1
Trabajo Final de Grado para la Carrera de Ingeniería de Sistemas -2015
Universidad Nacional del Centro de la Provincia de Buenos Aires
Sistema de Soporte a la
Decisión Clínica en la
Prescripción de Drogas
Alumno: Espinosa Andrés
Director: José Massa
2
Agradecimientos
Quiero agradecer en primer lugar a mi familia por bancarme siempre, contento, triste, frustrado, ilusionado… siempre están.
A mi novia por apoyarme todos los días, ser mi compañera y mi compinche.
A mis amigos por soportarse todas las charlas de la tesis y darme energía para seguir.
Y los profesionales que me ayudaron a que esto sea hoy una realidad, José desde la rama de sistemas y Martin desde la rama de la salud.
Espero que disfruten el trabajo.
Dios regala la vida, los médicos están para salvarla y protegerla.
Anónimo
3 Agradecimientos _________________________________________________________ 2 Tabla de ilustraciones _____________________________________________________ 6 1- Introducción ___________________________________________________________ 8
1.1 - Motivación ________________________________________________________________ 8
1.1.1 - Sistemas de decisión clínica ___________________________________________________ 10
1.2 – Propuesta ________________________________________________________________ 11 1.3 – Objetivo _________________________________________________________________ 11 1.4- Contexto del problema ______________________________________________________ 12
1.4.1 - Recursos disponibles ___________________________________________________________ 12 1.4.2 –Experiencias similares __________________________________________________________ 13
1.5- Organización del trabajo ____________________________________________________ 13 1.6- Resultados ________________________________________________________________ 14
2- Marco teórico _________________________________________________________ 15
2.1 - Errores en la medicina ______________________________________________________ 15
2.1.1 - Prescripción de medicamentos ___________________________________________________ 16 2.1.2 - Interacciones entre drogas ______________________________________________________ 17 2.1.3 – Farmacodinamia y dosis máxima ________________________________________________ 19
2.2 - La informática en la medicina ________________________________________________ 20
2.2.1 - Sistemas de Información Hospitalarios ____________________________________________ 20 2.2.2 - Sistema Soporte a la Decisión Clínica ______________________________________________ 21
2.3 - Bases de datos médicas _____________________________________________________ 22
2.3.1 - Estándares de terminología para drogas ___________________________________________ 23 2.3.1.1 – El código ATC_____________________________________________________________ 23 2.3.1.2 – El Estándar SNOMED CT ____________________________________________________ 25 2.3.2 - Estándares de codificación de medicamentos _______________________________________ 29 2.3.3 - Bases de datos de medicamentos ________________________________________________ 29 2.3.4 - Bases de datos de interacciones entre drogas _______________________________________ 30
2.4 - Data Cleansing ____________________________________________________________ 31 2.5 – El Análisis Sintáctico _______________________________________________________ 32
3- Estado del arte ________________________________________________________ 34
3.1 - Soluciones en el mercado ___________________________________________________ 34
3.1.1 – Soluciones en Bases de Datos Médicas ____________________________________________ 34 3.1.2 – Soluciones como módulos de un HIS ______________________________________________ 36 3.1.3 – Servicios de implementación y mantenimiento de un HIS _____________________________ 38
4 4 – Desarrollo ___________________________________________________________ 41
4.1 - Desarrollo del primer prototipo ______________________________________________ 41
4.1.1 - Descomposición en módulos ____________________________________________________ 41 4.1.2. Búsqueda y desarrollo de bases de medicamentos____________________________________ 42 4.1.2.1 – Obtención y control de la información _________________________________________ 43 4.1.2.2 – Validación de la información ________________________________________________ 44 4.1.2.3 – Procesamiento y normalización de la información _______________________________ 45 4.1.2.3.1- Normalización de las magnitudes __________________________________________ 45 4.1.2.3.2- Construcción de un analizador sintáctico ____________________________________ 46 4.1.2.3.3- Lógica de la herramienta de análisis sintáctico _______________________________ 48 4.1.2.3.4- Registros inválidos, incompletos o inconsistentes. ____________________________ 49 4.1.2.3.5- Alcance de la normalización y estado de la situación ___________________________ 49 4.1.3–Módulo de codificación de drogas _________________________________________________ 50 4.1.4- Modulo de interacciones entre drogas _____________________________________________ 51 4.1.4.1 – Obtención de base de datos de interacciones ___________________________________ 51 4.1.4.2 - Obtención de sinónimos en el idioma español ___________________________________ 52 4.1.5 – Análisis de la situación y reestructuración del proyecto _______________________________ 53
4.2 - Desarrollo del segundo prototipo_____________________________________________ 54
4.2.1 - Módulo de codificación de medicamentos__________________________________________ 55 4.2.1.1- Empleo de listados de mutuales ______________________________________________ 56 4.2.1.2- Herramienta para la generación automática de sinónimos __________________________ 56 4.2.1.3 - Creación automática de referencias directas para optimizar la búsqueda _____________ 57 4.2.1.4 – Desarrollo de una jerarquía de presentaciones de medicamentos ___________________ 57 4.2.2 - Módulo de codificación de drogas y terminología médica _____________________________ 58 4.2.3 - Modulo de interacciones entre drogas _____________________________________________ 59 4.2.3.1- Desarrollo de una herramienta para captura y procesamiento de la información ________ 60 4.2.3.2-Proceso de jerarquización de interacciones ______________________________________ 60 4.2.3.3 - Formas farmacéutica y las falsas interacciones __________________________________ 61 4.2.3.4 - Jerarquía de formas químicas ________________________________________________ 62 4.2.4 - Módulo de dosis máxima _______________________________________________________ 62 4.2.4.1 – Drogas comunes y drogas peligrosas __________________________________________ 62 4.2.4.2 – Estimación de la dosificación basada en el análisis estadístico ______________________ 64 4.2.4.3 – Reducción del costo del cálculo de la dosificación basada en el análisis estadístico______ 66 4.2.5 - Modulo de interacciones entre droga y condición ____________________________________ 67 4.2.6 - Alertas activas y pasivas ________________________________________________________ 67 4.2.7 - Creación de un servicio web _____________________________________________________ 68 4.2.7.1-Protocolos para la comunicación de web service de propósitos generales ______________ 68 4.2.7.2 -Entorno para el desarrollo del servicio web______________________________________ 69 4.2.8 - Pre-procesamiento de las consultas _______________________________________________ 69
4.3 - Instanciación y puesta en marcha del sistema __________________________________ 70 4.4 – Mantenibilidad y actualización del sistema ____________________________________ 71
4.4.1 - Proceso de actualización del sistema ______________________________________________ 72
5
5.1 - Simulación de uso intensivo mediante consultas basadas en el historial _____________ 74
5.1.1 - Análisis de éxito en las búsquedas de medicamentos _________________________________ 74 5.1.1.1 - Análisis de la frecuencia en la prescripción de medicamentos _______________________ 75 5.1.1.2 - Análisis de la frecuencia post-corrección ad-hoc _________________________________ 76 5.1.2 - Validación de la normalización de dosificaciones_____________________________________ 76 5.1.3 - Análisis de éxito en las búsquedas de drogas ________________________________________ 77 5.1.4 - Curva de aprendizaje del sistema y diferencial del rendimiento _________________________ 78 5.1.4.1 - Análisis del tiempo de respuesta ______________________________________________ 79 5.1.4.2 - Mejora del tiempo de respuesta mediante la tabla cache __________________________ 80 5.1.4.3 - Mejora del tiempo de respuesta mediante la creación de referencias directas _________ 81
