Base de datos multicentrica de terapia intensiva, la experiencia en mexico. Dr. Ulises Wilfrido Cerón Díaz



Descargar 24.36 Kb.
Fecha de conversión13.03.2017
Tamaño24.36 Kb.

BASE DE DATOS MULTICENTRICA DE TERAPIA INTENSIVA, LA EXPERIENCIA EN MEXICO.

Dr. Ulises Wilfrido Cerón Díaz

Hospital Español de México


Asociación Mexicana de Medicina Crítica y Terapia Intensiva.
DIAPOSITIVA 2

Los datos no tienen valor si no se transforman en información útil para la toma de decisiones en los campos asistencial, administrativo, educativo o en la investigación. La experiencia que voy a reportar se basa en la oportunidad que he tenido de crear y coordinar la base de datos de la Unidad de Terapia Intensiva del Hospital Español de México y la Base de Datos Multicéntrica de Terapia Intensiva, actualmente promocionada por la Asociación Mexicana de Medicina Crítica y Terapia Intensiva.


DIAPOSITIVA 3:

En el año de 1994 tuve la oportunidad de disfrutar de una beca otorgada por la Comunicad de Madrid para permanecer, por espacio de 7 meses, en el Hospital de la Princesa de Madrid, España. En ese periodo conocí el trabajo realizado por el grupo de médicos de la UCI con un sistema de expediente electrónico diseñado por el Dr. Enrique Cereijo. Este fue el estímulo para que, a mi regreso a México, iniciara en el Hospital Español un trabajo para sistematizar e informatizar los datos. Nuestro equipo de médicos y residentes encabezados por el Dr. Alfredo Sierra Unzueta, iniciamos un proyecto que se llamó BASUTI. Este sistema incluía la captura en papel de datos de interés fundamentalmente estadístico, el control de calidad por parte de los médicos adscritos y su captura en la computadora. Por espacio de un año y medio se obtuvieron datos de más de 700 ingresos. En 1997, durante la gestión del Dr. Fernando Molinar Ramos, como presidente de la AMMCTI, se crea el Comité de Informática y Comunicaciones Electrónicas, del cual se queda a cargo el autor de estas letras y se aceptan varios proyectos, entre los cuales está el desarrollo de una base de datos multicéntrica. En este mismo año se llevaron a cabo dos encuestas a nivel nacional que incluyeron preguntas relacionadas con este proyecto. En mayo de 1997 se inició el desarrollo del software para la captura de los datos. En septiembre del mismo año, se realiza una prueba piloto en seis hospitales de la ciudad de México. Posteriormente se hacen los ajustes del programa y en junio de 1998 la primera unidad inicia la captura de los datos; en julio del mismo año lo hace la segunda y en septiembre la tercera.



DIAPOSITIVA 4


BASUTI fue una experiencia que nos trajo numerosas satisfacciones y lo escribo en plural porque muchas personas contribuyeron y se beneficiaron de este esfuerzo. En la diapositiva están los médicos que participaron directamente en la captura de datos, pero obviamente toda la unidad trabajó en la generación de los mismos, sin perder de vista al participante de importancia mayor, el enfermo.

DIAPOSITIVA 5


BASUTI fue de utilidad en los campos asistencial, administrativo, educativo y en la investigación. En el campo asistencial nos permitió conocer el pronóstico de grupos de enfermos que se ajustaban al perfil de un enfermo problema, en el cual se planteaba la posibilidad de limitación o retiro de apoyo vital. No quiero decir que nos permitió tomar decisiones, sino que fue un apoyo para tener una idea más objetiva de las posibilidades de recuperación de acuerdo a un modelo matemático internacionalmente usado (APACHE II) y, lo que tiene más valor, de acuerdo a nuestra propia experiencia, en nuestro medio, con nuestros recursos.

En el campo administrativo nos permitió conocer cómo estábamos utilizando nuestros recursos y nos permitió en varias ocasiones tener argumentos objetivos para influir en las decisiones administrativas para la compra de equipo.

En el campo educativo nos permitió apoyar nuestras actividades académicas con información proveniente de nuestra propia experiencia. La experiencia de los demás es muy importante, pero el impacto en la enseñanza es mayor cuando se analizan las estadísticas locales en relación a un tema como puede ser Neumonía Nosocomial, o Nutrición Artificial.

