Soporte a la decisión clínica
Sector: Hospitales, sistemas de salud, salud digital
El escenario
Imagina un hospital cuyo sistema comercial de soporte a la decisión solo dispara alertas para condiciones para las que fue configurado, usando los campos que su proveedor decidió exponer. Agregar una regla implica un pedido al proveedor y una larga espera.
Entonces aparecen dos necesidades. Una revisión muestra pacientes con diuréticos de asa cuyo potasio bajó del umbral a lo largo de varios ingresos, y ninguna regla lo vigilaba en esa ventana de tiempo. Farmacia también quiere alertar sobre combinaciones riesgosas de medicamentos en pacientes con una clase de condiciones definida en SNOMED CT, no un único código CIE.
Qué sale mal sin la herramienta adecuada
- Las reglas están codificadas en la aplicación o pertenecen al proveedor, así que cada regla nueva es un proyecto.
- Las reglas solo ven los datos de su propio módulo y no pueden seguir a un paciente a través de ingresos y ventanas de tiempo.
- Las listas de códigos de clases de fármacos y condiciones se mantienen a mano y se desactualizan en silencio cuando cambia la terminología.
- Es difícil mostrarle a un regulador qué reglas existen, qué cambió y cuándo.
Cómo se puede usar Atomik
- Mantén los datos longitudinales en un solo lugar. Consultas, resultados de laboratorio, medicación y diagnósticos se guardan en Atomik como datos openEHR, mediante una capa de integración conectada a la historia clínica.
- Escribe cada regla como una consulta guardada. Para el patrón fármaco-electrolito: una consulta de composiciones para pacientes con diuréticos de asa (con la expresión SNOMED CT
<< 387440002 | Loop diuretic |) y otra para potasio bajo el umbral en el último laboratorio, combinadas (Consultas combinadas, una función premium) para que ambas apliquen al mismo paciente. - Ejecuta las reglas donde decidas. Tu aplicación o programador llama a la consulta por la API REST con la frecuencia que necesites, y tu panel o flujo de alertas muestra los resultados. Atomik aporta los datos y la evaluación de la regla; cómo llegan las alertas a los clínicos depende de tu aplicación.
- Deja que informática clínica las mantenga. Las consultas se crean y editan en la consola web sin programar, y son artefactos con nombre y versionados.
- Que la terminología haga el trabajo. Usar expresiones SNOMED CT en lugar de listas de códigos hace que los medicamentos o condiciones nuevos de la clase queden incluidos en la siguiente ejecución.
- Muestra lo que existe. La biblioteca de consultas y su historial documentan qué reglas hay y cuándo cambiaron.
Cómo puede ayudar CaboLabs
La integración con la historia clínica y el modelado de los datos clínicos son trabajo de proyecto en el que puede ayudar CaboLabs, creador de Atomik: ver Integración de HIS e Implementación openEHR. Atomik no requiere los servicios de CaboLabs.
Qué te da esto
Una biblioteca de reglas clínicas que el equipo clínico administra y puede cambiar sin un ciclo de desarrollo, funcionando sobre todo el historial del paciente.
Por qué Atomik encaja
El valor está en mantener toda la historia de cada paciente en un solo lugar estructurado, de modo que una regla pueda mirar a través de ingresos y ventanas de tiempo, y en escribir la lógica de fármacos y condiciones una vez como concepto clínico en lugar de como una lista de códigos.
Para profundizar
¿Qué es el Soporte a la Decisión Clínica?
El CDS es un conjunto de herramientas, tecnologías y procesos que definen, gestionan y ejecutan reglas para generar contenido clínico significativo — alertas, recomendaciones y recordatorios — que apoyan a los clínicos durante la atención al paciente.
Considera una historia clínica completa con todos los datos de un paciente. Un clínico puede acceder a ella, pero procesar ese volumen de información, combinarla con protocolos clínicos, y correlacionar eventos a lo largo de una línea de tiempo está más allá de lo que cualquier persona puede hacer de forma confiable bajo presión de tiempo. El CDS automatiza esa correlación.
Un ejemplo simple: marcar a un paciente para un Papanicolaou si tiene más de 40 años y no se ha hecho uno en dos años. Una sola regla, automatizada, con impacto medible en la detección temprana del cáncer cervical. Multiplica eso por docenas de condiciones y perfiles de pacientes — Atomik sirve como la fuente de datos estandarizada y consultable que hace posible cada una de esas reglas sin reconstruir tu capa de datos cada vez.