5.2 - Simulación de uso intensivo y análisis de casos reales ____________________________ 82
5.2.1 - Análisis de la dosificación máxima estimada ________________________________________ 82 5.2.2 - Análisis de las interacciones entre drogas __________________________________________ 84
5.3 - Requerimientos no funcionales ______________________________________________ 85
6
Tabla de ilustraciones
Ilustración 1 - Diagrama de un Sistema de Información Hospitalaria ...20
Ilustración 2 - Estructura de un compilador ...32
Ilustración 3 - Soluciones informáticas en el marcado organizada en capas ...35
Ilustración 4 - Etapas de desarrollo del módulo de interacciones entre drogas ...38
Ilustración 5 - Arquitectura del sistema ...41
Ilustración 6- Captura de pantalla del sitio web de LOMAC ...42
Ilustración 7 - Autómata para la interpretación de un certificado de ANMAT ...44
Ilustración 8 - Diagrama de clases de la herramienta para validación de formularios ...47
Ilustración 9 - Diagrama de flujo para el parsing de archivos ...48
Ilustración 10 - Porcentaje de parsing de cantidades ...49
Ilustración 11 - Interacciones entre capas de la BD ...50
Ilustración 12- Arquitectura del segundo prototipo ...54
Ilustración 13- Captura de pantalla de Drugs.com ...60
Ilustración 14 - Distribución de las interacciones ...61
Ilustración 15 - Especificación de dosis máxima basada en perfiles ...63
Ilustración 16 - Diagrama de clases expuestas en el web service ...69
Ilustración 17 - Vista de Workbench v1.0 ...71
Ilustración 18 - Diagrama de proveedores de datos ...73
Ilustración 19- Porcentaje de éxito en la búsqueda de medicamentos ...75
Ilustración 20 - Distribución de la frecuencia en el uso de los medicamentos ...75
Ilustración 21 - Medicamentos hallados en la simulación ...76
Ilustración 22 - Resultados de la validación en los muestreos de dosificaciones ...77
Ilustración 23 - Éxito en la búsqueda de drogas basados en la simulación de prescripciones...78
Ilustración 24 - Tiempo de respuesta de las consultas al web service ...79
Ilustración 25 - Progresión del tiempo de respuesta de las consultas en 5 drogas ...80
Ilustración 26 - Gráfico comparativo del tiempo de respuesta de las distintas estrategias (búsqueda simple, con cache y referencia directa) ...82
Ilustración 27- Dosificaciones con errores empleadas para testing ...83
8
1- Introducción
1.1 - Motivación
“Health care […] is not as safe as it should be--and can be”
To Err is Human: Building a Safer Health System
Los errores médicos y la seguridad del paciente son un tema de preocupación permanente, tanto para los profesionales de la salud como para los pacientes; esta problemática adquirió
mayor relevancia luego del informe denominado “Err is Human: Building a Safer Health System” publicado por el Instituto de Medicina (IOM) en 1999. A partir de dicho informe se comienza a tomar conciencia del impacto real que tiene el error médico en la morbilidad, mortalidad y costos en salud de allí la importancia de su reconocimiento y prevención. Se debe recordar que los daños o injurias reportados por errores representan la punta de un iceberg, ya que la mayoría de los mismos no son detectados porque no producen daño. El reporte del IOM evidenció que en los Estados Unidos se producen alrededor de 48.000 a 98.000 muertes por eventos prevenibles por año sobre un total de 33.600.000 millones de admisiones hospitalarias; superando estas cifras a las muertes ocasionadas por el cáncer de mama, SIDA y los accidentes de tránsito.
Los errores médicos pueden definirse como un fallo en un acto médico planificado o el uso de un plan equivocado para lograr un objetivo. Algunos de los problemas que ocurren comúnmente durante la prestación de atención de salud son los eventos adversos de los medicamentos y transfusiones inapropiadas, heridas quirúrgicas y cirugía en el lugar incorrecto, suicidios, accidentes de retención, caídas, quemaduras, úlceras por presión, y errores en la identificación de pacientes.
Si bien la problemática existía antes del informe del IOM, este reporte puso en evidencia la magnitud de la misma, tornándose la seguridad del paciente un tema de preocupación
relevante y primordial en el cuidado de la salud. La OMS también ha focalizado la atención en este punto creando un órgano llamado “Alianza Mundial para la Seguridad del Paciente”
para contribuir con la coordinación y difusión en las mejoras en materia de seguridad del paciente.1
9
A nivel del paciente estos errores tienen repercusión en los costos, prolongando sus estadías hospitalarias, incapacitándolos o llevando a ausentismo laboral entre otras complicaciones. Los profesionales también pierden pagando por sus errores con frustración y compromiso moral.
La importancia de focalizar el error de acuerdo al enfoque sistémico de la situación hace que no se intente buscar un culpable, sino que, por el contrario la detección de los errores lleve a implementar medidas de prevención y entrenamiento en todos los niveles del sistema de salud.
Una de los recursos que se perfila como un potencial instrumento para disminuir los errores médicos es la relacionada a los sistemas informáticos. Tradicionalmente, los sistemas informáticos han sido utilizados como herramienta para el almacenamiento y administración de información, brindando un entorno en donde los profesionales de la salud
pueden mejorar el acceso y administración de las historias clínicas.
Los programas de asistencia diagnóstica iniciaron su desarrollo desde 1960, aplicándose
principalmente al área de la robótica, visión, audición, procesamiento de lenguajes naturales, aprendizaje de máquinas y sistemas expertos. En el campo médico, la integración de los métodos de inteligencia artificial a la investigación en la computación médica se inició alrededor de los 70. El desarrollo en este campo se enfocó al desarrollo de procesos de lenguajes y sistemas expertos para ayudar al diagnóstico médico y la escogencia terapéutica.
Algunos de los usos de las computadoras en este campo son las pruebas para detectar e identificar alteraciones, como por ejemplo, la tomografía axial computarizada, los análisis de electrocardiogramas por computadora, los monitores de procesos fisiológicos, la automatización de las líneas en laboratorios clínicos, el control de los resultados entrega de medicamentos, y otros.
10
proporción haciendo accesible al común de la población dispositivos de gran poder computacional.
Adicionalmente, el proceso de prescripción de medicamentos es complejo y propenso a errores, y el espectro de conocimiento en áreas como farmacocinética (el estudio de los procesos físico-químicos que sufre un fármaco cuando se administra o incorpora a un organismo), la farmacodinamia (estudia como los procesos bioquímicos y fisiológicos dentro del organismo se ven afectados por la presencia del fármaco) y la interacción farmacológica (refiere a la modificación del efecto de un fármaco por la acción de otro cuando se administran conjuntamente) es sumamente vasto y distintivo para cada una de las drogas.
En este contexto, acotar las herramientas tecnológicas a las tareas tradicionales de prescripción y almacenamiento de recetas, resulta escaso frente a las posibilidades que
brinda la tecnología.
1.1.1
- Sistemas de decisión clínica
Entre los beneficios que la tecnología puede brindar, una de las más valiosas son los sistemas de soporte para la decisión clínica, conocidos como CDSS (Clinical Decisión Support System). Son sistemas capaces de brindar soporte y validación a las decisiones tomadas por los profesionales de la salud, principalmente en campos como chequeo de alergia de drogas y contraindicaciones, dosificación, interacciones entre drogas y duplicación de terapias.
Si bien existen herramientas en el ámbito regional e internacional con características similares [4] [5] [6] y experiencias de desarrollo de sistemas avanzados [7], estos son muy genéricos, carecen de flexibilidad o no están regulados bajo los estándares internacionales. Además, debido a que la propuesta de este trabajo surgió de la interacción con profesionales del Área de Informática Médica del Hospital Alemán de Buenos Aires, es relevante mencionar que las herramientas mencionadas no se ajustan completamente a las
necesidades de dicho hospital, además de que la comercialización de fármacos responde a regulaciones nacionales y las mismas suelen ser distintas entre los diferentes países y el
11
desarrollar un nuevo sistema, ya que se pueden utilizar las técnicas de análisis sintáctico de forma automática para realizar de forma sistemática el trabajo de la carga de datos por parte de un operador humano.