En la investigación fue especialmente útil. Nos permitió elaborar trabajos, que a pesar de tener un carácter retrospectivo, tenían la ventaja de que la información fue capturada en forma prospectiva en un formato único y con criterios uniformes. Algunos trabajos fueron galardonados con premios a nivel local y nacional.

Algo que valoro especialmente es su utilidad como una herramienta que nos permitió trabajar en equipo. Era especialmente satisfactorio el ver cómo los médicos residentes y todo el grupo de médicos adscritos nos reuníamos a trabajar en la sala de juntas, en un ambiente altamente motivado, cuando el proyecto estaba en uno de esos momentos de riesgo vital.

DIAPOSITIVA 6


No estaría completa la descripción de esta experiencia si no presentamos los problemas que tuvimos. El principal fue el rezago en la obtención de los datos, mismo que representó, además, un aumento en la carga de trabajo del médico residente. A pesar de que los médicos que llevábamos a cabo la tarea de captura en la computadora éramos unos cuantos, en el momento del análisis de la información fue necesario corregir errores de captura. El análisis de los datos estuvo restringido por dos razones: a) la idea de que si varios médicos podíamos acceder a la estructura de la base de datos se ponía en riesgo su integridad y b) se requería de ciertos conocimientos de programación para obtener información, puesto que el sistema no disponía de herramientas que facilitaran el filtrado y el análisis.

El entusiasmo del personal decayó en ocasiones cuando no percibían la utilidad del sistema; nos faltó motivarlos a través de presentar resultados de una manera periódica, en especial a los médicos que llevaban la mayor carga de trabajo.


DIAPOSITIVA 7


Hasta aquí he referido la experiencia local. A continuación expondré unos cuantos aspectos de la experiencia multicéntrica.

Actualmente existe una tendencia mundial a compartir datos. Esta tendencia obedece a la necesidad de conformar grupos grandes de enfermos para contrastar hipótesis y la necesidad de aprender de los mejores a través de comparar resultados. Varios grupos están trabajando en ello, incluyendo al proyecto IMPACT de la Society of Critical Care Medicine y a la base de datos ICON de la Australian and New Zealand Intensive Care Society (ANZICS).



DIAPOSITIVA 8


BDM-TI son las siglas de Base de Datos Multicéntrica de Terapia Intensiva, uno de los proyectos del Comité de Informática y Comunicaciones Electrónicas de la AMMCTI. Los principales objetivos son: a) ofrecer a las unidades de terapia intensiva afiliadas una herramienta para obtener información estadística de los enfermos que ingresa, b) ofrecer información comparativa respecto a la media multicéntrica y a estándares internacionales y c) realizar trabajos de investigación multicéntricos.

DIAPOSITIVA 9


En 1997 se llevaron a cabo dos encuestas simultáneas. La primera dirigida a conocer el estado actual de desarrollo informático y la segunda orientada a conocer el estado actual en el campo del desarrollo y utilización de bases de datos. Ambas encuestas fueron enviadas a 150 unidades distribuidas en la República Mexicana.

Solamente respondieron 33 (22%). Ocho (24%) disponían de una base de datos y de ellas 6 eran llevadas en una computadora. El sistema gestor de bases de datos (SGBD) más frecuentemente usado era dBASE. La antigüedad iba de 3 meses a 6 años y estaban orientadas la mayoría a aspectos administrativos y de control de calidad. Todos los encuestados expresaron el deseo de participar en una base de datos multicéntrica y compartir datos e información.



DIAPOSITIVA 10


A pesar de que pocas unidades tenían una base de datos, en más del 50% de ellas había personas con experiencia en el uso de bases de datos y en pocas unidades había personas con experiencia en el diseño de las mismas.

Cuando se les interrogó respecto a su posible incorporación a una base de datos multicéntrica, a la pregunta de ¿qué instrumento de captura usaría?, respondieron en su mayoría “papel”. La mayor parte podrían asignar un tiempo de hasta 20 minutos por ingreso para las tareas de obtención y captura de datos.

