Introducción:

En los últimos tiempos se han desarrollado nuevas herramientas para la tecnología de la información sanitaria, como los sistemas de soporte para la decisión clínica (CDS), que son soluciones digitales diseñadas para ayudar a los profesionales sanitarios a la hora de tomar decisiones clínicas. El estudio tuvo como objetivo mostrar cómo hemos adoptado un sistema CDS en el Laboratorio Clínico de San Juan de Alicante y facilitar la implementación de nuestro protocolo en otros laboratorios clínicos. Contamos con la experiencia de usuario y la motivación para mejorar las herramientas sanitarias. La mejora, medición y seguimiento de las intervenciones y pruebas de laboratorio es nuestro lema desde hace años.

Materiales y métodos:

Se realizó una investigación descriptiva. Todas las etapas en el diseño del proyecto son las siguientes: 1. Conformar un grupo de trabajo multidisciplinario. 2. Revisar los datos de los pacientes. 3. Identificar datos relevantes de las principales fuentes. 4. Diseñar los resultados probables. 5. Definir un escenario de integración completo. 6. Monitorear y rastrear el impacto. Para configurar este protocolo, se implementaron dos nuevos sistemas de software en nuestro laboratorio: AlinIQ CDS v8.2 como Rule Engine y AlinIQ AIP Integrated Platform v1.6 como herramienta de Business Intelligence (BI).

Resultados:

Este protocolo muestra el flujo de trabajo y las acciones que se pueden realizar con un sistema CDS y también cómo podría integrarse con otros sistemas de monitoreo, así como algunos ejemplos de Indicadores claves de rendimiento (KPI) y sus resultados.

Conclusiones:

Los CDS podrían ser un gran activo estratégico para que los laboratorios clínicos mejoren la integración de la atención, optimicen el uso de pruebas de laboratorio y agreguen más valor clínico a los médicos en la interpretación de los resultados.

La figura muestra el flujo de trabajo de acciones del sistema Clinical Decision Support (CDS). En primer lugar, se muestran las fuentes de datos y la información recuperada de varias bases de datos. En segundo lugar, se muestran los procesos clave de gestión de datos. En tercer lugar, se dan algunos ejemplos de acciones del CDS en diferentes niveles.

Referencias

En inglés

• Cresswell K., Callaghan M., Khan S., Sheikh Z., Mozaffar H., Sheikh A. Investigating the use of data-driven artificial intelligence in computerised decision support systems for health and social care: a systematic review. Health Inform J. 2020;26(3):2138–47.
• Hughes A.E.O., Jackups R. Clinical decision support for laboratory testing. Clin Chem. 2022 4;68(3):402–12.
• Lundberg G.D. Acting on significant laboratory results. JAMA: J Am Med Assoc. 1981;245(17):1762.
• Stroobants A.K., Goldschmidt H.M.J., Plebani M. Error budget calculations in laboratory medicine: Linking the concepts of biological variation and allowable medical errors. Clin Chim Acta. 2003 15;333(2):169–176.
• Salinas M., López-Garrigós M., Flores E., Martín E., Leiva-Salinas C. The clinical laboratory: a decision maker hub. Clin Chem Lab Med (CCLM) 2021 27;59(10):1634-41.

En español

• García-Maset R., Bover J., Segura de la Morena J., Goicoechea Diezhandino M., Cebollada del Hoyo J. Escalada San Martín J, et al. Documento de información y consenso para la detección y manejo de la enfermedad renal crónica. Nefrología. 2022; 42(3):233–64.
• Bonisa J, Sancho JJ, Sanz F. Sistemas informáticos de soporte a la decisión clínica. Medicina Clínica 2004; 122: 39-44.
• Valdivia Navarro F, Pérez RD. Sistema de soporte a las decisiones clínicas relacionadas con el diagnóstico precoz de enfermedades. RCIM. 2016 ; 8( Suppl 1 ): 533-44.