1.2 – Propuesta
El proceso de prescripción de un medicamento es tan crucial como un correcto diagnóstico
por parte del médico para la completa recuperación de un paciente; es por eso y dadas las recursos informáticos que están presentes en la actualidad, que el desarrollo de un sistema informático capaz de supervisar las decisiones tomadas por el especialista en la salud es una idea viable y con excelentes perspectivas para la corrección de prescripciones defectuosas.
El presente trabajo se ha desarrollado en el marco del sistema informático desarrollado por el Hospital Alemán para la administración de la historia clínica electrónica y stock de fármacos, lo que representa un excelente punto de partida para un proyecto de este tipo, ya que no es necesario realizar tareas previas para establecer un ambiente donde desarrollar el proyecto propiamente dicho.
El trabajo consiste en el desarrollo de un sistema informático capaz de detectar y alertar los posibles eventos de riesgo durante el proceso de prescripción de un medicamento.
1.3 – Objetivo
El objetivo consiste en implementar un sistema inteligente que, embebido en el flujo de trabajo de un sistema de órdenes médicas electrónicas, contribuya a reducir en la medida de lo posible los errores relacionados a prescripción de medicamentos, dosificación e interacciones entre drogas.
El software que se presenta tiene la capacidad de validar o generar una alerta cuando un nuevo medicamento es recetado.
El sistema está compuesto por cinco módulos conceptuales:
12
• Módulo de chequeo probabilístico de dosificación errónea basada en casos.
• Módulo de chequeo de dosificación máxima en drogas registradas.
• Módulo de chequeo droga-condición.
• Módulo de codificación de drogas y medicamentos.
El sistema será mayormente transparente para el profesional que lo utilice dado que solo se hará presente cuando se genere una situación conflictiva.
1.4- Contexto del problema
1.4.1 - Recursos disponibles
El Hospital Alemán cuenta con una sección denominada Informática Médica que depende de la Dirección Médica del hospital y es la encargada de desarrollar de herramientas tecnológicas para facilitar y mejorar la labor de los profesionales médicos que allí desarrollan sus actividades. Este grupo de profesionales liderado por el Dr. Martín Díaz Maffini tiene como principales tareas el desarrollo y mantenimiento del sistema de historia clínica electrónica de los pacientes, mantenimiento de bases de datos de conocimiento y mesa de ayuda primaria para personal asistencial.
En el marco del trabajo que se proyecta, el módulo de administración de productos medicamentosos es un buen punto de inicio ya que define un índice para la identificación
única e inequívoca de todos los productos que pueden preescribirse en la institución. El índice elegido es el provisto por el Manual Farmacoterapéutico emitido por la editorial AlfaBeta2.
2 El manual Farmacoterapéutico comenzó a distribuirse en 1962 y posee un completo listado de
13
1.4.2 –Experiencias similares
En la actualidad se cuenta con una serie de experiencias a nivel internacional de distinto tipo de implementaciones de CDSS a partir de las cuales se puede tomar una perspectiva más eficaz acerca de cómo planificar el proyecto, los puntos críticos y las falencias
habituales [8] [9] [10] .
En particular, el Hospital Italiano de la ciudad de Buenos Aires, es uno de los pioneros a
nivel latinoamericano en el área de la informática médica, con un importante eje en la informatización de la historia clínica y el uso de esta como valor agregado en el proceso de diagnóstico, prescripción y asistencia. El hospital cuenta con un departamento de desarrollo informático con más de 20 años de experiencia y un gran cuerpo de profesionales.
Uno de los proyectos que el hospital viene desarrollando desde hace más de una década es la construcción de un sistema de alerta de interacciones medicamentosas. El sistema fue desarrollado en 3 etapas de forma iterativa e incremental, donde en cada una se aplicaban las experiencias recolectadas de las etapas previas para generar un diseño más robusto, adaptable y performante [7] [11] [12] [13]. En este trabajo se busca emplear la misma metodología, partiendo de las enseñanzas recolectadas en esta experiencia y mejorar en el proceso el sistema desarrollado.
1.5- Organización del trabajo
El trabajo esta diagramado en 7 capítulos, donde los primeros 3 son introductorios al contexto, al problema y al estado del arte, los capítulos 4 y 5, desarrollo y resultados, corresponden a la ejecución del trabajo y finalizan el trabajo el capítulo 6 con las conclusiones, el 7 con la bibliografía y el 8 con el anexo.
14
1.6- Resultados
Se observa que el sistema desarrollado satisface todos los requerimientos funcionales
planteados en primera instancia, ya que es capaz de detectar de forma autónoma tres tipos de eventos adversos en las prescripciones y durante el ciclo de vida de su utilización mejorar la calidad, cantidad y velocidad de su respuesta.
La arquitectura planteada favorece tanto su extensibilidad como su mantenibilidad, y principalmente la de los datos que aloja, mediante la utilización de un conjunto de herramientas específicas diseñadas para la captura y actualización de los datos.
Adicionalmente se pudo ver, mediante la ejecución de test masivos, que el sistema es capaz de procesar cerca de 16 prescripciones por segundo, hallando el 83% de los medicamentos y el 88% de las drogas que los mismos contienen.
Finalmente el sistema respondió de forma apropiada frente a todos los eventos peligrosos recogidos de la bibliografía, lo que nos deja la expectativa que llegado el momento propicio puede abogar la diferencia entre la vida y la muerte de una paciente.
No se debe ser demasiado severos con los errores del pueblo, sino tratar de eliminarlos por la educación.
15
2- Marco teórico
Asistimos a una revolución científica, intelectual y biológica que terminará por construir nuevos paradigmas y modelos médicos, los cuales transformarán a la medicina que hoy conocemos […] Por ello tenemos que comprender las ideas, paradigmas y modelos del pasado y del presente, pues sólo así podremos construir el futuro.
Dr. Federico Ortiz Quesada
En este capítulo se presenta un conjunto de conceptos teóricos que sirven como referencia a los conceptos que se aplicarán en los siguientes capítulos.
En la sección 2.1 se presenta un conjunto de errores típicos que ocurren en la medicina, en la sección 2.2 los sistemas de informática médica dentro de los cuales se enmarca este trabajo, en la sección 2.3 las bases de datos médicas que se encuentran estrechamente relacionadas con las técnicas implementadas en esta tesis, en la 2.4 y 2.5 se muestran los conceptos teóricos de las técnicas que se emplearon para limpiar y analizar las bases de datos.
2.1 - Errores en la medicina
Leape3 define al error como “un acto no intencionado (sea por omisión o comisión) o un acto que no alcanza a cumplir con el resultado que se pretende” [14]; es la falla para completar una acción planeada (error de ejecución) o la utilización de un plan equivocado (error de planificación). El error es lo que se hace y no debe hacerse y lo que debe hacerse y no se hace. Puede ocurrir en todos los pasos involucrados en el proceso de cuidado del paciente desde el diagnóstico y el tratamiento hasta los cuidados preventivos.
Existe una amplia gama de errores que pueden clasificarse de la siguiente manera [15]:
• Error en el Diagnóstico (error o demora en el diagnóstico, falla al emplear o seleccionar pruebas diagnósticas, uso de pruebas o tratamiento no actualizados, omisión en los resultados de monitoreo, etc.)
3 Dr. Lucian Leape MD es médico y profesor de la Escuela de Harvard de Salud Pública, ha sido muy activo en
16 • Error en el Tratamiento (error en la realización de una operación, procedimiento o prueba, error en administrar un tratamiento, error en dosis o método de utilización de una droga, demora evitable en el tratamiento o en responder a un test anormal, cuidado inadecuado, etc.)
• Error en la Prevención (omisión en dar o indicar un tratamiento preventivo, inadecuado monitoreo o seguimiento del tratamiento, etc.)