También, la mayoría asignaría esta última función a médicos del “staff “. En la misma encuesta se envió una lista de 110 variables para conocer si, a su juicio, eran importantes en la estructura de una base de datos de estas características y si las unidades podrían enviarlas consistentemente a la central. Casi la totalidad de las variables fueron consideradas importantes y susceptibles de ser enviadas a la central.

DIAPOSITIVA 11


El proyecto requirió de un trabajo de diseño que incluyó la elaboración de políticas, normas, perfiles de puestos y más, con el propósito de asegurar el funcionamiento del sistema. La responsabilidad de manejar datos de enfermos y de unidades así lo requería.

DIAPOSITIVA 12 y 13


El trabajo de programación fue llevado a cabo por los profesionales que se presentan en la diapositiva.

Para su elaboración se usó Visual FoxPro 5.0, un SGBD relacional que permite programación orientada por objetos. Los propósitos principales eran: a) crear una herramienta con interfase amigable, b) campos estructurados con opciones mútuamente excluyentes, c) ayudas en línea que asistan en la unificación de criterios, d) herramientas que permitan personalizar campos, respaldar, restaurar y exportar datos y e) reportes prediseñados.



DIAPOSITIVA 14


Esta es la pantalla que permite incorporar los datos demográficos de los enfermos al ingreso a la UTI.

DIAPOSITIVA 15


Este es un ejemplo de un reporte.

DIAPOSITIVA 16


En el momento de este escrito hay tres unidades que siguen capturando datos y enviándolos a la central; dos unidades han iniciado la capacitación de su personal para la captura de datos. Los resultados que se presentan a continuación pertenecen a dos trabajos de investigación que se elaboraron con los datos centralizados hasta el mes de julio de 1999.

DIAPOSITIVA 17


Para entonces se contaba con 1173 ingresos centralizados, de los cuales se excluyeron a 402 (reingresos, alta a otro hospital, menores de edad, coronarios, cirugías cardiacas, registros incompletos, quemados) debido a que así lo requerían los criterios de los trabajos que presentaremos a continuación. Algunos datos demográficos se presentan en esta diapositiva.

DIAPOSITIVA 18


El primer trabajo tiene el objetivo de evaluar el rendimiento de cuatro modelos matemáticos para predecir la mortalidad (APACHE II, SAPS II, MPM II-0 y MPM II-24). El software de la base de datos incluye una herramienta para ingresar todos los datos necesarios y calcula automáticamente estos indicadores. Para el análisis fue necesario crear programas para automatizar el cálculo de las herramientas estadísticas que sirvieron para analizar la capacidad discriminativa y la calibración de cada una de las escalas, así como para saber si existían diferencias estadísticamente significativas.

DIAPOSITIVA 19


Para evaluar la capacidad discriminativa se elaboraron curvas ROC y se calculó el área por debajo de la curva de cada uno de los modelos y se obtuvo la significancia estadística de las diferencias. En esta diapositiva se representan a los cuatro modelos (rojo: APACHE II, azul: SAPS II, amarillo: MPM II-24, verde: MPM II-0). El área por debajo de la curva es mayor de 0.8 para todos los modelos, lo que representa una buena capacidad discriminativa; sin embargo, el área de MPM II-0 es estadísticamente menor a la de los demás.

DIAPOSITIVA 20


Para evaluar la calibración de cada modelo hicimos una prueba de bondad de ajuste de acuerdo a las recomendaciones de Lemeshow y Hosner; para lo cual se requiere del cálculo de dos estadísticos (“C” y H”). El valor del estadístico “H” fue de 8.41, 15.27, 22.02 y 16.39 para APACHE II, SAPS II, MPM II-0 y MPM II-24 respectivamente; la significancia estadística fue p > 0.3, p > 0.05, p < 0.01 y p < 0.05 respectivamente. El valor del estadístico “C” fue de 10.8, 3.25, 17.5 y 5.2 para APACHE II, SAPS II, MPM II-0 y MPM II-24 respectivamente; la significancia estadística fue p> 0.2, p>0.9, p>0.02, p>0.7 respectivamente. La escala que logra un valor más bajo de cada estadístico y una valor de “p” más alto tiene mejor calibración. Aunque los resultados son bastante satisfactorios para los cuatro modelos, MPM II-0 fue el modelo menos aventajado. En la diapositiva se presentan las curvas de calibración para los cuatro modelos (verde: APACHE II, rojo: MPM II-24, azul: MPM II-0, violeta: SAPS II); en el eje horizontal la probabilidad de morir y en el eje vertical la mortalidad observada. Se puede apreciar que la calibración es mejor para los cuatro modelos en mortalidades menores del 50%; por arriba de este umbral, los modelos tienden a sobreestimar la mortalidad y su calibración es menos satisfactoria. En este trabajo concluimos que los cuatro modelos tienen un buen rendimiento en una muestra multicéntrica de UTIs mexicanas y que el método que menos ventaja ofreció fue MPM II-0.

