados, a menudo existe una brecha entre la visión normativa del trabajo clínico (lo que se debe hacer) y la visión descriptiva (lo que realmente se hace). Privilegiar la visión normativa puede llevar fácilmente a perder valores importantes, pero latentes, y este descuido podría descubrirse sólo mucho más tarde, en medio de una crisis. Por ejemplo, la transformación de las operaciones provocada por una tecnología de la información eficiente 19 puede frustrar los esfuerzos de los profesionales para sostener las operaciones frente a las perturbaciones. 10
Un problema relacionado es la dificultad para evaluar la cantidad y calidad de la resiliencia presente en un sistema. Aunque la resiliencia se hace evidente por la respuesta a las perturbaciones, todavía no es posible medir de manera confiable cuánta resiliencia está presente en un sistema o cómo la resiliencia cambia con el tiempo. Los fenómenos que no se pueden convertir fácilmente en números reciben menos atención que los que sí lo son.
Nuestra falta de imaginación necesaria sobre el alcance y la naturaleza de posibles perturbaciones es igualmente preocupante. Después de los accidentes es fácil reconocer esta falta de imaginación. El accidente de Fukushima y la destrucción de los transbordadores Challenger y Columbia , por ejemplo, muestran los límites de nuestra capacidad para anticipar toda la gama de perturbaciones a las que se enfrentarán nuestros sistemas. Existe un marcado contraste entre la amplitud de los preparativos durante el programa espacial estadounidense que dieron resultados espectaculares en el caso del Apolo 13 20 y los que surgieron de un programa de transbordadores centrado en proporcionar transporte de rutina al espacio. 21
La repetición de perturbaciones similares promueve altos niveles de aprendizaje e inversiones en resiliencia (Caso 4, Tabla 2). Lo contrario también parece ser cierto: es difícil desarrollar y mantener la resiliencia si la tasa de perturbaciones es baja o la naturaleza de las perturbaciones varía ampliamente. Un servicio de urgencias urbano concurrido es, como era de esperar, impredecible, y las perturbaciones son comunes y variadas de maneras que ponen a prueba la resiliencia que se encuentra allí pero también promueven su desarrollo. Nos sorprenden los numerosos relatos de desempeños resilientes que aparecen cuando los trabajadores de urgencias hablan entre sí. (La discusión del taller proporcionó ejemplos de cómo anticipar el deterioro de las condiciones en pacientes específicos, el ritmo de trabajo y la disponibilidad del personal. La capacidad de prever obstáculos y puntos críticos futuros se citó como fundamental para gestionar los flujos de trabajo y lograr resultados exitosos).
Nuestro conocimiento limitado sobre los factores que mejoran y erosionan la resiliencia puede tomarse como hoja de ruta para una amplia agenda de investigación. Descubrir cómo (¡y en qué medida!) se modula la resiliencia en una variedad de entornos médicos probablemente sea a la vez desafiante y emocionante. Desarrollar herramientas (tanto teóricas como empíricas) para estudiar la resiliencia en la atención de salud requerirá tiempo y recursos.
¿Qué es la ingeniería de resiliencia?
La ingeniería de resiliencia es el diseño y la construcción deliberados de sistemas que tienen la capacidad de resiliencia. Los sistemas resilientes suelen experimentar perturbaciones. Capacitar a los profesionales para que aprendan sobre el manejo de las perturbaciones incorpora el proceso de aprendizaje en sí al repertorio de habilidades del profesional. La ingeniería de resiliencia podría, por ejemplo, incluir la creación de oportunidades para que los profesionales sin experiencia aprendan sobre las compensaciones y las consecuencias de la exposición deliberada a las perturbaciones. 21 Observamos que este tipo de aprendizaje requiere capacidad técnica y juicio sustanciales y puede encontrarse principalmente cerca del final del aprendizaje, después de que el aprendiz tiene el gran acervo de conocimientos y experiencia necesarios para evaluar alternativas y probabilidades. El aprendizaje prolongado está ahora bajo presión.22
Dado que las expresiones de resiliencia implican compensaciones y sacrificios entre objetivos, la resiliencia puede diseñarse garantizando que quienes las realizan sean capaces de prever las consecuencias de las compensaciones y sacrificios y sean capaces de emprender estas acciones. En las prácticas médicas y quirúrgicas, que, a diferencia de las centrales nucleares y sistemas de ingeniería similares, tienen estructuras técnicas y organizativas relativamente planas, los profesionales de primera línea conservan el conocimiento y la autoridad para manejar las perturbaciones, en las que tienen oportunidades de implementar importantes compensaciones y sacrificios. . La gran variabilidad entre pacientes y situaciones requiere otorgar autoridad a los profesionales. A menudo se pide a los médicos que evalúen los riesgos y beneficios de diversos cursos de acción bajo una gran presión de tiempo y consecuencias.23 o mediante herramientas bien diseñadas, es una vía potencial para la resiliencia de la ingeniería en estos entornos.
Está claro que la tecnología, la configuración del espacio de trabajo, las comunicaciones y el acceso a la información desempeñan papeles importantes en la resiliencia. Para atender a las víctimas masivas de un atentado contra un autobús, por ejemplo, se hace un uso intensivo del servicio de urgencias como lugar físico para que los trabajadores clínicos se reúnan y se muevan rápidamente entre los pacientes. La tecnología de laboratorio y de imágenes portátil proporciona datos casi en tiempo real. La presencia de médicos experimentados y experimentados permite la toma de decisiones inmediata basada en la mejor experiencia clínica disponible. La capacidad de visualizar la disponibilidad de recursos críticos (como, por ejemplo, se muestra en el Caso 1, Tabla 2 ) puede informar de manera eficiente las compensaciones y sacrificios. Comprender cómo estos factores contribuyen o erosionan la resiliencia es un área importante para futuras investigaciones.
Resumen
La resiliencia está presente en los sistemas en funcionamiento y contribuye sustancialmente a la capacidad de los operadores para responder a perturbaciones grandes y pequeñas. Aunque el estudio de la resiliencia se encuentra en su etapa inicial, muchos de los ejemplos convincentes de resiliencia en acción provienen de la atención médica. Esto no es una coincidencia; Los disturbios son comunes, y la educación y capacitación de los profesionales enfatiza la respuesta reflexiva y deliberada a los disturbios. Muchos entornos de atención sanitaria (como el servicio de urgencias) sirven como espacio liminal y amortiguador entre el mundo predecible y ordenado del hospital y el mundo exterior, a menudo tumultuoso y desenfrenado. Aquí se pueden encontrar fácilmente ejemplos de resiliencia, pero creemos que la resiliencia en sí es omnipresente en toda la práctica médica.
¿Cómo se crea, sostiene y erosiona la resiliencia? Las investigaciones en curso buscan responder a estas preguntas. Es importante comprender cómo la resiliencia se ve afectada por el cambio organizacional e institucional. Somos sensibles a la necesidad de contar con medios para medir la calidad y cantidad de la resiliencia en lugares específicos. Creemos que la resiliencia puede verse significativamente erosionada por una variedad de mecanismos, particularmente en sistemas bajo presión. Las inversiones en experiencia profesional, por ejemplo, son difíciles de sostener cuando los beneficios que se derivan de ellas son difíciles de medir y la necesidad aguda de experiencia es esporádica.
Por último, la resiliencia no conduce invariablemente al éxito, y la falta de resiliencia no conduce invariablemente al fracaso. La resiliencia puede permitir un éxito limitado ante perturbaciones graves, y la falta de resiliencia puede llevar al fracaso ante perturbaciones menores. La exploración actual de la resiliencia debería impulsarnos a mirar el éxito de manera más crítica para construir una imagen más precisa de los sistemas importantes en funcionamiento. El complejo sistema adaptativo que brinda atención a los pacientes está desplegando resiliencia, en su mayor parte sin que nadie se dé cuenta. Lo sorprendente no es que haya tantos accidentes en el ámbito sanitario sino que no haya aún más. Debido a que nuestro éxito depende tan regularmente de ello, encontrar formas de identificar y mejorar la resiliencia es una necesidad crítica para la seguridad del paciente .
La conferencia fue patrocinada por la Asociación de Demostración Universidad-Industria, Washington, DC, y el Instituto de Investigación en Salud MedStar, MedStar Health, Washington DC. La conferencia fue planificada y dirigida por el Centro Nacional de Factores Humanos en la Atención Médica, Instituto MedStar para la Innovación, MedStar Health, Washington DC. Este informe de la conferencia refleja las opiniones de los autores y no necesariamente las de sus instituciones o los patrocinadores del taller. Los autores agradecen a los presentadores del taller, en cuyas sesiones se basa gran parte de este contenido: Ann Bisantz, Escuela de Ingeniería y Ciencias Aplicadas, Universidad de Buffalo; Jeffrey Braithwaite, Centro de Investigación de Gobernanza Clínica, Instituto de Innovación en Salud y Universidad de Nueva Gales del Sur; Joan Ching, Centro Médico Virginia Mason; Cathie Furman, Centro Médico Virginia Mason; Sorrel King, Fundación Josie King; Seth Krevat, MedStar Salud; Christopher Nemeth, Asociados de Investigación Aplicada, Inc.; Barbara Pelletreau, Salud Dignidad; y Shawna Perry, Sistemas de Salud de la Virginia Commonwealth University y Virginia Commonwealth University.