• Otros (falla de comunicación, falla en el equipamiento o configuración errónea, otras fallas de sistema, etc.)
Los errores de tratamiento son más fácilmente detectables que otros tipos de errores, dado
que los eventos adversos pueden darse en forma más rápida y ser más visibles. Dentro de los errores de tratamiento, los errores de medicación son la causa prevenible más común de
daño a un paciente y constituyen aproximadamente el 25% del total de los errores, en particular se hallan relacionados al proceso de prescripción.
Es fundamental tener en mente que los eventos adversos originados de errores de medicación son prevenibles, de allí la importancia de su detección.
2.1.1 - Prescripción de medicamentos
Cerca del 50% de los errores relacionados a las drogas ocurre durante el proceso de prescripción de las mismas y son causados generalmente por falta de conocimiento de la droga y/o datos del paciente [13].
El proceso habitual de prescripción lleva 5 partes, el medico lo escribe, alguien lo
transcribe, se dispensa, prepara y administra.
Los factores que contribuyen en este tipo de error son: letra ilegible, confusión con el
nombre de otra droga, uso incorrecto de decimales, uso de abreviaturas no convencionales, órdenes verbales entre otros, y pueden generar fallas en la dosis, cantidad, indicación o prescripción de una droga contraindicada.
17
La prescripción electrónica puede ayudar a prevenir los errores resultantes de letra ilegible, receta incompleta, dosis o similitud entre los nombres de 2 medicaciones. Se la considera una herramienta muy útil para reducir los errores de prescripción y los eventos adversos por drogas; esta evidencia es fuerte en el ámbito hospitalario, si bien es menor en el grupo de cuidados primarios. En Argentina, esta modalidad no está lo suficientemente implementada aún; probablemente se necesiten varios años para poder generalizar su uso. De forma complementaria nuestro país cuenta con una escueta legislación que regula normas básicas para realizar una receta. Ver Apéndice 1
Los errores de prescripción son un paso fundamental e inicial que da comienzo a la cadena de errores. Entre los errores de dispensación se incluyen aquellos que ocurren a partir de la recepción de la receta en la farmacia hasta la entrega de la medicación al paciente. Su frecuencia es del 1% al 24%, y se da en general con aquellas drogas que tienen nombres
similares. También se incluyen en esta categoría los errores relacionados a: dosis incorrecta, droga incorrecta o paciente incorrecto. A fin de evitar o disminuir la frecuencia
de este tipo de errores algunas de las medidas tendientes a disminuir su frecuencia son: asegurar un correcto proceso para dispensar la medicación, separar drogas con apariencia o nombre similar y mantener separadas drogas de alto riesgo.
Los errores de administración, son aquellos errores relacionados con la vía de administración, y período de tiempo incorrecto entre otros.
En una revisión de 45 estudios realizados respecto de errores de medicación se demostró que los errores en la dosis fueron el error simple más frecuente y los errores de prescripción ocurrieron en mayor porcentaje.
2.1.2 - Interacciones entre drogas
Se denomina interacción farmacológica a la modificación del efecto de una droga por otra droga administrada antes, durante o después de la primera droga. Numerosas investigaciones han demostrado que una droga puede alterar la farmacocinética o
farmacodinamia de otra droga. Por ello, podemos decir que uno de los factores que alteran la respuesta a fármacos sería la administración conjunta de dos o más drogas. Sin embargo,
18
infecciones mixtas, etc. Otras veces el paciente padece dos o más enfermedades, lo cual determina que para un correcto tratamiento reciba varios fármacos al mismo tiempo como ocurre en diabetes + hipertensión. En estos casos la prescripción de varios fármacos es útil y racional.
Muchas veces se prescriben varias drogas en forma irracional, sin objetivos claros y como sabemos la frecuencia de reacciones adversas se incrementa en forma desproporcionada con el aumento del número de drogas administradas al paciente.
Existen aproximadamente más de 4000 interacciones con significancia clínica, sin embargo la mayoría son triviales y no genera un efecto adverso en los pacientes, o es muy menor, solo entre un 10 y un 15% de ellas tiene significancia clínica.
Un número de fuentes, incluyendo proveedores comerciales y organizaciones con bases de datos de interacciones, han contribuido para desarrollar herramientas de comprobación
automatizada de interacción fármaco-fármaco y potencialmente reducir el daño a los pacientes. Aunque atractiva en su promesa, esta forma de ayuda a la decisión tiene varias
limitaciones importantes cuando se integran en los sistemas informáticos. La comprobación de la interacción de drogas puede generar un gran número de alertas clínicamente insignificantes que los médicos ignoran. Payne4 encontró que el 11% de las órdenes de medicamentos generó una alerta de interacción fármaco-fármaco, fármaco-alergia u de otro tipo; y que los médicos continuaron con la orden en el 88% de los casos, incluso con advertencias de tipo "crítico" [16].
Estudios han evidenciado que los médicos clasifican sólo 1 de cada 9 alertas de interacción potencialmente relevantes como útil, cuando fueron encuestados acerca de las altas tasas de omisión de alertas [10].
Claramente, los médicos no consideran que los mensajes de interacción fármaco-fármaco más graves como meritorio de un cambio en el comportamiento, y tal vez con razón. Las consecuencias de muchas reacciones adversas casi nunca ocurrieron, incluso cuando se
4 Dr. Payne es profesor asociado de medicina de la Univ. de Washington y médico de cabecera en el Centro
19
trata del más alto nivel; sin embargo, algunas interacciones clínicamente relevantes entre fármacos ocurrirán y ese tipo de mensajes importantes pueden ser enterrados en un mar de mensajes sin importancia.
2.1.3 – Farmacodinamia y dosis máxima
La farmacodinámica o farmacodinamia, es el estudio de los efectos bioquímicos y
fisiológicos de los fármacos y de sus mecanismos de acción y la relación entre la concentración del fármaco y el efecto de éste sobre un organismo. Dicho de otra manera: el
estudio de lo que le sucede al organismo por la acción de un fármaco.
La dosis es la cantidad de una droga que se administra para lograr eficazmente un efecto determinado. El estudiar o estimar la dosis efectiva y la forma correcta de administración del fármaco se le llama dosificación, administrada por la posología. La dosis puede clasificarse en:
• Dosis subóptima o ineficaz: es la máxima dosis que no produce efecto
farmacológico apreciable.
• Dosis mínima: es una dosis pequeña y el punto en que empieza a producir un efecto farmacológico evidente.
• Dosis máxima: es la mayor cantidad que puede ser tolerada sin provocar efectos tóxicos.
• Dosis terapéutica: es la dosis comprendida entre la dosis mínima y la dosis máxima.
• Dosis tóxica: constituye una concentración que produce efectos indeseados.
• Dosis mortal: dosis que inevitablemente produce la muerte.
• DL50: denominada Dosis Letal 50 o Dosis Mortal 50%, es la dosis que produce la muerte en 50% de la población que recibe la droga. Así también se habla con menos frecuencia de DL20, DL90 y DL99.
20
2.2 - La informática en la medicina
En esta sección se describen los sistemas informáticos habituales que tienen relación en el contexto de esta tesis, en particular los sistemas de información hospitalarios (HIS) y los sistemas de soporte a la decisión clínica
2.2.1 - Sistemas de Información Hospitalarios
El HIS (acrónimo de Hospital Information System, sistema de información hospitalario), es un sistema integrado de información diseñado para gestionar todos los aspectos clínicos, administrativos y financieros de un hospital. Además, permite obtener estadísticas generales de pacientes, datos epidemiológicos, de salud laboral y salud pública, entre otros.
El HIS puede estar compuesto por uno o varios componentes de software y una gran variedad de subsistemas de especialidades médicas como el RIS (Sistema de Información Radiología), LIS (Sistema de Información de Laboratorio, también denominado SIL), sistemas para anatomía patológica y otros como se muestra en la Ilustración 1.
