Desarrollan calculadora de riesgos para reducir significativamente ocupación en los departamentos de emergencias

Se propone un modelo de 8 variables, con 70% de precisión. La herramienta predictiva calcula la probabilidad de que un paciente experimente un retraso en la transferencia al momento de su admisión.

La investigación propone reducir significativamente la ocupación en los departamentos de emergencia, lo que podría ahorrar millones de libras al Servicio Nacional de Salud (National Health Service, NHS), del Reino Unido.

En un proyecto de colaboración entre los Hospitales Universitarios de North Midlands (UHNM, University Hospitals of North Midlands) NHS Trust y la Universidad de Staffordshire, los expertos han desarrollado un modelo de predicción para identificar a los pacientes con mayor riesgo de ocupar camas de hospital por más tiempo del necesario.

En el estudio, “A predictive model for identifying patients at risk of delayed transfer of care: a retrospective, cross-sectional study of routinely collected data” [1] financiado por el Instituto Médico de North Staffordshire (NSMI, North Staffordshire Medical Institute), se informan los elementos de una herramienta predictiva de 8 variables que puede calcular la probabilidad de que un paciente experimente un retraso en el alta al momento de la admisión.

Retos e implicaciones

Un retraso en un alta del hospital es uno de los principales desafíos que enfrenta el NHS y esto ha aumentado considerablemente durante la última década. De acuerdo con los datos del año 2019, los días de cama adicionales ​​cuestan el equivalente a £ 27,000 por hora y las presiones adicionales de COVID-19 desde entonces, han intensificado el problema.

El Dr. Andrew Davy, líder de Investigación y Desarrollo en Accidentes y Emergencias en UHNM, explicó: “Una transferencia demorada en la atención se produce cuando un paciente hospitalizado adulto está médicamente listo para irse a casa pero no puede hacerlo porque no se encuentra disponible otra atención, apoyo o alojamiento necesarios. Estos retrasos pueden tener graves implicaciones en la mortalidad, las infecciones, la depresión y la reducción de la movilidad de los pacientes y su capacidad para realizar actividades cotidianas“.

También tiene un ‘efecto dominó’ en los pacientes de los departamentos de urgencias que no pueden trasladarse a las camas de las salas hasta que los pacientes actuales sean dados de alta. Este efecto de ‘cuello de botella’ en el flujo causa una saturación significativa dentro de los departamentos de emergencia y otros portales de emergencia, lo que da como resultado un aumento de la mortalidad, resultados deficientes para los pacientes y un significativamente mayor uso de recursos hospitalarios“.

Factores de riesgo

Para el desarrollo de la herramienta predictiva, el médico Asaduzzaman, profesor asociado de investigación operativa en la Universidad de Staffordshire, explicó: “Se analizaron datos clínicos y de administración del departamento de emergencias del Royal Stoke University Hospital para el estudio, por un período de 3 años desde 2018 hasta 2020. Los investigadores utilizaron la información recopilada de forma rutinaria cuando los pacientes ingresan en el hospital desde A&E -accidentes y emergencias- para identificar varios factores demográficos, socioeconómicos y clínicos relacionados con los pacientes que experimentan una transferencia de atención con retraso o sin él“.

Se encontró que la edad, el género, la etnia, la puntuación nacional de alerta temprana (NEWS, national early warning score), la puntuación de predicción de admisión de Glasgow, el decil del índice de privación múltiple, la llegada en ambulancia y la admisión previa en el último año, tienen una relación estadísticamente significativa con las transferencias de atención demoradas“.

El modelo de predicción y el conjunto de herramientas digitales se están probando actualmente en el Royal Stoke University Hospital. En esa institución, Thomas Hill, analista / desarrollador de inteligencia empresarial técnica en UHNM, desarrolla cómo se muestra visualmente el sistema de puntuación en los paneles en vivo de accidentes y emergencias. Esto con el fin de evitar que los pacientes tengan un alto riesgo de retrasos en las transferencias de su atención y estas se señalan tempranamente a los equipos de revisión.

Otras variables

Actualmente se están revisando otras variables, que se piensa pueden ser causantes del retraso en el alta. Los investigadores creen que, eventualmente, este modelo predictivo podría implementarse fácilmente en todo el país.

Sarahjane Jones, Profesora Asociada de Seguridad del Paciente, dijo: “Una mejor planificación del alta reduciría una enorme carga de costos para el NHS y creemos que este documento podría tener un gran impacto en el manejo de los pacientes“.

Comprender quién es estadísticamente más probable que experimente un retraso en el alta ayudará a los hospitales a seleccionar a los pacientes para una planificación proactiva del alta desde el principio de su proceso de atención. Esto podría lograrse advirtiendo previamente a los equipos internos, como los terapeutas, así como a los socios externos, permitiendo una provisión más oportuna de planes de atención comunitaria y colocaciones en hogares residenciales y de ancianos“.

Siguientes pasos

Sobre la base de este estudio, el equipo de investigación ahora espera mejorar la precisión de la calculadora de riesgos y trabajar con las autoridades locales para comprender mejor la logística de la atención posterior al paciente. La Dra. Keira Watts y el Dr. Simon Lea de UHNM Research and Innovation, han estado involucrados en el desarrollo del proyecto, y están ansiosos por llevar
adelante este trabajo.

El Dr. Lea mencionó “Este trabajo es increíblemente importante para el bienestar de nuestros pacientes y para la prestación de nuestros servicios. Nos complace que este trabajo, financiado por una subvención del Instituto Médico North Staffordshire, tenga el potencial de tener un impacto tan significativo. Esperamos trabajar con el Dr. Davy y el profesor Asaduzzaman en futuras solicitudes de subvenciones y proyectos de investigación“.

El profesor asociado Asaduzzaman agregó: “Hemos basado nuestro modelo con datos recopilados de forma rutinaria en todos los hospitales, lo que significa que tiene el potencial de ser adoptados en todo el NHS. Este problema no va a desaparecer y tras el COVID-19 es más importante que nunca encontrar soluciones. Debemos desarrollar un modelo de ruta de atención al paciente bien diseñado para personas vulnerables, que incorpore a todas las partes interesadas, incluidos los hospitales de cuidados intensivos y los centros de atención social junto con los gobiernos locales“.

Referencias

  1. Andrew Davy, Thomas Hill, Sarahjane Jones, Alisen Dube, Simon c Lea, Keiar l Watts, M d Asaduzzaman; A predictive model for identifying patients at risk of delayed transfer of care: a retrospective, cross-sectional study of routinely collected data; International Journal for Quality in Health Care, Volume 33, Issue 3, 2021 publivado el 6 de septiembre de 2021;
    DOI: 10.1093/intqhc/mzab130; Disponible en el URL https://academic.oup.com/intqhc/article/33/3/mzab130/6365131

Tabla de contenidos

Compartir:

Facebook
Twitter
Pinterest
LinkedIn