Dr. Carlos Alberto Díaz. Profesor Titular Universidad ISALUD. Septiembre 2023.
El concepto de hospital está en continuo desarrollo, con el objetivo final de proporcionar la mejor atención sanitaria posible a los pacientes; condiciones de trabajo equilibradas, seguras y productivas para el personal del hospital; y comodidad para los visitantes, mientras opera de manera eficiente, rentable y sostenible. El papel de la tecnología es central en la configuración del futuro de la atención médica, ya que la tecnología puede abordar tareas tediosas, por ejemplo, la monitorización de signos vitales, para facilitar a los médicos y enfermeras el cuidado, las alertas y el pronóstico, pero cada vez requeriremos más de la interfase humana. hemos abordado con anterioridad otros aspectos del hospital del futuro, el área para pacientes pluripatológicos y multimorbilidad, las áreas de proceso para entregar todos los servicios que requiere un hospital como la emergencia, el cuidado moderado, especial, critico, la cirugía de rápida recuperación, la teleconsulta, y el sistema de información con seis anillos digitales, sistemas interoperables.
En el nuevo hospital de día como integrante del hospital del futuro se tiene que organizar en función de procesos reglados, de corta estancia esbeltos, lean, con identificación y trazabilidad del paciente, que antes de colocarlo en el proceso contenido tiene que hacer una revisión indispensable de dos aspectos de la apropiabilidad del estudio o el sanitario., el tratamiento solicitado y la pertenencia en ese momento de la vida del paciente y su evolución, con una visión crítica, de replanteo, y de responsabilidad. Este servicio asistencial debe tener una coordinación médica de un internista como el resto de las áreas o conjuntos de procesos, servirá para una internación menor a doce horas, para realizar controles, tratamientos, con fines diagnósticos, para estabilizar pacientes, o terapéuticos como una alternativa al ingreso hospitalario normal. El médico clínico como en cualquier otro dispositivo del hospital por cuidado progresivo responde a la necesidad de tener una visión holística del paciente, su realidad y actualidad familiar y social. Es un lugar en el cual intervienen diversos especialistas apoyados y respaldados por esta coordinación, el hospital de día debe tener espacios adecuados y locales correspondientes para tratar los problemas de salud para los cuales fue diseñado. En la medida que se pueda debe ser un hospital de día polivalente, para dar prestaciones variadas, esto le da flexibilidad y eficiencia a la utilización. También puede tener un área obstétrica donde se siga el embarazo de alto riesgo, para concentrar los estudios de diagnóstico y tratamiento, y disminuir las barreras de accesibilidad de estos pacientes. La cantidad de camas para un hospital de día quirúrgico debe superar el número de quirófanos y ser un área monitoreada con control médico y de enfermería, puede ser un espacio bidireccional, pero siempre de un número mayor para permitir ingreso y egreso de pacientes del quirófano, teniendo en cuenta que para estos pacientes es fundamental tener el servicio de anestesia, y el manejo del dolor para la recuperación del paciente en tiempo y forma. Deberá contar con todas las áreas de apoyo administrativa, de depósito de medicamentos y material adecuado. Debiera tener como proveedor un centro de mezclas o servicios de farmacia satélite.
El hospital de día será de rápido diagnóstico, de cirugía ambulatoria, de procedimientos endoscópicos e invasivos, de quimioterapia oncológica, de estabilización de pacientes frágiles, de realización de estudios para determinar la salud de un determinado grupo de población, o evaluación periódica a niños con trastornos crónicos, para observar nivel de cuidado, integración con la familia, y respuesta del sistema socio sanitario. Para pacientes con problemas de salud mental. Para estimulación. Un área flexible multifuncional donde se realicen procedimientos, endoscopias, punciones, biopsias dirigidas, colocación y cambios de catéteres.
Son diferentes hospitales de día, con disposiciones distintas, con respaldo profesional específico, puede producir todas esas líneas y establecer un seguimiento de los pacientes.
El ingreso y la admisión al hospital de día es importante, porque se corre el riesgo de producción industrial. Porque a partir del momento que uno comienza a realizar el tratamiento o el procedimiento deben estar revisadas todas las condiciones previas y como fue presentada la alternativa ambulatoria, una fundamental es que sabe el paciente de este, Porque los pacientes y los profesionales que le presentan esta alternativa no explican todo como corresponden. Entonces hay que completar esto con un cuestionario autoadministrado, para que no tenga visiones mágicas de lo que se va a realizar, que se sienta contenido, comprendido y puesto en el centro de la atención.
El paciente debe ser identificado, revisado por un médico, monitorizado, leída su historia clínica, sus antecedentes, monitoreadas las indicaciones, la revisión de la medicación y dilución de los fármacos y se apliquen los diez o quince principios seguros de la atención de los medicamentos. Debe ser una atención brindada con confort y comodidad. Debemos desafiar los usos convencionales en espacio, crear áreas flexibles y funcionales, optimizando todos los procesos pensando en el paciente, el agente y los proveedores. Con dispositivos electrónicos y estaciones móviles. Como parte de una red escalable de servicios.
Tendrá que disponer de áreas con camillas, con sillones, áreas de procedimientos invasivos, intervencionismo, consultorios de admisión de pacientes, dispositivos para identificación de venas, sistemas para identificación y locación de pacientes, relación con el centro de mezclas, preparación de pacientes para procedimientos quirúrgicos ambulatorios, un área con circulaciones bien definidas, elaboradas con la opinión profesional, de médicos y enfermeras, especialistas, arquitectos hospitalarios, definición de procesos y sus mapas, el lay out, la redes de comunicación, del internet de las cosas, la interoperabilidad, el monitoreo
También servirá para estabilizar a los pacientes que tengan enfermedades crónicas parcialmente descompensados.
Tendremos varios procesos en ese hospital de día los quirúrgicos, los endoscópicos, los de determinación de riesgos de evaluación gerontológica, los oncológicos las quimioterapias, los clínicos, los de tratamiento del dolor, los de pacientes en recuperación de la motricidad.
A nivel mundial los hospitales de cirugía del día están cambiando la experiencia de los pacientes ofreciendo una alternativa a la internación hospitalaria convencional. Que implica mejoras en los tiempos, sin tantos desperdicios, mejora en la logística, en el control del dolor, en la regulación de la anestesia. Ahorro de costos. Mejor servicio al paciente. Los pacientes no pernoctan no requieren personal nocturno o del fin de semana. Menor riesgo de infección. Recuperación más corta. Se debe mejorar la comunicación con los pacientes. Mejor programación de las cirugías. Disminución de las listas de espera. Los pacientes tienen que vivir cerca. Sino la estancia de recuperación debiera ser en una residencia para pacientes o un hotel. Se deben seleccionar muy bien a los pacientes y los riesgos de comorbilidad. Deben ser áreas muy seguras.
Los consentimientos informados deben aclarar que podrá seguir su restablecimiento en caso de complicaciones en internación de otras áreas de cuidados intensivos.
JAMA. Publicado en línea el 2 de octubre de 2023. doi:10.1001/jama.2023.20550
Smith M, Singh H, Sherman JD. Infection Prevention, Planetary Health, and Single-Use Plastics. JAMA. Published online October 02, 2023. doi:10.1001/jama.2023.20550
La Comisión Minderoo-Mónaco sobre Plásticos y Salud Humana destacó recientemente cómo los plásticos han beneficiado a la sociedad, pero son responsables de daños significativos para la salud ambiental y humana. 1Por ejemplo, el 98% de los plásticos se derivan del carbono fósil, contribuyendo con el 3,7% de las emisiones de gases de efecto invernadero que causan el cambio climático y fracciones similares de emisiones tóxicas al aire.1Los plásticos fósiles a base de carbono no se biodegradan, sino que se descomponen en micropartículas y nanopartículas que ingresan a los organismos a través de las cadenas alimentarias y el ciclo hidrológico. 1,2Los plásticos están cargados de aditivos químicos nocivos, muchos de los cuales actúan como carcinógenos, neurotoxinas y disruptores endocrinos, contaminantes orgánicos persistentes capaces de dañar a las generaciones actuales y futuras.1 Las exposiciones humanas ocurren durante cada fase del ciclo de vida del plástico, incluida la extracción de recursos naturales, la fabricación, el transporte, el uso y la eliminación al medio ambiente. 1
Se espera un Tratado Mundial de Plásticos de las Naciones Unidas (ONU) para poner fin a la contaminación por plásticos para 2024. 1,3
Si bien la atención médica contribuye con casi el 5% de las emisiones globales de gases de efecto invernadero y consume cantidades sustanciales de plásticos,4,5 los esfuerzos para reducir el uso de plásticos en la atención médica están en gran medida ausentes. De hecho, la atención médica está pasando cada vez más de equipos duraderos y reutilizables a dispositivos de plástico desechables de un solo uso. 5 Además del equipo de protección personal (máscaras, batas protectoras y guantes), los artículos cotidianos como manguitos de presión arterial, catéteres, instrumentos quirúrgicos complejos e incluso ropa de cama, almohadas y batas para pacientes están cargados de plástico y comúnmente se desechan después de un solo encuentro con el paciente. 5 Varios factores están contribuyendo a esta rápida transición a los desechables, incluida la obsolescencia fabricada por la industria para vender más dispositivos, los beneficios de costos percibidos, la conveniencia y las normas culturales. 5 Sin embargo, hay una escasez de evidencia de beneficio de la mayoría de los dispositivos de un solo uso, especialmente para la prevención de infecciones, y la dependencia de ellos aumenta las vulnerabilidades de la cadena de suministro. 5,6
Dadas las amenazas para la salud humana de la contaminación ambiental, el cambio climático y la pérdida de biodiversidad, ha llegado el momento de reducir la dependencia excesiva de los desechables de un solo uso.