21
En el período comprendido entre 1960 y 1980 se fueron desarrollando en los hospitales sistemas independientes que resolvían las necesidades de información de departamentos o secciones concretas. Junto con ello, el sistema central de información fue completando su funcionalidad acercándose más a resolver las necesidades del personal médico y de enfermería. Como resultado se obtuvieron varios sistemas de información coexistentes dentro del hospital, con información a veces duplicada y sin conexión ni integración entre sí. Por este motivo, un mismo paciente debía ser dado de alta en todos los subsistemas del hospital en los que estuviera involucrado. Desde fines de la década de 1980 y durante la década de 1990 se realizó un gran esfuerzo para integrar todos los sistemas de información, el que estuvo auspiciado por el desarrollo de los ordenadores personales, la tecnología de redes locales y el abaratamiento de los costes.
En los últimos veinte años la tendencia ha sido desarrollar sistemas descentralizados
especializados en la resolución de problemas concretos que recogen la información requerida y ponen a disposición del resto de los sistemas los datos más relevantes.
Entre los sistemas más destacados puede mencionarse el RIS/PACS (sistema de información radiológica y sistema de almacenamiento y transmisión de imágenes), LIS (sistema de información de laboratorio), sistemas de información para anatomía patológica y los sistemas de soporte para la decisión clínica, entre otros.
2.2.2 - Sistema Soporte a la Decisión Clínica
Los Sistemas de Soporte a las Decisiones Clínicas (CDSS) son una valiosa herramienta de apoyo para el profesional de la salud, y para quienes realizan la labor gerencial de los entes sanitarios. Desde su surgimiento, los CDSS han ido evolucionando no solamente en lo que se refiere a las áreas médicas sino también respecto a los momentos en que son aplicados, la relación que éstos mantienen con el médico y su estructura base. Su evolución se ha dado en pro de mejorar la calidad del soporte que los sistemas pueden brindar a quienes lo utilizan como herramienta de apoyo, así como también a la posibilidad de que éstos puedan
ser utilizados en más de un área de la salud. Esta evolución permite el manejo de bases de conocimiento cada vez más amplias (en cuanto a volumen y características de la
22
CDSS’s puedan integrarse como componentes a los sistemas de información de la salud (HIS).
2.3 - Bases de datos médicas
La utilización y aplicación de tecnologías de la información en el ámbito de la salud ha demostrado mejoras tanto en la calidad de atención como en la optimización de sus recursos, además las ciencias biológicas y médicas han encontrado un medio eficiente para la globalización del conocimiento, lo cual ha mejorado el entrenamiento y la actualización de los estudiantes y profesionales de la medicina. Con el objetivo de facilitar el acceso a la información científica a través de medios informáticos han sido desarrolladas plataformas encargadas de recopilar la información en forma de bases de datos.
Estas bases de datos pueden contener información administrativa como precios, coberturas, inclusión en vademécum institucional, stock, etc., o información asistencial, como, información farmacológica de referencia para alimentar un sistema de soporte de las decisiones. Proveedores de bases de conocimiento brindan acceso a este tipo de información codificada utilizando vocabularios estándar, para ser incorporada a sistemas clínicos.
El uso avanzado de información clínica codificada, con fines de investigación, gestión o soporte para la toma de decisiones requiere la combinación de información de diversos
aspectos de la salud, de los cuales la información farmacológica es solo uno de ello. Esto ha llevado a los países más avanzados en la utilización de sistemas de información en salud a
adoptar estándares terminológicos integradores, donde se incluyan diagnósticos, procedimientos, prácticas, drogas, etc.
23
2.3.1 - Estándares de terminología para drogas
Uno de los componentes esenciales de cualquier sistema de información en salud es el encargado de brindar una correcta representación del conocimiento médico, lo cual históricamente se ha logrado mediante el uso de clasificaciones estándar (por ejemplo la Clasificación Internacional de Enfermedades en sus diferentes ediciones) utilizadas para disminuir la problemática propia del lenguaje natural. En los últimos años se ha comenzado
a utilizar terminologías clínicas de referencia que posibilitan una más acabada representación del quehacer en el ámbito biomédico. La utilización de una terminología
estándar abre las puertas para lograr interoperabilidad entre los sistemas de información utilizados por diferentes actores del sistema de salud, posibilitando el intercambio de información entre instituciones de salud, proveedores, oficinas gubernamentales, financiadores, etc.
Cuando se aplica una terminología estándar a los productos farmacéuticos comerciales, es posible proveer las condiciones adecuadas para comunicar información farmacéutica entre sistemas de información y acceder a bases de conocimiento.
Uno de los estándares más importantes es el necesario para la indexación de drogas, y de la terminología médica en general, ya que se deben poder identificar de forma inequívoca cada concepto bajo sus distintos nombres, para que se pueda compatibilizar los conceptos entre las distintas bases de datos, aún cuando se encuentren almacenadas en idiomas distintos.
Del grupo de alternativas, hay dos que tienen mayor significancia y penetración a nivel internacional, el código ATC y el SNOMED CT.
2.3.1.1 – El código ATC
El código ATC, (acrónimo de Anatomical, Therapeutic, Chemical Classification System) es un sistema de codificación de sustancias farmacéuticas y medicamentos en cinco niveles según el sistema u órgano efector y al efecto farmacológico, las indicaciones terapéuticas y
la estructura química de un fármaco.
24
«to serve as a tool for drug utilization research in order to improve quality of drug use.
One component of this is the presentation and comparison of drug consumption statistics at
international and other levels». [17]
La necesidad de generar una herramienta de estas características se advirtió en 1969 en el simposio The Consumption of Drugs en la ciudad de Oslo; de manera que se constituyó el Grupo DURG (Drug Utilization Research Group) con el propósito de formular métodos de aplicación mundial para investigar la utilización de fármacos.
Ya en la década de los setenta, y con estos antecedentes, unos investigadores noruegos, modificaron y ampliaron el antiguo sistema de clasificación anatómica (AC System) de productos farmacéuticos y concibieron de este modo un sistema de clasificación anatómica, terapéutica y química, más conocido como «clasificación ATC». Este sistema fue instituido por la Organización Mundial de la Salud, y ha sido adoptado en Europa.
Cada código ATC es una concatenación de 5 siglas de letras o números, donde cada sigla es un identificador de una clasificación.
1.- Nivel (anatómico): Órgano o sistema en el cual actúa el fármaco. Existen 14 grupos en total.
Algunos ejemplos son:
A -> SISTEMA DIGESTIVO Y METABOLISMO
B -> SANGRE Y ÓRGANOS HEMATOPOYÉTICOS
C -> SISTEMA CARDIOVASCULAR
2.- Nivel: Subgrupo terapéutico, identificado por un número de dos cifras.
3.- Nivel: Subgrupo terapéutico o farmacológico, identificado por una letra del alfabeto.
4.- Nivel: Subgrupo terapéutico, farmacológico o químico, identificado por una letra del alfabeto.
25
Por ejemplo, el diazepam, es reconocido con el código N05BA01, que se obtiene de la siguiente manera:
N → Sistema Nervioso. - Grupo Anatómico principal. 05 → Psicolépticos. - Grupo Terapéutico principal.
B → Ansiolíticos. - Subgrupo Terapéutico Farmacológico.
A → Derivados benzodiacepínicos. - Subgrupo Químico-Terapéutico Farmacológico 01 → Diazepam - Sustancia final.
Esta característica genera un efecto inadvertido en un principio y es que algunas drogas
pueden ser reconocidas bajo más de un código, como el ketoconazol que puede ser reconocido bajo tres códigos:
D01AC08 - Antimicótico para uso dermatológico tópico, derivado del imidazol.
