Personalized Risk Prediction Tool for Deceased Donor Kidney Offers: Stakeholder Perspectives from a Qualitative Study

Un estudio cualitativo con pacientes y profesionales de trasplantes en el Hospital de la Universidad de Nuevo México reveló que una herramienta de predicción de riesgos personalizada para riñones de donantes fallecidos debe priorizar explicaciones en lenguaje sencillo, visualizaciones claras y una integración fluida en el flujo de trabajo clínico para fomentar la aceptación de órganos y reducir el descarte.

Lo esencial

🍎 El "GPS" para el Donante de Riñón: Un Estudio sobre una Nueva Herramienta

Imagina que el sistema de trasplantes de riñones es como un gran aeropuerto. Hay miles de pasajeros (pacientes) esperando un vuelo (un riñón) para llegar a su destino (salud). Pero hay un problema: a veces, el avión que llega tiene algunas "averías" o es un modelo más viejo. Los pilotos (médicos) y los pasajeros tienen miedo de subir a ese avión porque no saben si llegará bien a su destino. Como resultado, muchos aviones perfectos se quedan en tierra y se "descartan", mientras los pasajeros siguen esperando.

Este estudio habla de cómo un equipo de la Universidad de Nuevo México creó una nueva herramienta digital (una aplicación) para ayudar a tomar esa decisión difícil.

1. El Problema: El Mapa Antiguo no Funciona

Antes, los médicos usaban un mapa antiguo llamado KDPI. Es como un pronóstico del tiempo general: dice "en esta ciudad hace frío". Pero no te dice si tu coche específico aguantará el frío.

• El problema: Este mapa antiguo solo mira al donante (el avión), pero ignora al paciente (el pasajero). No le dice al médico: "Oye, este avión viejo es perfecto para este pasajero que lleva años esperando, aunque no lo sea para otro".
• La consecuencia: Se tiran muchos riñones que podrían salvar vidas porque nadie se atreve a usarlos.

2. La Solución: La App "Calculadora de Riesgo"

Los investigadores crearon una aplicación prototipo. Imagina que es como un TurboTax médico o un GPS personalizado.

• En lugar de decirte "el tráfico está mal en general", el GPS mira tu coche, tu ruta y tu destino y te dice: "Si tomas esta carretera, llegarás en 3 horas".
• Esta app toma los datos del donante y los del paciente y calcula: "Si aceptas este riñón, ¿cuáles son tus posibilidades de vivir 5 años más?".

3. ¿Qué dijeron las personas? (El Estudio)

Los investigadores no solo construyeron la app; se sentaron con tres grupos de personas para preguntarles: "¿Les gusta esto? ¿Cómo lo usarían?".

• Los Pacientes: Dijeron: "¡No nos abrumen con números fríos! Queremos historias claras. En lugar de decirnos '0.85 de probabilidad', díganos '85 de cada 100 personas como usted viven bien'". También pidieron que les explicaran cosas raras como el virus de la Hepatitis C (que hoy en día se cura fácil con pastillas, pero la gente sigue teniendo miedo).
• Los Médicos: Dijeron: "Es genial, pero no queremos que la app decida por nosotros. Queremos que sea una segunda opinión que nos dé confianza para aceptar riñones más arriesgados".
• Los Coordinadores: Dijeron: "Tienen que ser rápidos. Cuando llamamos a un paciente para ofrecerle un riñón, es una llamada telefónica urgente. La app tiene que funcionar en el teléfono y ser muy fácil de entender en 5 minutos".

4. Las Reglas del Juego (Lo que aprendieron)

Para que esta herramienta funcione en la vida real, los participantes sugirieron tres cosas clave:

1. Lenguaje Humano: Nada de jerga médica complicada. Si el donante tiene Hepatitis C, la app debe decir: "Es como llevar un paraguas; hay riesgo, pero tenemos una cura garantizada".
2. Diseño Sencillo: Como una app de compras fácil de usar. Gráficos simples, porcentajes claros y sin abreviaturas raras.
3. Realidad: Saber que a veces el paciente está lejos, no tiene internet rápido o está muy asustado. La herramienta debe ser flexible y no exigir que el paciente haga cálculos matemáticos.