Tres estrategias pueden lograr esto: (1) reformar las pautas nacionales de prevención de infecciones, (2) actualizar los estándares de notificación de infecciones relacionadas con dispositivos de un solo uso y reutilizables, y (3) incentivar a la Administración de Alimentos y Medicamentos de los Estados Unidos (FDA) y a la industria a priorizar el diseño reutilizable y la innovación.
Estas recomendaciones pueden promover la transición a una economía circular5 que minimice el desperdicio y mantenga los materiales en uso el mayor tiempo posible.
Reformar las directrices nacionales de prevención de infecciones
Las recomendaciones nacionales sobre cuándo es apropiado usar equipos médicos de un solo uso frente a equipos reutilizables están ausentes. Las principales pautas de control de infecciones son publicadas por el Comité Asesor de Prácticas de Control de Infecciones de Atención Médica (HICPAC) que asesora a los Centros para el Control y la Prevención de Enfermedades (CDC). Las políticas y prácticas institucionales se escriben de acuerdo con estas pautas y posteriormente son aplicadas por las organizaciones de acreditación y los departamentos locales de salud pública. Las directrices7 de HICPAC abordan el control de infecciones ambientales, las precauciones de aislamiento y los asuntos de dispositivos médicos, incluida la desinfección y la esterilización. Se reconoce que el uso de alternativas desechables o reutilizables es importante, pero solo en el contexto de batas, cortinas y telas quirúrgicas; Otros dispositivos médicos no se discuten. Las guías actuales no recomiendan una opción sobre la otra, sin embargo, un artículo de revisión citado no encontró que las batas y cortinas de un solo uso sean superiores a los reutilizables en términos de prevención de infecciones. 8 Las batas y cortinas reutilizables confieren ventajas significativas sobre las alternativas de un solo uso en términos de consumo de energía, agua y productos químicos durante el ciclo de vida9 y fueron una solución crítica para la escasez de la cadena de suministro pandémica. Varios estudios que comparan los impactos ambientales de los dispositivos médicos reutilizables y desechables encuentran ventajosas las opciones reutilizables. 5
Como siguiente paso, los CDC podrían encargar a HICPAC que modernice las pautas para reflejar mejor la evidencia, si la hay, para respaldar dispositivos de un solo uso o reutilizables de todo tipo, identificar brechas de información y proponer una estratificación del riesgo que tenga en cuenta el impacto ambiental, los costos y la resiliencia de la cadena de suministro. Las organizaciones de acreditación y los Centros de Servicios de Medicare y Medicaid (CMS) podrían garantizar posteriormente la implementación efectiva de las pautas reformadas.
Actualización de los estándares de notificación para infecciones relacionadas con dispositivos
Los sistemas actuales de notificación de incidentes no proporcionan una comprensión completa del riesgo de infección relacionado con dispositivos médicos. Por ejemplo, la base de datos Manufacturer and User Facility Device Experience (MAUDE) de la FDA se centra en las fallas de los dispositivos, pero no captura los desafíos de descontaminación, los factores de riesgo de infección o los resultados. La Red Nacional de Seguridad de la Atención Médica (NHSN, por sus siglas en inglés) de los CDC recopila datos solo sobre algunas infecciones relacionadas con dispositivos permanentes. Los desafíos actuales incluyen el subregistro de infecciones relacionadas con el dispositivo, informes incompletos o inexactos y la atribución de causalidad. Mejores datos apoyarían una estratificación integral del riesgo para guiar las opciones. Para mejorar la comprensión de los riesgos de infección derivados de los productos reutilizables frente a los de un solo uso, los CDC podrían encargar a NHSN que reconfigure las bases de datos existentes para recopilar datos más granulares. Se pueden desarrollar mejores definiciones y estándares para respaldar la notificación de todas las infecciones sospechosas relacionadas con el dispositivo y los factores de riesgo asociados.
Para ser más eficaz, la presentación de informes deberá ser obligatoria y estandarizada a nivel nacional. Esto requerirá apoyo para ampliar los programas, como el Programa de Prevención EpiCenters de los CDC, que pueden facilitar las asociaciones académico-de salud pública para desarrollar la base de evidencia para impulsar cambios e implementar estándares de informes actualizados. La presentación de informes podría promoverse aún más ampliando la lista de infecciones relacionadas con el dispositivo que CMS vincula con el reembolso. 10
Priorización de reutilizables por la FDA y la industria
Para que un fabricante lleve un dispositivo médico al mercado con una etiqueta «reutilizable», proporciona datos que demuestran a satisfacción de la FDA que el dispositivo se puede limpiar, desinfectar o esterilizar sin afectar su función.Sin embargo, la etiqueta de «un solo uso» es autodesignada por los fabricantes, no por la FDA. Por lo tanto, un dispositivo puede etiquetarse como de un solo uso porque el fabricante cree que no se puede usar de manera segura y confiable más de una vez, o porque el fabricante elige no realizar los estudios necesarios para demostrar a la FDA que es reutilizable. Mientras tanto, ciertos fabricantes y compañías de terceros recolectan los llamados dispositivos de un solo uso usados, los limpian y esterilizan, y los venden a los hospitales para su reutilización como dispositivos médicos «reprocesados» aprobados por la FDA.
Debido a que los fabricantes están naturalmente incentivados a promover dispositivos de un solo uso para maximizar las ganancias, la FDA puede priorizar los mecanismos de contrapeso para promover el uso responsable de los recursos. Por ejemplo, la FDA ha identificado características de diseño importantes para los reutilizables que permiten una mejor limpieza, desinfección y esterilización. Estas características incluyen la capacidad de desmontar y volver a montar fácilmente, suavizar las superficies internas y externas, limitar los componentes desechables de un solo uso a solo las áreas más difíciles de reprocesar de manera efectiva e identificar claramente qué componentes no se pueden reutilizar. La FDA podría acelerar el uso de estas características de diseño y requerir la máxima reutilización en todas las nuevas aplicaciones 510 (k) y dispositivos médicos previos a la comercialización.
La FDA también podría asegurarse de que las instrucciones de uso (IFU) estén escritas para maximizar tanto la facilidad como la seguridad de los procedimientos de limpieza. Las IFU contienen instrucciones del fabricante sobre cómo limpiar y esterilizar dispositivos médicos, y los hospitales deben seguirlas. Sin embargo, los fabricantes están haciendo cada vez más que los procedimientos de IFU sean innecesariamente engorrosos, lo que lleva a los hospitales a recurrir a dispositivos desechables de un solo uso para minimizar la complejidad de la gestión, los costos laborales y las citaciones por incumplimiento. 5 Una colaboración más sólida entre la FDA, la industria de dispositivos médicos y las organizaciones comerciales, como la Asociación para el Avance de la Instrumentación Médica, podría ayudar a revisar los estándares para garantizar que los procedimientos de reprocesamiento y validación minimicen las cargas y los costos ambientales.
El Centro de Innovación CMS puede acelerar un mejor diseño, innovación y adopción de dispositivos reutilizables. Por ejemplo, se pueden desarrollar y probar nuevos modelos de pago para incentivar a las organizaciones de atención médica a priorizar la adquisición de dispositivos médicos reutilizables seleccionados, reducir la generación de desechos sólidos y reducir las emisiones de la cadena de suministro. 4
Conclusiones
Para ciertos dispositivos médicos seleccionados, la desechabilidad de un solo uso puede ser la mejor solución, pero la adopción a gran escala, sin restricciones e irracional de artículos desechables en nombre de la prevención de infecciones es dañina, insostenible e inaceptable. El reciente informe de la Comisión de Plásticos Minderoo-Mónaco1 y el próximo Tratado Global de Plásticos2024 de las Naciones Unidas 3 destacan una creciente crisis de salud planetaria que puede mitigarse a través de los próximos pasos prácticos recomendados en este documento. Con un enfoque en la prevención de infecciones como un impulsor clave del uso desechable, los cambios transformadores en las prácticas regulatorias, industriales y de organizaciones de atención médica pueden acelerar la reducción de los plásticos de un solo uso y ayudar a proteger la salud planetaria y humana.