G01AF11 - Antibiótico ginecológico, derivado imidazólico.
J02AB02 - Antimicótico para uso sistémico, derivado imidazólico.
En paralelo con la creación del sistema de clasificación ATC, y a fin de valorar el uso de un determinado fármaco, surgió la necesidad de formular una unidad técnica de medida, la «Defined Daily Dose (DDD)», definida como: «the assumed average maintenance dose per day for a drug used for its main indication in adults».2, 4 Esta unidad de medida no refleja necesariamente la dosis diaria que se recomienda o prescribe al paciente. Al contrario, la dosis que se asigna a un paciente suele diferir de la DDD, puesto que se basa en factores tanto individuales (edad, peso) como farmacocinéticas.
2.3.1.2 – El Estándar SNOMED CT
26
relacionados a la anatomía, enfermedades, investigación, procedimientos, microorganismos y sustancias, entre otros.
La idea fue concebida originalmente por Dr. Roger A. Côté como una extensión del SNOP (Systematized Nomenclature of Pathology), y fue desarrollada por “College of American Pathologists” entre 1973 y 1997.
En 1998, el Dr. Kent Spackman fue nombrado presidente de la Redacción de la Comisión de Nomenclatura y Clasificación de las Enfermedades del Colegio Americano de Patólogos y encabezó un proceso de transformación para darle una forma altamente computable al sistema basado en un grafo a cíclico dirigido.
Cuatro años más tarde, se llevó a cabo un proceso de fusión y adopto la terminología propia del Sistema Nacional de Salud de Reino Unido.
En 2007, la recientemente formada IHTSDO (Health Terminology Standards Development
Organisation) adquiere toda la propiedad intelectual y versiones desarrolladas. Este organismo cuenta con el apoyo de más de 5.000 organizaciones y 20 países miembros tales
como Estados Unidos, el Reino Unido, Suecia, Dinamarca, Holanda, Canadá, Australia, Nueva Zelanda y Lituania.
El contenido de SNOMED CT puede resumirse en 3 tipos de componentes: conceptos, descripciones y relaciones. Cada concepto representa una noción clínica, identificada por un único código numérico. Los conceptos forman jerarquías, organizadas de lo más general a lo más particular.
Además, cada concepto tiene un único e inequívoco nombre que lo describe (Fully Specified Name) y está vinculada varias nombres adicionales que representan el mismo concepto clínico.
Las relaciones entre conceptos implican que el significado de los mismos está relacionado de alguna manera y le brindan semántica al modelo. Alguna de las relaciones más comunes son “compuesto por”, “derivado de” y “es un/a”.
27
luego se definió la segunda; en la actualidad se mantiene la primera para extender la retro-compatibilidad.
El contenido de SNOMED CT evoluciona con cada versión. Los tipos de cambios realizados incluyen nuevos conceptos, nuevas descripciones, nuevas relaciones entre conceptos, nuevos mapas jerárquicos, y nuevos conjuntos de referencia, así como las actualizaciones y el retiro de cualquiera de estos componentes. Los desencadenantes de estos cambios incluyen cambios en la comprensión de los procesos de salud y enfermedad; introducción de nuevos medicamentos, investigaciones, tratamientos y procedimientos; y las nuevas amenazas a la salud, así como propuestas y trabajo proporcionados por los usuarios de SNOMED CT.
Una vez que se publica una nueva versión los identificadores únicos de componentes SNOMED CT son persistentes, y sus identificadores no se reutilizan. Los conceptos y las
descripciones siguen distribuyéndose incluso cuando ya no se recomiendan para uso activo. Esto permite que una versión actual pueda interpretar los datos introducidos utilizando una
versión anterior.
En la implementación del formato Release 2 (RF2), todos los cambios en los componentes están representados en los archivos correspondientes, mediante la adición de una nueva fila, con el mismo ID de componente, un nuevo tiempo efectivo y cualquier cambio necesario en los valores de los componentes.
Los conjuntos de componentes Inactivación de referencia se utilizan para indicar el motivo de la desactivación de un componente.
Estas razones incluyen errores, la duplicación de otro componente y la ambigüedad del significado, y los archivos se utilizan para describir las razones para la inactivación de los conceptos, descripciones y relaciones.
Para este trabajo se optó por emplear el formato RF2 porque además de ser el más reciente, es el más completo y el recomendado por la organización que lo desarrolla.
28
última edición), Full (contiene todos los datos desde la primera versión en 2002) y Snapshot (contiene la última versión).
El formato RF2 se basa en un modelo de tipo log (append-only data model) que se caracteriza por permitir realizar un seguimiento de todos los cambios en cada componente, proporcionando una trazabilidad completa. Publicada una nueva versión, una fila en cualquiera de estos archivos siempre se mantendrá sin cambios.
Los campos effectiveTime y active son los que se emplean para gestionar la validez de los componentes. Cuando se quiere realizar un cambio se añade una nueva fila con los datos actualizados, con el campo active en true y en el campo effectiveTime la fecha de la versión en la que se realizó el cambio. Para desactivar un componente, se añade una nueva fila, que contiene los mismos datos que la versión válida final del componente, campo active en false y el campo effectiveTime con la fecha nominal de la versión en la que dejó
de ser válido.
Por tanto, es posible conocer tanto los valores actuales y los valores históricos de un
componente en cualquier punto en el tiempo.
El ejemplo siguiente muestra cómo funciona el mecanismo de la historia en el archivo de conceptos, pero las mismas reglas se aplican igualmente al de descripción, relación y demás archivos.
Un nuevo concepto (101291009) es agregado en la versión del 1 de julio de 2007
Id effectiveTime Active moduleId definitionStatusId
101291009 20070701 1 Module 1 Primitive
En la siguiente versión del 1 de Enero de 2008 el concepto es movido del módulo 1 al módulo2. Ya que el campo moduleId no es inmutable para realizar el cambio solo es necesario agregar un nuevo registro con la información actualizada.
Id effectiveTime Active moduleId definitionStatusId
101291009 20070701 1 Module 1 Primitive
101291009 20080101 1 Module 2 Primitive
29
Id effectiveTime Active moduleId definitionStatusId
101291009 20070701 1 Module 1 Primitive
101291009 20080101 1 Module 2 Primitive
101291009 20080701 1 Module 2 Defined
Finalmente el concepto es desactivado.
Id effectiveTime Active moduleId definitionStatusId
101291009 20070701 1 Module 1 Primitive
101291009 20080101 1 Module 2 Primitive
101291009 20080701 1 Module 2 Defined
101291009 20090101 0 Module 2 Defined
2.3.2 - Estándares de codificación de medicamentos
Al igual que las drogas, poder identificar de forma inequívoca los medicamentos, donde las mismas se hallan presentes, tiene una vital importancia. En la Argentina el estándar de mayor distribución es el generado por la editorial alfaBeta5 bajo el nombre “Manual
Farmacéutico”. Esta editorial identifica a cada producto comercializado con un código numérico único.
Esta codificación es empleada tanto por centros sanitarios, como obras sociales y profesionales médicos. En particular, el Hospital Alemán también emplea esta codificación para identificar los medicamentos que dispensa su farmacia.
2.3.3 - Bases de datos de medicamentos
La ANMAT (Administración Nacional de Medicamentos, Alimentos y Tecnología Médica) es un organismo descentralizado de la Administración Pública Nacional, que colabora en la protección de la salud humana, asegurando la calidad de los productos de su competencia: medicamentos, alimentos, productos médicos, reactivos de diagnóstico, cosméticos, suplementos dietarios y productos de uso doméstico. Su jurisdicción abarca todo el territorio nacional y fue creado en agosto de 1992. Desde entonces, un cuerpo de profesionales y técnicos trabajan con tecnología moderna para cumplir eficazmente con los procesos de autorización, registro, normatización, vigilancia y fiscalización de los productos que se utilizan en medicina, alimentación y cosmética humana. Depende técnica y científicamente de las normas y directivas que le imparte la Secretaria de Políticas, Regulación e Institutos del Ministerio de Salud, con un régimen de autarquía económica y
30
financiera. En este marco, la ANMAT tiene como objetivo principal: “…garantizar que los medicamentos, alimentos y dispositivos médicos a disposición de la población, posean eficacia (cumplimiento del objetivo terapéutico, nutricional o diagnóstico) seguridad (alto coeficiente beneficio/riesgo) y calidad (respondan a las necesidades y expectativas de la ciudadanía).
