La herramienta común de predicción de sepsis es menos precisa de lo que se afirma ُ

Uno de cada tres pacientes que mueren en el hospital tiene sepsis, una respuesta inflamatoria grave a la infección, caracterizada por disfunción orgánica, según los Centros para el Control y la Prevención de Enfermedades. Estas grandes pérdidas hacen que predecir qué pacientes corren el riesgo de sufrir una afección devastadora sea una prioridad para los médicos.

Un ímpetu adicional para identificar y tratar casos de sepsis radica en el hecho de que la sepsis sirve como una medida de calidad en todo el sistema, y ​​los hospitales son juzgados tanto por el Departamento de Salud y Servicios Humanos federal como por los CDC en cuanto a las tasas de sepsis. Lo que complica los esfuerzos para reducir la sepsis es lo difícil que es diagnosticar, con precisión y rapidez.

«La sepsis es algo que podemos saber con certeza que ocurre después del hecho, pero cuando se desarrolla, a menudo no está claro si un paciente ha sido infectado», dijo Karandep Singh, MD, MMSc, ​​profesor asistente de ciencias de la salud educativa y medicina en Michigan. sepsis o no «. medicamento. «Pero la piedra angular del tratamiento de la sepsis es el reconocimiento y el tratamiento oportunos».

Singh y sus colegas evaluaron recientemente un modelo de predicción de sepsis desarrollado por Epic Systems, un proveedor de software de atención médica utilizado por el 56 por ciento de los hospitales y sistemas de salud en los Estados Unidos en un nuevo artículo de investigación publicado en Medicina interna de JAMARevelan que la herramienta de predicción funciona significativamente peor de lo que indica la hoja de información del modelo, categorizando correctamente a los pacientes por riesgo de sepsis solo el 63 por ciento de las veces.

La paradoja radica en cómo se desarrolló el modelo, explicó Singh. El primer problema, dice, es que el modelo incluye datos de todos los casos que se han descrito como sepsis, lo cual es un problema porque «las personas facturan de manera diferente entre servicios y hospitales, y es bien sabido que tratar de averiguar quién tiene sepsis en los códigos de facturación. «Por sí solo, probablemente no sea exacto». En segundo lugar, al desarrollar el modelo, la aparición de la sepsis se definió como el momento en que intervino un médico, por ejemplo, ordenó antibióticos o análisis de laboratorio.

«En esencia, desarrollaron un modelo para predecir la sepsis que fue reconocido por los médicos en el momento en que fue reconocido por los médicos. Sin embargo, sabemos que los médicos pasan por alto la sepsis».

Para evaluar el modelo utilizando una definición de sepsis más consistente con la utilizada por Medicare y los CDC, el equipo de investigación analizó casi 40,000 ingresos hospitalarios en Michigan Medicine de 2018 a 2019, eliminando las puntuaciones de los pacientes que fueron alertados por el modelo de tener sepsis. después de dar positivo por sepsis, el médico ya ha intervenido. Al hacerlo, se elevó el área de la herramienta bajo la curva del 76 al 83 por ciento, según lo informado por Epic Systems, al 63 por ciento identificado por el estudio de validación.

Además, el modelo envió una alerta a aproximadamente 1 de cada 5 pacientes, y la mayoría de estos pacientes en realidad no tenían sepsis. «Cuando se le alerta, la probabilidad de que un paciente desarrolle sepsis durante el resto de su estadía en el hospital es del 12 por ciento. Básicamente, lo que esto significa es que incluso si solo evalúa a las personas la primera vez que se alerta al sistema, aún debe evaluar a 8 personas . Para encontrar un caso de sepsis «, dijo Singh.

Singh señaló que las herramientas de pronóstico vienen con una compensación. «La compensación es básicamente si alertar a un paciente que no tiene la condición esperada o no alertar a los pacientes que la tienen». Pero en este caso, si el sistema de salud estuviera usando el modelo de sepsis Epic para mejorar las métricas de calidad, «realmente no podría hacer eso».

Singh dijo que los hallazgos del estudio apuntan a la necesidad de una mayor supervisión regulatoria y gobernanza de las herramientas de software clínico, así como la necesidad de más modelos de código abierto que puedan ser fácilmente validados externamente y apagados si resulta que no lo son. es útil.

Agregó que Epic no se equivoca en su análisis. «Diferimos en nuestra definición del inicio y el momento de la sepsis. En nuestra opinión, su definición de sepsis basada únicamente en los códigos de facturación es inexacta y no es una definición clínicamente significativa para un sistema de salud o para los pacientes».