En el contexto de una invitación a participar en unas jornadas de calidad y de acreditación- evaluación en las empresas de salud, desde la visión de un prestador que voluntariamente muestra sus procesos, sus evaluaciones, indicadores y resultados, la significación que implica movilizar a una organización en una tarea evaluativa, que es de reconocimiento conjunto, de una suma de factores y procesos, vinculadas con el plan estratégico, el gobierno, la institucionalidad, el financiamiento, la presupuestación, la gestión del talento humano, de las compras, de la gestión del riesgo, de la gestión de los pacientes, de la asistencial o clínica, del laboratorio, las imágenes, la hotelería, la farmacia la esterilización, la emergencia, las unidades de cuidados intensivos, los procesos de docencia, la seguridad edilicia, el mantenimiento, el funcionamiento del quirófano, de la emergencia, la limpieza, el manejo de los residuos patogénicos, la evaluación de los principales indicadores, el involucramiento multidisciplinario y fundamentalmente de los médicos, de los jefes de servicio que serán los impulsores de los principales procesos del cambio, el rol importante de cada uno de los procesos que su producto aunque sea intermedio será productor de otros procesos, pero este esfuerzo se malogrará si no se continua entre las instancias de la reacreditación. Incluir los nuevos desarrollos como una adenda al proceso de evaluación. La participación de toda la organización es fundamental, las áreas de calidad y seguridad del paciente deberían demostrar que la mejora en la efectividad y en la eficiencia sirve para financiar los cargos. La importancia de tener un área de calidad presente activa, que se le de importancia, que los servicios los consulten. Hay un período cada cuatro años entre acreditaciones que debe seguirse, progresar, actualizar, corregir lo que es señalado por los evaluadores, una puesta en valor permanente. La acreditación, el reconocimiento levanta la estima de los integrantes de los equipos, es sumamente positivo y se les debe dar la mención. Los procesos deben reflejar estrictamente la realidad de los procedimientos tal cual son. Las quejas deben ser oportunidad de mejora. Lo más importante es el liderazgo que es el que mantiene estos esfuerzos en vigencia. Las organizaciones que crecen mantienen la evaluación. Esto por lo menos si es bien expresado y comunicado le da confianza en los equipos de trabajo, los pacientes y comunicándolo a los financiadores. Los mismos, las obras sociales y los prepagos debieran pedirle la acreditación a cada uno de los prestadores. esto debiera significar un reconocimiento. Con valores que oscilen entre 2 y 5% del valor que se les paga a todos. Para que se alineen los incentivos. Impulsar la formación continua de todos los integrantes. la acreditación es gestión del conocimiento.
La acreditación sirve para:
Mejorar la gestión clínica y hospitalaria.
Para mejorar la alineación de los objetivos específicos con los generales.
Posicionar en la medicina basada en el valor la calidad.
Gestión por procesos.
La seguridad de los pacientes.
La participación de lo intangible en los momentos de verdad y de dolor.
Mejorar las áreas tangibles.
Alinear servicios contratados.
mejorar la defensa en juicio.
Disminuir los costos de prestación.
Ivan Radević, Vlado Dimovski, Anđelko Lojpur & Simon Colnar (2023) Quality of Healthcare Services in Focus: The Role of Knowledge Transfer, Hierarchical Organizational Structure and Trust, Knowledge Management Research & Practice, 21:3, 525-536,
1. Introducción
El campo de la calidad de los servicios sanitarios se enfrenta a presiones crecientes para mejorar la calidad, aumentando la presión hacia el lado de la oferta (Al-Borie & Sheikh Damanhouri, 2013 ). La literatura anterior establece que la calidad de los servicios puede percibirse como una ventaja competitiva sostenible crucial (Zarei et al., 2011 ) y brindar un servicio de alta calidad puede generar ahorros de costos y un mejor desempeño organizacional (Kazemi & Fanudi,2009 ). Además, investigaciones anteriores concluyen que la calidad suele estar relacionada con la infraestructura disponible, la tecnología contemporánea y los equipos y actividades realizadas por el personal (Ferreira & Marques,2021 ). Sin embargo, varios estudios centrados en medir la calidad de los servicios de salud han revelado muchos desafíos (Parand et al., 2014 ). Por lo tanto, es importante familiarizarse con las dimensiones relevantes de la calidad del servicio y definir variables procesables para posibles mejoras (Tripathi & Siddiqui,2018 ). Nuestro artículo tiene como objetivo promover el desarrollo de indicadores relevantes de calidad de los servicios en el sector sanitario (Klemenc-Ketiš et al.,2017 ) y ofrecer información sobre el tema de la gestión del conocimiento en el sector sanitario (Han & Pashouwers,2018 ).
Pocas investigaciones han considerado el impacto de diversos factores organizacionales, como la transferencia de conocimientos, la estructura organizacional jerárquica y la confianza, en la calidad de los servicios de salud. Además, existe una necesidad creciente de un progreso continuo en cuestiones de calidad, ya que informa a las partes interesadas sobre los desafíos potenciales y proporciona sugerencias sobre cómo resolverlos (Parand et al., 2014 ). Por lo tanto, la teoría existente podría resultar difícil de aplicar en entornos sanitarios. En esencia, la gestión del conocimiento puede entenderse como una función de diferentes factores organizacionales (Mahmoudsalehi et al.,2012 ). Dentro del alcance de nuestra investigación, nuestro artículo se centra en mejorar nuestra comprensión de la facilitación de la transferencia de conocimientos, que es importante para el avance del mundo laboral actual, intensivo en conocimientos (Cross Walker, 2020 ). Además, nuestro objetivo es reducir las brechas en la transferencia de conocimientos que actualmente están presentes en las organizaciones sanitarias (McLoughlin et al.,2020 ). De manera similar, nuestro objetivo es fortalecer los esfuerzos de investigación anteriores para validar el impacto negativo de una jerarquía, formalización y centralización excesivas en las actividades de gestión del conocimiento (Mahmoudsalehi et al., 2012 ) y sobre la calidad de los servicios de salud. Investigaciones anteriores sugieren de manera similar una contribución alentadora de la confianza en la gestión del conocimiento (Tan & Md., 2013 ) y su posterior impacto en los servicios prestados por las instituciones de salud (Fatima et al.,2018 ). En nuestro artículo, nos centramos en la perspectiva de los proveedores de servicios sanitarios, ya que incluye un énfasis particular en el conocimiento del personal que implementa los servicios en la práctica (Lee, 2017 ), donde creemos que el papel de la gestión del conocimiento y los factores organizacionales puede ser integral.
El propósito de este artículo es contribuir a la investigación de vanguardia, proponiendo teóricamente y probando empíricamente la exploración de factores organizacionales que influyen en las actividades de gestión del conocimiento en el entorno del sector de la salud como parte de los esfuerzos para rediseñar eficazmente los servicios (Ferlie et al. Alabama.,2017 ). Exploramos la relación entre la transferencia de conocimiento y la calidad de los servicios de salud y la estructura organizacional jerárquica y la calidad de los servicios de salud. Además, analizamos el potencial efecto moderador de la confianza en las relaciones antes mencionadas. Probamos nuestras hipótesis desarrolladas en instituciones de salud en Montenegro con un análisis cuantitativo de los datos recopilados. Como los datos para todas nuestras variables se obtuvieron en una única encuesta, reconocemos que el sesgo del método común podría ser un problema metodológico. Con nuestra investigación, pretendemos contribuir a la construcción de un cuerpo cohesivo de literatura sobre la calidad de los servicios de salud y la gestión del conocimiento en el contexto de las organizaciones del sector público (Al Ahbabi et al.,2019 ) que actualmente es limitado y fragmentado (Klemenc-Ketiš et al.,2017 ; Oluikpe,2012 ). De acuerdo con nuestra teoría general de la visión de la organización basada en el conocimiento (Grant, 1996 ; Hislop et al., 2018 ; Kogut y Zander, 2003 ), que enfatiza el papel primordial del conocimiento en las organizaciones, nuestra investigación asumió la relación entre la gestión del conocimiento y los factores organizacionales como una de las principales fuentes que influyen en la calidad de los servicios en las instituciones de salud. Otro objetivo de nuestra investigación fue aclarar aún más el vínculo entre los factores organizacionales que influyen en la gestión del conocimiento y el desempeño organizacional (Inkinen, 2016 ). Tenemos la intención de brindar más apoyo empírico al conflicto entre los enfoques basados en el conocimiento y los enfoques burocráticos (Grant,1996 ), incluida la estructura organizativa jerárquica.