A mediados del mes de mayo de 2012, la ANMAT ha puesto al alcance de la población general la base de datos de medicamentos que se comercializan en la Argentina en su sitio web, en un proyecto conocido como LOMAC [18], por las siglas de Listado Oficial de Medicamentos Actualmente Comercializados. Este sitio es una fuente oficial de actualización permanente sobre medicamentos se encuentran registrados con comercialización autorizada, cuáles son las presentaciones disponibles en el mercado, su composición y prospecto, entre otros datos.
2.3.4 - Bases de datos de interacciones entre drogas
Se denomina interacción farmacológica a la modificación del efecto de una droga por otra droga administrada antes, durante o después de la primera droga; diversas investigaciones han demostrado que una droga puede alterar la farmacocinética o farmacodinamia de otra droga. Por ello podemos decir que uno de los factores que alteran la respuesta a fármacos sería la administración conjunta de dos o más drogas; es por ello que tener una base de datos de interacciones completas es indispensable para detectar eventos adversos.
En los últimos años varios organismos han intentado sistematizar el subconjunto de interacciones más peligrosas sobre las cuales debería alertar un CDSS, generando varios trabajos de investigación que concluyeron que la cantidad apropiada debería rondar las 200 interacciones. El problema yace en que de los subconjuntos de interacciones sugeridas por 4 de los trabajos más relevantes, solo existía una coincidencia del 10% de las interacciones.
De forma equivalente las distintas bases de datos tienen distintas opiniones sobre que interacciones son las más peligrosas, por lo que se emplean índices para estimar el riesgo
asociado.
31
este tipo de sistema son las orientadas a la acción, es decir, junto con cada interacción se provee una acción recomendada para que el profesional médico tenga una alternativa luego de detectado el evento.
2.4 - Data Cleansing
Fusionar grandes bases de datos adquiridas de distintas fuentes con heterogéneas representaciones de información se ha convertido en una dificultad importante y creciente
dificultad para muchas organizaciones. El problema se estudia a menudo y se lo conoce como el problema Merge/Purge [19] y es complejo de resolver, tanto en escala y precisión. Los grandes repositorios de datos suelen tener numerosas entradas de información duplicada sobre las mismas entidades que son difíciles corregir sin un método que identifique los elementos equivalentes por un proceso de comparación.
Una de las políticas que se puede adoptar es la conocida como Data cleansing. También conocida como data scrubbing o limpieza de datos, consiste en detectar y corregir o remover los registros corruptos o imprecisos de una tabla o base de datos.
Después de la limpieza, el conjunto de datos debería ser consistente con otros conjuntos de datos similares en el sistema. Las inconsistencias detectadas o eliminadas pueden haber sido causadas originalmente por los errores de entrada de los usuarios, por la corrupción en la transmisión o almacenamiento, o por diferentes definiciones del diccionario de datos de entidades similares en diferentes tiendas.
Limpieza de datos difiere de la validación de datos en que la validación genera un resultado de aprobación o rechazo, y casi invariablemente se lleva a cabo en el momento de la entrada, en lugar la limpieza de los datos se lleva en el conjunto de registros ya obtenidos.
El proceso real de la limpieza de datos puede implicar la eliminación de los errores tipográficos o validar y corregir los valores en una lista conocida de entidades. La
validación puede ser estricto (como el rechazo de cualquier dirección que no tiene un código postal válido) o difusa (por ejemplo, registros de corrección que coinciden
32
Algunas soluciones de limpieza de datos incluyen el control cruzado de datos con un conjunto de datos validados. También mejora de los datos, donde los datos se hacen más completos añadiendo información relacionada. También puede incluir actividades como, la armonización de los datos, y la normalización de los datos. Por ejemplo, la armonización de palabras reales (gramo, gramos, gr, G, etc.) a códigos o abreviaturas (g). La normalización de los datos es un medio de cambiar un dato de referencia que se establecen a un nuevo estándar, por ejemplo almacenar las magnitudes de masa en gramos y las de volumen en ml.
2.5 – El Análisis Sintáctico
Un compilador es un programa informático que traduce un programa escrito en un lenguaje de programación a otro lenguaje. Usualmente el segundo lenguaje es lenguaje de máquina, pero también puede ser un código intermedio (bytecode), o simplemente texto. Este proceso de traducción se conoce como compilación. Véase Ilustración 2
Ilustración 2 - Estructura de un compilador
Las expresiones del lenguaje humano no son fácilmente analizables por los programas, ya
que existe una ambigüedad sustancial en la estructura del lenguaje. Puede presentarse una gama potencialmente ilimitada de posibilidades de expresar un mismo hecho en lenguaje
33
34
3- Estado del arte
La ciencia de la computación no trata sobre las computadoras más de lo que la
astronomía trata sobre los telescopios.
Edsger Dijkstra
En este capítulo se presenta un conjunto de trabajos relacionados, y soluciones en el mercado, junto con la experiencia de una institución afín en el desarrollo de un sistema similar.
Del mercado de soluciones tecnológicas orientada a la medicina pueden distinguirse 3 roles, por un lado están los prestadores de bases de datos de material médico, por otro lado los desarrolladores de los módulos constituyentes de un HIS y finalmente los encargados de integrar, mantener y establecer a dichos módulos como parte integral de los sistemas hospitalarios.
En la Ilustración 3 se observa algunos de los prestadores de soluciones de mayor relevancia
internacional y como los mismos se distribuyen en las capas. También se observa el desarrollo realizado por el Departamento de Informática de la Salud del Hospital Italiano de
Buenos Aires que fue una importante guía para el desarrollo de este trabajo.
A continuación se verán las ventajas y las desventajas que estas soluciones plantean.
3.1 - Soluciones en el mercado
Las siguientes subsecciones detallan las soluciones disponibles en el mercado discriminadas en 3 categorías conceptuales.
3.1.1 – Soluciones en Bases de Datos Médicas
El sitio web webmd.com6 es uno de los más populares para consultar información acerca de las drogas, junto con herramientas como un verificador de interacciones entre medicamento
y un reconocedor de pastillas en base al aspecto. En particular el verificador de interacciones es simple de utilizar y con una amplia base de datos, pero tiene una falencia
importante y es que no emplea ningún tipo de estándar para el nombre de las drogas ni los
35
medicamentos, lo que lo hace vulnerable a errores de interpretación ya que los medicamento y drogas cambian de nombre en las distintos países. Por otro lado hay que destacar que las interacciones se encuentran clasificadas según su significancia clínica estimada y poseen una acción recomendada en el caso de presentarse la interacción, como monitorear de cerca o ajustar la dosis, pero la información que adjunta acerca de cómo y porque se produce la interacción en si es escasa.
36
HealthLine.com7 es otro sitio web con una propuesta muy similar a la analizada en la sección anterior pero con un valor agregado y es que añade a las interacciones entre drogas, las interacciones entre drogas y alimentos.
Finalmente se halla la que a criterio del autor es la solución más completa en base de datos y es la provista por drugs.com8. Esta base de datos contiene dos niveles de información, una simplificada y concisa para los usuarios y una detallada para los profesionales médicos, junto con literatura de referencia acerca de la interacción hallada.