DIAPOSITIVA 21


El segundo trabajo de investigación realizado con esta misma muestra de enfermos tuvo el objeto de evaluar el rendimiento de las tres unidades afiliadas hasta ese momento. Utilizamos el método del Dr. Rapoport . Este método requiere del cálculo de dos índices. El índice de rendimiento clínico estandarizado (IRCE) y el índice de rendimiento de utilización de recursos estandarizado (IRURE). El IRCE evalúa la diferencia entre la sobrevida observada y la sobrevida esperada de acuerdo a MPM II-0. El IRURE evalúa la diferencia entre la estancia esperada y la estancia observada; la estancia observada se pondera de acuerdo a si el enfermo es quirúrgico o no y a los días que permaneció en la UTI o en el hospital; la estancia esperada se obtiene de acuerdo a un modelo de regresión que toma en cuenta la gravedad de los enfermos y el porcentaje de enfermos quirúrgicos. Ambos indicadores se estandarizan para comparar los resultados de la unidad evaluada con los resultados de las unidades del trabajo original. En esta diapositiva se presenta el gráfico del Dr. Rapoport con los resultados de cada una de las unidades y del grupo total. En el eje horizontal están los valores del IRCE y en el eje vertical los valores del IRURE, en desviaciones estándar; los valores positivos indican una mayor sobrevida o una estancia más corta respectivamente, en relación a la media de las unidades del estudio original (valor “0”). Se puede observar que tanto los datos centralizados (punto rojo) como los de cada unidad difieren en menos de una desviación estándar de la media en lo referente al rendimiento clínico y tienen una estancia menor a la predicha. Aunque este método tiene sus limitaciones, si el tamaño de muestra es lo suficientemente grande puede ser un elemento más en la evaluación del rendimiento de una unidad de terapia intensiva.

DIAPOSITIVA 22


En este gráfico se comparan los tiempos de permanencia en ventilación mecánica de las tres unidades, a través de curvas de Kaplan Mayer. No se observa una diferencia estadísticamente significativa. El contar con una base de datos multicéntrica nos permite observar diferencias que identifiquen a sistemas organizativos o a estrategias asistenciales de las cuales podamos aprender para mejorar nuestros resultados y reducir los costos de atención.

DIAPOSITIVA 23


En mi búsqueda de información me encontré con esta frase, la cual creo que es muy significativa. Para obtener información útil para la toma de decisiones es necesario reducir el error al mínimo, crear sistemas que ofrezcan los datos oportunamente, en el mejor formato para que se puedan analizar, y contar con personas con los conocimientos y objetividad suficientes para su interpretación. Actualmente las unidades afiliadas al proyecto se benefician al disponer de una herramienta que les proporciona, en todo momento, estadísticas locales y cuentan además con reportes comparativos que les dan a conocer aspectos objetivos de su rendimiento, y con ello más elementos para su autoevaluación. Si estos datos e información y el esfuerzo que implica el tenerlos, puedan modificar los resultados, no lo se, pero creo que en la medida en que se cumplan los criterios expuestos en esta diapositiva, la probabilidad será mayor.

DIAPOSITIVA 24


Finalmente tengo que agradecer a muchas personas que siguen creyendo en el proyecto y quiero felicitar a los organizadores de este magnífico evento que, estoy seguro, marca un momento muy importante en el desarrollo de nuestra especialidad. Muchas gracias.


La base de datos está protegida por derechos de autor ©bazica.org 2016
enviar mensaje

    Página principal