2. Revisión de la literatura
Hoy en día, la atención sanitaria se considera un proceso impulsado por el conocimiento con una base de conocimientos muy fragmentada (Meijboom et al., 2004 ). La gestión del conocimiento puede ofrecer apoyo a los empleados del sector sanitario sobre cómo crear, almacenar, transferir e implementar conocimientos en las actividades diarias (Shahmoradi et al.,2017 ). Para que las instituciones de salud mejoren la calidad de sus servicios, la gestión del conocimiento puede usarse como una herramienta para transformar sus actividades relacionadas con el conocimiento (Karamitri et al., 2017 ). Como el sistema de salud es uno de los sistemas más complejos que la sociedad ha desarrollado, requiere la colaboración y el intercambio de conocimientos entre diferentes partes interesadas que participan en diversos campos (Orr & Sankaran, 2007 ). De manera similar, Skela-Savič et al. (2017 ) sugieren que los profesionales creen que en la práctica se logran mejoras en la calidad en sistemas altamente complejos y adaptables.
En el ejemplo de la atención primaria, Arvidsson et al. (2019 ) sostienen que la calidad de los servicios y los esfuerzos de desarrollo de calidad son esenciales. En opinión de Klemenc-Ketiš et al. (2017 ), existe la necesidad de desarrollar indicadores de calidad sobre la base de un enfoque sistemático basado en evidencia. Además, Ikonen (2020 ) enfatiza que es importante reconocer las necesidades de conocimiento de las diferentes partes interesadas y también introducir prácticas de gestión del conocimiento de vanguardia en el entorno de la atención médica, ya que podría resultar en una solución más rentable, con aversión al error y sector sanitario transparente (Guptill,2005 ).
La gestión del conocimiento se puede definir como procesos de aprendizaje efectivos asociados con la exploración, explotación e intercambio del conocimiento humano con la ayuda de tecnologías y entornos culturales apropiados destinados a mejorar el desempeño de las organizaciones (Jashapara, 2011 ). Investigaciones anteriores sugieren que la gestión del conocimiento es una actividad de gestión que implica desarrollar, transferir, almacenar e implementar conocimiento (Hicks et al., 2006 ). La utilización de prácticas de gestión del conocimiento ofrece a las organizaciones el potencial de lograr una ventaja competitiva y una mejora continua (Colnar et al., 2019 ; Lojpur et al.,2015 ) con el objetivo final de ofrecer el mejor desempeño organizacional posible (Shih et al.2018), lo que puede entenderse como la mejor calidad posible de sus servicios.
2.1. Transferencia de conocimiento y calidad de los servicios sanitarios.
La transferencia de conocimiento representa una parte fundamental de la gestión del conocimiento, ya que permite a las organizaciones transformar su conocimiento en activos y recursos organizacionales (R. Dawson, 2001 ). Hoy en día, las organizaciones deberían prestar la atención adecuada a todos los procesos de gestión del conocimiento, incluida la transferencia de conocimiento, para mejorar su desempeño (Zaim et al., 2019 ). La investigación contemporánea sobre cómo mejorar la atención sanitaria incluye periódicamente la transferencia de conocimientos y la mejora de la calidad (Wensing & Grol, 2019 ). La transferencia de conocimientos no se centra únicamente en explotar los recursos existentes, sino que también explora las posibilidades de hacer que las actividades sean más eficientes y efectivas, lo que implica la importancia de investigar más a fondo el proceso de transferencia de conocimientos dentro del entorno sanitario (Secundo et al., 2019 ). De manera similar, en investigaciones anteriores, la transferencia de conocimiento llamó la atención debido a su papel en la mejora del desempeño organizacional (Van Den Hooff & De Ridder,2004 ), y algunos estudios (es decir, Oyemomi et al., 2016 ) consideran la transferencia de conocimiento como un factor clave para impulsar el desempeño de una organización. En opinión de Abma et al. (2017 ), históricamente, las investigaciones realizadas en el ámbito sanitario descuidaron parcialmente el aspecto de la transferencia de conocimiento. Además, hay llamados a llenar los vacíos en la transferencia de conocimiento dentro del sistema de salud (White et al., 2009 ). Proporcionamos investigaciones empíricas adicionales sobre la relación entre la transferencia de conocimientos y el desempeño organizacional, ya que estos factores no se han explorado en el contexto de la calidad de los servicios de atención médica como resultado del desempeño organizacional en el entorno de atención médica de Montenegro.
Hipótesis 1: La transferencia de conocimientos se relaciona positivamente con la calidad de los servicios sanitarios.
2.2. Estructura organizacional jerárquica y calidad de los servicios de salud.
La estructura organizacional se puede definir como el conjunto establecido de relaciones entre los componentes principales de una organización, como su autoridad y control (Wilson & Rosenfield 1990 ). Investigaciones anteriores han establecido que la estructura organizacional que está relacionada con altos niveles de formalización, jerarquía y centralización tiene un efecto negativo en el desempeño organizacional (Zheng et al., 2010 ). En el pasado, la excesiva centralización y burocracia ya han demostrado ser barreras importantes para una gestión eficaz de la calidad en el entorno sanitario (Mosadeghrad, 2014 ). En marcado contraste, la evidencia de la literatura sugiere que, contrariamente a una estructura organizacional jerárquica, una estructura organizacional plana produjo resultados positivos en términos de mejoras de calidad, como se presenta en el ejemplo de atención médica de Aiken et al. (2002 ). Además, el interés por el desarrollo de la calidad de la asistencia sanitaria aumenta constantemente, donde Mainz (2003 ) sugiere que la influencia de una estructura organizacional en la calidad de la atención sanitaria puede ser significativa. Una estructura organizacional rígida acompañada de niveles excesivos de jerarquía también resultó ser uno de los obstáculos más comunes para la implementación exitosa de prácticas de gestión del conocimiento (Chawla & Joshi,2010 ). Por lo tanto, exploramos adicionalmente los constructos de la estructura organizacional jerárquica y la calidad de la atención médica en el sector de la salud en Montenegro.
Hipótesis 2: La estructura organizacional jerárquica se relaciona negativamente con la calidad de los servicios de salud.
2.3. Confianza y calidad de los servicios sanitarios.
Colquitt y Rodell (2011 ) definen la confianza como la expectativa positiva y segura de un empleado en relación con los comportamientos e intenciones de una organización que impactan sus intenciones, motivos y conducta. Holste y campos (2010 ) y Chang y Chuang (2011 ) brindan apoyo empírico a la relación positiva entre confianza y transferencia de conocimiento. La literatura existente respalda la afirmación de que la confianza es fundamental para la transferencia fluida de conocimientos entre las personas que poseen conocimientos y los destinatarios del conocimiento (Ngah et al.,2008 ). Investigación de vanguardia realizada por Davenport y Prusak (1998 ) valida aún más la relación positiva entre confianza y transferencia de conocimiento. Ostroff et al. (2003 ) proponen que cuando se habla de confianza, los investigadores deberían reconocer que la estructura organizacional influye en el surgimiento de la confianza dentro de una organización. En opinión de Ambrose y Schminke (2003 ) los niveles de confianza son típicamente más altos en una organización con una estructura organizacional con menos niveles de jerarquía, formalización y centralización.
Hoy en día, todo directivo debería prestar atención a generar confianza en su organización debido a su impacto en la mejora del desempeño organizacional (Brown et al.,2014 ; Ozyilmaz et al.,2018 ). Además, Tekingündüz et al. (2017 ) afirman que los bajos niveles de confianza en las organizaciones de atención médica pueden afectar negativamente el nivel de calidad de los servicios de atención médica. Además, en la literatura reciente se ha afirmado que no hay suficientes estudios que se centren en la confianza y la calidad de los servicios de atención sanitaria (Sari et al.,2020 ). En nuestra investigación incluimos la confianza como mecanismo moderador. Entre los investigadores contemporáneos en el campo de la gestión y la organización, la exploración de los efectos de la moderación ha ganado importancia (JF Dawson, 2014 ; Fassott et al.,2016 ).
Hipótesis 3: La confianza modera la relación positiva entre la transferencia de conocimiento y la calidad de los servicios sanitarios.
Comprender los efectos moderadores de la confianza en la relación entre la estructura organizacional jerárquica y la calidad de los servicios de salud requiere investigación adicional.
Hipótesis 4: La confianza modera la relación negativa entre la estructura organizacional y la calidad de los servicios de salud.
Presentamos nuestro modelo conceptual en Figura 1.
Figura 1. Modelo conceptual de las relaciones entre transferencia de conocimiento, estructura organizativa jerárquica, calidad de los servicios sanitarios y confianza.
3. Investigación empírica
3.1. Procedimiento de recogida de muestras y datos.
Para obtener datos primarios de los encuestados utilizamos un cuestionario adaptado. Nuestra investigación se realizó en una muestra de 45 instituciones sanitarias montenegrinas, de las cuales 32 eran de propiedad pública y 13 de propiedad privada. Para triangular aún más los hallazgos de nuestra investigación, recopilamos datos de los miembros del Sindicato de Médicos que pertenecían a otras 16 instituciones de atención médica diferentes. En total, los encuestados completaron 151 cuestionarios.