Posee de manera adicional información acerca del consumo de la droga durante el embarazo y durante la lactancia, y estimaciones de dosaje para el consumo.
3.1.2 – Soluciones como módulos de un HIS
Si bien existe un amplio abanico de empresas que se encargan de desarrollar soluciones modulares para los sistemas hospitalarios hay 3 que se destacan en el mercado internacional, llamadas Medi-Span, McKesson y First Data Bank, particularmente la última mencionada es la referencia con la que se mide la calidad del resto de las soluciones.
Estas empresas se encargan de desarrollar los componentes de software basados en las bases de datos generados por un tercero, como los mencionados en el punto anterior, y ponerlo a disposición de otras empresas que asisten a los centros de salud y serán los encargados de embeberlos en el flujo de tareas del centro de salud y manterlo.
McKesson en la compañía de servicios médicos es más antigua y más grande en los Estados Unidos, presta servicios a más del 50% de los hospitales, más del 20% de los médicos y es el mayor dispensario de medicamentos con cerca de un tercio del mercado.
Esta compañía ofrece un software llamada Paragon9 que es un sistema hospitalario integrado que incluye herramientas para la gestión de pacientes, la gestión de
7 http://www.healthline.com/
8 http://www.drugs.com/drug_interactions.html
37
medicamentos y la administración financiera. Paragon ha recibido la distinción “#1 Community HIS” por el sitio Klas10 durante siete años consecutivos.
Integrado a la base de Paragon, la compañía desarrolla diversos módulos adicionales entre los que se halla VITAL11. Este módulo está dirigido a mejorar la atención y la comunicación entre los departamentos del hospital, también brinda un chequeo de las prescripciones a modo de CDSS, pero no se detalla más información acerca del mismo en su sitio web.
Por su parte, Medi-Span12 provee 3 módulos centrales “Drug Information Databases”, “Drug Database API Tools” y “Clinical Decision Support(CDS)” sobre los cuales se integra una cartera de herramientas. En particular el CDS alberga más de 20 herramientas entre las que se destacan:
- Dose Screening and Drug Orders™ API
- Drug Allergy Mapping™ API
- Drug Disease Contraindications™ API
- Drug Interactions™ API
- Duplicate Therapy™ API
- Pregnancy, Lactation, Age and Gender™ API
- SNOMED CT Disease Mapping™ API
Muy similar es la oferta que realiza First Data Bank, en un módulo bajo el nombre “FDB AlertSpace®” 13 . El único aliciente real que se observa frente a la alternativa antes descripta, es que FDB ha sido bastamente referenciada por la literatura, lo que le da un importante respaldo.
10
http://www.mckesson.com/documents/providers/7-in-a-row---paragon-wins-2012-best-in-klas-for-community-his/
11 http://www.mckesson.com/payers/care-management/vital-care-management/mckesson-vital-platform/ 12 http://www.medispan.com/medispan-clinical/
38
3.1.3 – Servicios de implementación y mantenimiento de un HIS
Finalmente se hallan los prestadores finales del servicio, estas empresas administran y dan mantenimiento al sistema hospitalario. Estas empresas en general funcionan asociadas a las desarrolladoras de los módulos e incrementan el valor agregado de los mismos desarrollando componentes adicionales. Para los fines de investigación no componen un elemento de mayor trascendencia este tipo de empresas.
3.2 - Soluciones regionales
En el plano regional e internacional, el Hospital Italiano es uno de los mayores referentes en calidad de atención a sus pacientes y desarrollo de tecnología para el diagnóstico y monitoreo del paciente y almacenamiento de la información.
Fue pionero en el desarrollo de una Historia Clínica Electrónica (HCE) por 1998 y ha creado un departamento dedicado a la tarea de mejorar y dar mantenimiento a este recurso.
A partir de 2000 el hospital también se vio abocado a la tarea de diseño e implementar de un Sistema Notificador de Interacciones Farmacológicas inmerso en el flujo de prescripciones del HCE [11]. Esta tarea lleva más de 15 años de desarrollo y ha implicado múltiples cambios y 2 reformulaciones completas.
En la Ilustración 4 se observan las 3 etapas de desarrollo y los cambios que se hicieron entre cada una de ellas
39
En la primera etapa el trabajo se abocó a crear la fuente de conocimientos basados en las publicaciones EDI (Evaluations of Drugs Interactions), que genera el First DataBank y una indexación de componentes activos mediante ATC.
Una de las características del sistema que resulto ser más contraproducente, fue que las interacciones estaban clasificadas por relevancia clínica y no por severidad de las mismas, es decir que las interacciones más graves eran aquellas sobre las cuales se tenía mayor certeza que ocurrían y no propiamente las más riesgosas para la salud. Adicionalmente la carencia de la clasificación de las presentaciones en los medicamentos y la jerarquía de familias de drogas ocasionó que se registraran un gran número de falsos positivos, impactando gravemente en la aceptación de la sugerencia por parte de los profesionales. Para los fines de esta etapa se estimó que los profesionales solo consideraban 1 de cada 10 eventos de alerta que se generaban.
Para la segunda etapa se consideraron las formas farmacéuticas de los medicamentos, se migró la base de conocimiento por una más acotada y se comenzó a llevar un control sobre
la taxonomía asociada a los medicamentos y un control terminológico. Luego de estos cambios si bien el sistema mejoró en gran medida y principalmente comenzó a tener mayor respaldo en las alertas emitidas, se evidenciaba que era necesario refinar más aún las bases de conocimiento y ponderar la incidencia de las interacciones por lo que se emprendió una nueva etapa.
En la tercera etapa, que está en curso en este momento, se pretende brindar un diseño más participativo por parte de los profesionales junto con un subconjunto de interacciones mejor jerarquizado por gravedad y con bibliografía que lo pruebe y oriente a los profesionales sobre las medidas a tomar.
3.3 – Viabilidad de adaptación y desarrollo de un sistema
propio
40
Las soluciones comerciales relevadas se presentaban mayormente como una solución parcial o enfocada únicamente en uno de los aspectos, por lo que es necesario o bien integrar varias de las soluciones o desarrollar las partes faltantes en función a una de las soluciones. Por otra parte la solución generada por el Hospital Italiano es la que mejor se proyecta ya que cubre un amplio espectro del problema y tiene varios años de maduración pero el mismo no está disponible en la actualidad y se prevé que en el futuro solo estará disponible para ser rentado a modo consultivo a través de un servicio web, descartando una posible instanciación local.
Por lo antes expuesto, y considerando los esfuerzos necesarios para fusionar varios sistemas en el mercado, se optó por encarar la construcción de un sistema propio.
Adicionalmente hay que tener en cuenta el valor agregado que se genera al trabajar en forma conjunta dos grupos de profesionales de distintas áreas para la construcción de un
41
4 – Desarrollo
Errar es humano... pero echarle la culpa a otro es más humano todavía.
Les Luthiers
En este capítulo se presentará el desarrollo realizado en esta tesis, se emplea un enfoque cronológico presentándose el primer prototipo desarrollado y luego el segundo, que fue finalmente utilizado. Este enfoque permite visualizar algunas dificultades presentadas
debido a cambios los estándares utilizados y mostrar cómo se sortearon.
4.1 - Desarrollo del primer prototipo
El primer prototipo intenta recoger todas las sugerencias presentes en la bibliografía y basarse en los estándares más difundidos, para que el sistema desarrollado pueda proveer un servicio eficiente y flexible.
4.1.1 - Descomposición en módulos
El diseño está compuesto por 4 módulos independientes instanciados en un web service a través del cual el sistema hospitalario puede resultar consultas, ver Ilustración 5.
Cada consulta efectuada incluye la lista de medicamentos que un paciente debe ingerir, de
ejecutarse la nueva prescripción médica, identificados bajo la codificación del Manual Farmacológico. El sistema a partir de esa lista de códigos identifica los nombres de los