Para obtener información de la mayor cantidad posible de partes interesadas, recopilamos datos de 45 miembros de la junta directiva, 45 médicos, 45 técnicos médicos y 16 miembros del Sindicato de Médicos. Para profundizar en nuestra muestra, el 60,3% de los encuestados eran mujeres, mientras que el 39,7% eran hombres. La mayor parte de nuestros encuestados (37,5%) pertenece al grupo de edad de 50 a 59 años. El segundo mayor porcentaje de nuestros encuestados (24,3%) pertenece al grupo de edad de 30 a 39 años. La gran mayoría de nuestros encuestados (82,4%) había obtenido con éxito al menos un título universitario. Además, la gran mayoría de nuestros encuestados (94,7%) había estado trabajando en el sector de la salud durante más de 5 años y la gran mayoría de nuestros encuestados (93,3%) había estado trabajando en su organización actual durante más de 5 años.
Recopilamos datos de empleados de instituciones de atención médica públicas y privadas utilizando una combinación de muestreo por conveniencia y de bola de nieve (no aleatorio). Aunque el muestreo aleatorio se considera el estándar de oro de las estrategias de muestreo debido a su imparcialidad y la posibilidad de evaluar la confiabilidad (precisión) de las estimaciones resultantes (Banerjee & Chaudhury,2010 ; Tiwari y Chilwal,2014 ), los investigadores a menudo se enfrentan a un equilibrio entre el deseo de aleatorización y consideraciones pragmáticas al elegir su muestra. El muestreo aleatorio no siempre es posible ni factible en la práctica, debido a posibles limitaciones de tiempo, recursos y costos. Por lo tanto, los investigadores en el campo de la salud suelen utilizar un muestreo por conveniencia o intencionado (Van Hoeven et al.,2015 ). Además, los estudios existentes respaldan la afirmación de que tales estrategias intencionadas pueden conducir a muestras representativas (es decir, Raaijmakers et al.,2008 ; Toppl et al.,2004 ).
Los datos para las cuatro variables de nuestro modelo se obtuvieron de encuestados individuales en una única encuesta. En consecuencia, el sesgo del método común podría afectar potencialmente algunas de las relaciones propuestas en nuestro modelo conceptual. Para explorar la presencia de sesgo de método común, aplicamos la prueba simple de un solo factor de Harman (Harman,1976 ). Nuestro primer factor representó el 56,7% de la varianza general. Como este resultado está ligeramente por encima del umbral recomendado (50,0%) sugerido por Podsakoff et al. (2006 ), reconocemos que el sesgo del método común podría ser un problema.
3.2. Medidas
Para explorar constructos individuales en nuestra investigación, optamos por instrumentos de medición que satisfacen criterios predeterminados: (1) se citan comúnmente en artículos de investigación que se publican en revistas científicas relevantes; (2) se han utilizado en las investigaciones más recientes; y (3) están bien establecidos y han sido utilizados y/o desarrollados con frecuencia por autores clave de los temas investigados. En el ámbito de esta investigación, aplicamos la escala Likert de 5 puntos que van desde 1 (totalmente en desacuerdo) a 5 (totalmente de acuerdo) para evaluar el acuerdo del encuestado sobre el nivel de transferencia de conocimiento, estructura organizacional jerárquica, confianza y calidad. de los servicios sanitarios estaban presentes en su organización sanitaria.
3.2.1. Transferencia de conocimiento
Utilizamos la escala de ocho ítems (α = .93) que Downes (2014 ) adaptado de múltiples recursos y utilizado para medir la transferencia de conocimientos. El cuestionario consta de afirmaciones como: “En mi organización, los expertos clave son fácilmente identificados y contactados”.
3.2.2. Estructura organizativa jerárquica
Utilizamos la escala de tres ítems (α = .80) que Downes (2014 ) construido a partir de múltiples recursos para medir la estructura organizacional. El cuestionario incluye elementos como: «En mi organización, la estructura organizativa impide compartir conocimientos».
3.2.3. Confianza
Utilizamos la escala de tres ítems (α = .83) que Downes (2014 ) desarrollado a partir de diversas referencias para medir la confianza. El cuestionario consta de afirmaciones como: “En mi organización hay falta de confianza en las personas porque hacen mal uso del conocimiento o reclaman crédito”.
3.2.4. Calidad de los servicios de salud.
Utilizamos la escala de cinco ítems (α = .85) que Downes (Citación2014 ) adaptado de varios recursos para medir la calidad de la atención médica. Los elementos incluidos en el cuestionario son, por ejemplo: «En mi organización, brindamos un servicio de mayor calidad a nuestros usuarios».
3.2.5. Variables de control
Incluimos dos variables de control: edad y nivel educativo más alto. La inclusión o exclusión de variables de control puede tener consecuencias significativas en las conclusiones de la investigación (Bernerth & Aguinis 2016 ). Las características demográficas, incluida la edad y el nivel más alto de educación, pueden influir en los niveles generales de las actividades relacionadas con la gestión del conocimiento (Srivastava et al., 2006 ). Ambas variables de control se utilizaron en investigaciones previas similares (Abbas et al.,2020 ; Le y Lei,2017 ). Nuestro cuestionario consta de 21 ítems y seis constructos (vertabla 1).
Tabla 1. Cuestionario de atención sanitaria de Montenegro (adaptado de Downes, 2014 ).
3.3. Métodos de búsqueda
Para analizar nuestros datos primarios y explorar los efectos de interacción sugeridos, realizamos una serie de regresiones lineales jerárquicas en SPSS 25.0. Para comprobar si nuestro modelo conceptual se ajusta adecuadamente a nuestros datos, realizamos un análisis factorial confirmatorio (en adelante, CFA), utilizando la versión lavaan 0.6–5 (Rosseel,Citación2012 ) del entorno de programación R – versión 3.6.2 (R Core Team,2018 ). Exploramos la validez convergente de todos los ítems mediante la exploración de cargas factoriales estandarizadas. El objetivo era determinar si nuestros ítems eran estadísticamente significativos y estaban por encima del umbral recomendado de 0,50 (Hair et al., 1998 ). Los resultados de nuestro análisis CFA mostraron que todas las cargas factoriales estandarizadas para tres de cuatro constructos fueron estadísticamente significativas y estuvieron por encima del umbral de 0,50. Dos ítems que inicialmente estaban destinados a medir la estructura organizacional jerárquica no cumplieron con los criterios antes mencionados. Las cargas factoriales estandarizadas para la transferencia de conocimiento estuvieron dentro del rango de 0,71 a 0,91, para la estructura organizacional jerárquica de 0,61 a 0,97, para la confianza de 0,71 a 0,86 y para la calidad del servicio de atención médica de 0,52 a 0,92. En nuestro modelo final, se utilizaron 19 ítems.
Se incluyeron el índice de confiabilidad compuesto (en adelante: CRI) y la varianza promedio extraída (en adelante: AVE) para probar aún más la confiabilidad compuesta (constructo) (Fornell & Larcker, 1981 . Al evaluar nuestros resultados, seguimos los valores recomendados de Diamantopolous y Siguaw (2000 ) para el IRCNota1 (.60) y AVENota2 (.40). Nuestras construcciones propuestas están dentro de los valores de corte propuestos de CRI y AVE. Para evaluar el ajuste de nuestro modelo, exploramos varios índices de ajuste recomendados por los investigadores (es decir, Škerlavaj et al.,Citación2010 ). Nuestra solución esperada de cuatro factores mostró los siguientes resultados: CFI = 0,97; chi-cuadrado: 187,731; RMSEA = 0,05; y gl = 135.Nota3 Todos los índices de ajuste evaluados muestran un buen ajuste con nuestros datos y están dentro de los valores umbral recomendados.
4. Resultados
Resultados deTabla 2sugieren que los encuestados, en promedio, evalúan mejor la transferencia de conocimientos (3,89), seguida de la calidad de los servicios sanitarios (3,80). La estructura organizativa jerárquica (2,21) y la confianza (2,04) recibieron en promedio una evaluación significativamente menor. Los coeficientes de correlación entre nuestras variables medidas son moderadamente negativos, con rangos entre -0,40 y -0,59 y débil o fuertemente positivos, con rangos entre 0,17 y 0,65 (Akoglu, 2018 ). Hubo una correlación significativa y positiva entre la calidad de los servicios sanitarios y la transferencia de conocimientos (0,65; p < 0,01). La calidad de los servicios de salud tuvo una correlación significativa y negativa con la estructura organizacional jerárquica (−0,51; p < 0,01) y la confianza (−0,43; p < 0,01). La confianza mostró una correlación positiva significativa con la variable de control edad (.17; p < 0.05) y con la estructura organizacional jerárquica (.62; p < 0.01). Además, la confianza tuvo una correlación significativa y negativa con la transferencia de conocimiento (−.40; p < 0.01). También hubo una correlación significativa y negativa entre la estructura organizacional jerárquica y la transferencia de conocimiento (−.59; p < 0.01).
Tabla 2. Valores medios, desviaciones estándar y correlaciones de coeficientes (n = 151)
Exploramos la relación directa entre la transferencia de conocimientos y la calidad de los servicios de salud. Además, probamos las relaciones directas y negativas propuestas entre la estructura organizacional jerárquica y la calidad de los servicios de salud. Incluimos la confianza como mecanismo moderador entre la relación de transferencia de conocimiento y la calidad de los servicios de salud. También pretendemos establecer si la confianza actúa como un potencial mecanismo moderador en la relación entre la estructura organizacional jerárquica y la calidad de los servicios de salud. En nuestro primer modelo de regresión, incluimos transferencia de conocimiento y dos variables de control. En nuestro segundo modelo de regresión, seleccionamos una estructura organizacional jerárquica y dos variables de control. En nuestro tercer modelo, probamos el efecto de interacción bidireccional propuesto (transferencia de conocimiento × confianza). Para concluir nuestra serie de regresiones lineales jerárquicas, incluimos en nuestro cuarto modelo nuestro segundo efecto de interacción bidireccional (estructura organizacional jerárquica × confianza). Los resultados de todos los modelos se presentan enTabla 3.Nota4
Tabla 3. Análisis de regresión jerárquica que predice la calidad de los servicios de salud – Modelos 1 a 4.
En el modelo 1, encontramos una relación significativa y positiva entre la transferencia de conocimiento (β = 0,56; p exacta = 0,000) y la calidad de los servicios sanitarios. Por tanto, se apoya la hipótesis H1. En el modelo 2, encontramos una relación significativa y negativa entre la estructura organizacional jerárquica (β = −.41; p exacta = .000) y la calidad de los servicios de salud. Por tanto, confirmamos la hipótesis H2. Los modelos 3 y 4, que incluían la confianza como moderadora, mostraron un valor añadido considerable en comparación con los modelos de efecto directo.
Los resultados del modelo 3 mostraron una relación significativa y positiva entre la interacción bidireccional de la transferencia de conocimiento y la confianza en la calidad de la atención sanitaria (β = 0,21; p exacta = 0,005). Proporcionamos apoyo empírico a la hipótesis H3. Además, nuestro modelo 4 mostró una relación significativa y negativa entre la interacción bidireccional de la estructura organizacional jerárquica y la confianza en la calidad de la atención médica (β = −.26; p exacto = .003). Por lo tanto, nuestros resultados brindan apoyo empírico a la hipótesis H4; sin embargo, el término de interacción es negativo. El análisis de la pendiente simple para H3 sugiere que es significativa (p exacta = 0,000). Mostramos la interacción entre la transferencia de conocimiento y la confianza, ya que influyen en la calidad de la atención sanitaria enFigura 2.
Figura 2. Interacción entre la transferencia de conocimiento y la confianza para influir en la calidad de los servicios de salud
Figura 2ilustra que los niveles más altos de calidad de los servicios de salud se logran cuando el nivel de confianza es alto. Además, la influencia de la transferencia de conocimientos también es importante, ya que en casos de niveles altos y bajos de confianza, niveles más altos de transferencia de conocimientos conducen a una mejor calidad de los servicios de atención sanitaria. En el ejemplo de una alta transferencia de conocimientos, la mejor calidad de los servicios de salud también se asocia con una alta confianza; sin embargo, la diferencia con el ejemplo de la baja confianza es marginal. En el ejemplo de la baja transferencia de conocimientos, la baja confianza contribuye a una mejor calidad de los servicios sanitarios, lo que subraya la necesidad de realizar más investigaciones.
Nuestro análisis de la pendiente simple para H4 sugiere que es significativa (p exacta = 0,000). Presentamos la interacción entre la estructura organizacional jerárquica y la confianza, ya que influyen en la calidad de los servicios de salud enfigura 3.
Figura 3. Interacción entre la estructura organizacional jerárquica y la confianza para influir en la calidad de los servicios de salud.
Los niveles más altos de calidad de los servicios de salud se logran cuando los niveles de confianza son altos. Además, la influencia de la estructura organizativa también es importante, ya que los niveles más altos de estructura organizativa, que pueden estar relacionados con una burocracia extensa, una formalización innecesaria y una centralización excesiva, impactan negativamente la calidad general de los servicios de salud, tanto en el ejemplo de niveles altos como bajos de atención médica. confianza. En el caso de niveles bajos de estructura organizacional jerárquica, una alta confianza contribuye a una mejor calidad de los servicios de salud en la práctica. Cuando la estructura organizativa es muy jerárquica, la calidad de los servicios sanitarios es en la práctica mayor en el caso de una baja confianza, lo que requiere investigación adicional.
5. Discusión y conclusiones
Los resultados del estudio mostraron que la transferencia de conocimientos puede interpretarse como un factor importante para la calidad de los servicios sanitarios. Por lo tanto, es necesario revisar continuamente nuestro conocimiento y adquirir nueva experiencia para ganar ventaja competitiva y tener una mejor calidad de servicios, lo que requiere una adecuada transferencia de conocimiento. Nuestro estudio indica que una estructura organizacional jerárquica y estrictamente centralizada tiene una correlación negativa con la calidad de los servicios de salud. La aplicación de una estructura organizativa jerárquica y estrictamente centralizada en un sistema complejo como el de la asistencia sanitaria sólo tiene efectos limitados (Radević & Haček,2019 ).
Aunque es necesario cierto grado de control y liderazgo, la confianza, las relaciones humanas y la motivación pueden reemplazar las relaciones jerárquicas (Addicott,2008 ). No sólo eso, sino que un sistema basado en la confianza y la transferencia de conocimientos facilitará una comunicación más rápida, una mayor participación y motivación de los empleados y una mayor calidad de los servicios. Los hallazgos de este estudio se corresponden con investigaciones previas de otros autores (Claver-Cortés et al.2007 ; Cricelli y Grimaldi,2010 ; mintzberg 1980 ). Además, la confianza es reconocida como un factor vital de éxito para las organizaciones modernas (Adizes,2018 ; Koohang et al.,2017 ; Kuokštis,2017 ). En este contexto, nuestra investigación destaca el vínculo entre confianza y transferencia de conocimiento en función de la calidad de los servicios. Un alto nivel de confianza junto con un mayor nivel de transferencia de conocimientos garantiza el más alto nivel de calidad de los servicios. Por lo tanto, la transferencia de conocimiento y la confianza pueden denominarse procesos complementarios, como se expresa en la literatura existente (Assem & Pabbi 2016 ; Boateng y Agyemang, 2016 ). Sin embargo, es interesante que en caso de baja transferencia de conocimiento, una alta confianza no significa mucho. Aunque estas situaciones no son muy comunes en la práctica, es interesante ver que cuando la transferencia de conocimientos es baja, un alto nivel de confianza puede resultar contraproducente. Esto ocurre porque los servicios de salud implican un enfoque holístico y sistémico hacia los pacientes. Por lo tanto, si hay mucha confianza entre los empleados (pero la transferencia de conocimiento es baja), esto puede resultar en errores basados en comportamientos rutinarios y suposiciones de que uno de los colegas había hecho algo que esperábamos de él.
En una profesión compleja como la sanitaria, es fundamental no dejar de cuestionarse y buscar nuevas respuestas para poder prestar los mejores servicios. En los casos en los que la confianza es baja y también lo es el nivel de transferencia de conocimientos, los médicos intensificarán sus acciones preventivas y comprobarán su propio trabajo y el de otros mediante conversaciones detalladas con el paciente para reducir el riesgo de error en el tratamiento. En este contexto, la transferencia de conocimientos entre todo el personal médico se impone como “conditio sine qua non” para el éxito de los servicios sanitarios. Sin embargo, este estudio indica que la confianza influye en la relación entre la estructura organizacional jerárquica y estrictamente centralizada y la calidad de los servicios de salud.
Con nuestro estudio verificamos implicaciones teóricas encontradas en la literatura existente que conectan el campo de la gestión del conocimiento con la atención sanitaria. Exploramos y adquirimos un conocimiento profundo sobre las teorías disponibles y definimos factores clave de éxito de la gestión del conocimiento aplicado en la atención médica. Los resultados revelaron información importante relacionada con nuestras hipótesis propuestas y proporcionan valor agregado en términos de múltiples implicaciones teóricas. Basándonos en datos empíricos, apoyamos a Klemenc-Ketiš et al. (2017 ), quienes sostienen que los investigadores deberían centrarse continuamente en explorar posibilidades sobre cómo mejorar la calidad de los servicios de salud mientras pretendemos resolver algunos de los desafíos existentes en los servicios de salud (Parand et al. 2014 ). También apoyamos a Ferlie et al. 2017 ) y sus esfuerzos para rediseñar eficazmente los servicios de salud. Esto, a su vez, puede mejorar la calidad de los servicios de salud y contribuir a una comprensión más amplia de los factores organizacionales que determinan su calidad. En relación con los hallazgos comunes sobre la transferencia de conocimientos, apoyamos a los autores que reconocen la importancia de la transferencia de conocimientos para el avance del mundo laboral actual, intensivo en conocimientos (Cross Walker 2020 ). Con nuestra investigación, seguimos corrientes de investigación contemporáneas que combinan la transferencia de conocimientos y las mejoras de la calidad (Wensing & Grol,2019 ) y apuntan a reducir la brecha en la comprensión de la importancia de la transferencia de conocimiento en las organizaciones de atención médica (McLoughlin et al., 2020 ; Blanco y otros 2009 ), ya que esto ha sido históricamente descuidado en el entorno sanitario (Abma et al., 2017 ). En relación con el impacto negativo de la estructura organizativa jerárquica, encontramos que influye negativamente tanto en la calidad de los servicios en el entorno sanitario (Mosadeghrad,Citación2014 ) y actividades de gestión del conocimiento (Mahmoudsalehi et al.,Citación2012 ). De manera similar a los hallazgos de Fátima et al. (Citación2018 ) y Tan y Md. (Citación2013 ), mostramos que la confianza tiene un impacto positivo en la calidad de los servicios en las organizaciones de atención médica y en las actividades de gestión del conocimiento. Además, llenamos un vacío en la investigación sobre la confianza y su influencia en la calidad de los servicios de salud (Sari et al.,Citación2020 ) y validar los hallazgos del impacto positivo de la confianza en el desempeño organizacional (Brown et al.,Citación2014 ; Ozyilmaz et al.,Citación2018 ). Los resultados respaldan una mejor comprensión de la gestión del conocimiento en el sector público (Al Ahbabi et al.,Citación2019 ; Oluikpe,Citación2012 ), donde llevamos a cabo nuestra investigación en el contexto de las organizaciones sanitarias. La gestión del conocimiento rara vez se investiga en el entorno del sector público, y especialmente en el sector sanitario. Finalmente, podemos brindar apoyo empírico a las cuestiones entre los enfoques burocráticos y basados en el conocimiento (Grant,Citación1996 ) y a la discusión más amplia sobre la visión de la organización basada en el conocimiento (Grant,Citación1996 ; Hislop et al.,Citación2018 ; Kogut y Zander,Citación2003 ). Estos hechos ejemplifican el valor agregado de nuestra investigación y son una contribución significativa al cuerpo existente de literatura científica que explora el impacto de la gestión del conocimiento en la atención médica y la calidad de los servicios de atención médica.
La contribución práctica de esta investigación se puede encontrar en oportunidades identificadas para una mejor organización del sistema de salud, a través de una mejor gestión del conocimiento, la transferencia de conocimiento, la estructura organizacional jerárquica y la confianza. Los proveedores de servicios de salud y especialmente sus gerentes deben buscar continuamente oportunidades para mejorar la comprensión de lo que sus pacientes necesitan o desean para poder cumplir o incluso superar sus expectativas relacionadas con la calidad de los servicios de salud. El alcance y los resultados de la investigación, en forma de recomendaciones, pueden ser útiles para los administradores y tomadores de decisiones en los sistemas de salud para crear un mejor desempeño organizacional y aumentar la calidad de los servicios de salud. Específicamente, Nuestros hallazgos pueden ayudar a los gerentes de organizaciones de atención médica a brindar sugerencias concretas sobre cómo crear estrategias efectivas. Este estudio promoverá aún más la necesidad de que los gerentes de las organizaciones de atención médica dediquen más atención, tiempo y recursos a los esfuerzos y actividades destinados a mejorar la calidad de los servicios de atención médica. Desde un punto de vista práctico, nuestro estudio también ofrece evidencia empírica sobre la necesidad de monitorear y gestionar la calidad de los servicios sanitarios, con especial énfasis en el aspecto de los empleados y sus conocimientos.
Todas nuestras conclusiones deben tomarse con un poco de cautela derivada de las limitaciones existentes en nuestra investigación. Aunque creemos que la contribución de este artículo es significativa, existen algunas limitaciones. En primer lugar, las limitaciones se reflejan principalmente en la falta de indicadores objetivos sobre la calidad de los servicios de salud, de conformidad con las normas aplicables en Montenegro. Por lo tanto, esta investigación se basa predominantemente en cuestionarios de percepción y es posible que haya algún sesgo en las calificaciones de los encuestados. La segunda limitación se relaciona con un problema común de sesgo del método. En tercer lugar, dado que los resultados se basan en el sistema sanitario montenegrino, creemos que se deberían realizar investigaciones similares en otros países para obtener un mayor grado de generalización de los resultados finales. Incluso si los indicadores de confiabilidad y validez fueran satisfactorios para nuestra investigación, La aplicación de nuestros resultados es potencialmente limitada debido a la inclusión de un solo país. En cuarto lugar, no se realizó un estudio longitudinal que hubiera mejorado la precisión de nuestros resultados. En quinto lugar, otra limitación es la complejidad del entorno sanitario. Los empleados de atención médica están constantemente expuestos a situaciones exigentes y complejas que pueden influir en sus respuestas. En sexto lugar, dentro del alcance de esta investigación no distinguimos entre organizaciones sanitarias públicas y privadas. Los empleados de atención médica están constantemente expuestos a situaciones exigentes y complejas que pueden influir en sus respuestas. En sexto lugar, dentro del alcance de esta investigación no distinguimos entre organizaciones sanitarias públicas y privadas. Los empleados de atención médica están constantemente expuestos a situaciones exigentes y complejas que pueden influir en sus respuestas. En sexto lugar, dentro del alcance de esta investigación no distinguimos entre organizaciones sanitarias públicas y privadas.
Entre las vías para futuras investigaciones, sugerimos las siguientes: (1) promover y desarrollar aún más esfuerzos que se centren en medir la calidad de los servicios de salud en Montenegro; (2) para mitigar el problema del sesgo del método común, se deben recopilar datos para variables independientes y dependientes en diferentes momentos. Además, sugerimos a los investigadores que opten por el enfoque de investigación de métodos mixtos para combinar los resultados de la investigación cualitativa y cuantitativa; (3) la limitación de un solo país incluido podría reducirse incluyendo una muestra internacional; (4) realizar un estudio longitudinal que implique observación repetida de nuestras variables seleccionadas durante un período de tiempo más largo; (5) investigación adicional con la inclusión de un mayor número de encuestados; y (6) las investigaciones futuras deberían considerar la diferenciación entre diferentes tipos de organizaciones sanitarias, potencialmente también en términos de tipo y tamaño de la organización examinada.
En pocas palabras, este estudio construyó un modelo de investigación conceptual que examinó empíricamente el impacto de la transferencia de conocimiento y la estructura organizacional jerárquica en la calidad de los servicios de atención médica, junto con un enfoque especial en el impacto de la confianza en dos relaciones observadas. Los hallazgos mostraron una correlación significativa entre los constructos observados.
La transferencia de conocimientos provoca una mayor calidad de los servicios sanitarios, mientras que una estructura organizativa estricta, jerárquica y centralizada tiene efectos adversos.
Un alto nivel de confianza influye significativamente en la correlación entre la transferencia de conocimiento y la calidad de los servicios sanitarios, así como en la relación entre la estructura organizativa jerárquica y la calidad de los servicios sanitarios.
Un alto grado de confianza combinado con una alta transferencia de conocimientos da los mejores resultados.
![Diagram shows an overview of the study. (A–E) Imaging and nonimaging information were extracted from the publicly available Medical Information Mart for Intensive Care data set (A) and an internal data set of chest radiographic and accompanying clinical parametric data (B). The data sets were split into training, validation, and test sets, and a transformer-based neural network architecture (C) was trained to predict the diagnosis of up to 25 different pathologic conditions. First, the attention mechanism in the transformer architecture (D) was leveraged to provide insight into the decision-making process of the neural network, and it was shown that the predictive performance of the neural network (E) increased for all three data sets when both imaging and nonimaging inputs (area under the receiver operating characteristic curve [AUC], 0.77) were provided compared with either imaging (AUC, 0.70) or nonimaging (AUC, 0.72) inputs alone.](https://pubs.rsna.org/cms/10.1148/radiol.230806/asset/images/medium/radiol.230806.fig1.gif "Diagram shows an overview of the study. (A–E) Imaging and nonimaging information were extracted from the publicly available Medical Information Mart for Intensive Care data set (A) and an internal data set of chest radiographic and accompanying clinical parametric data (B). The data sets were split into training, validation, and test sets, and a transformer-based neural network architecture (C) was trained to predict the diagnosis of up to 25 different pathologic conditions. First, the attention mechanism in the transformer architecture (D) was leveraged to provide insight into the decision-making process of the neural network, and it was shown that the predictive performance of the neural network (E) increased for all three data sets when both imaging and nonimaging inputs (area under the receiver operating characteristic curve [AUC], 0.77) were provided compared with either imaging (AUC, 0.70) or nonimaging (AUC, 0.72) inputs alone.")
Gestión y Economía de la Salud 