5. El Mensaje Final

La conclusión es que esta app no es una bola de cristal mágica que sabe el futuro. Es más bien como un linterna potente en una noche oscura.

• No elimina la oscuridad (el riesgo siempre existe).
• Pero ilumina el camino lo suficiente para que el médico y el paciente puedan ver las piedras, tomar una decisión juntos y, lo más importante, atreverse a aceptar esos riñones que antes se tiraban.

En resumen: El estudio dice que si hacemos las herramientas de decisión más humanas, claras y fáciles de usar, podremos salvar más riñones y, por ende, más vidas.

Resumen técnico

Aquí tienes un resumen técnico detallado del estudio en español, estructurado según los componentes solicitados:

Título del Estudio

Herramienta de Predicción de Riesgos Personalizada para Ofertas de Riñones de Donantes Vivos: Perspectivas de las Partes Interesadas de un Estudio Cualitativo

---

1. El Problema

La tasa de rechazo de riñones de donantes fallecidos en Estados Unidos ha aumentado, alcanzando casi el 25% en 2022. A pesar de que el trasplante renal es el tratamiento preferido para la enfermedad renal en etapa terminal (ESRD), persiste una gran incertidumbre en la toma de decisiones en tiempo real, especialmente para órganos de "mayor riesgo" (donantes mayores o con comorbilidades).

Los desafíos principales incluyen:

• Limitaciones de las herramientas actuales: Índices convencionales como el KDPI (Índice de Perfil del Donante de Riñón) y KDRI se centran únicamente en el donante y ofrecen evaluaciones de riesgo a nivel poblacional. No incorporan factores del receptor ni generan estimaciones de supervivencia individualizadas.
• Falta de soporte para la toma de decisiones compartida: Los proveedores carecen de herramientas que integren perfiles de donantes y receptores para comunicar riesgos de manera comprensible y utilizable en el flujo de trabajo clínico bajo presión de tiempo.
• Barreras cognitivas y de alfabetización: La información técnica compleja y el lenguaje médico denso dificultan que los pacientes comprendan las compensaciones (trade-offs) entre esperar un riñón "perfecto" o aceptar uno de mayor riesgo para evitar más tiempo en diálisis.

---

2. Metodología

El estudio empleó un diseño cualitativo basado en principios de diseño centrado en el usuario (User-Centered Design) y las Normas Internacionales para Ayudas a la Decisión del Paciente (IPDAS).

• Contexto: Centro de Trasplante Renal del Hospital de la Universidad de Nuevo México (UNMH).
• Participantes: 13 partes interesadas divididas en tres grupos:
  • 5 pacientes (4 candidatos a trasplante y 1 defensor de pacientes).
  • 3 coordinadores de trasplante.
  • 5 proveedores (3 médicos adjuntos y 2 practicantes avanzados).
• Procedimiento:
  • Se utilizó una demostración en vivo de un prototipo de aplicación web ("Kidney Risk Calculator") que genera proyecciones de supervivencia específicas para el par donante-receptor.
  • Se realizaron sesiones semiestructuradas (entrevistas individuales y grupos focales) de 45 a 60 minutos vía Zoom.
  • Se exploraron percepciones sobre: contenido, formato/funciones, utilidad funcional y barreras/facilitadores.
• Análisis de Datos:
  • Análisis temático reflexivo inductivo.
  • Dos analistas independientes revisaron las transcripciones, desarrollaron un código y utilizaron consultas de matriz en NVivo para visualizar la distribución de referencias codificadas entre los grupos de interesados.
  • No se buscó la saturación temática, ya que el objetivo era la evaluación formativa para la iteración del diseño.

---

3. Contribuciones Clave

El estudio identifica requisitos específicos para el diseño de herramientas de apoyo a la decisión en trasplantes que sean clínicamente significativas y centradas en el paciente:

1. Integración de Factores duales: La necesidad de herramientas que combinen variables del donante y del receptor, superando la limitación de los índices actuales (KDPI) que solo evalúan al donante.
2. Reformulación de la Comunicación de Riesgo: La evidencia sugiere que la información debe presentarse en lenguaje llano, utilizando porcentajes en lugar de decimales o fracciones, y evitando acrónimos médicos sin explicación.
3. Adaptación al Flujo de Trabajo Real: El diseño debe considerar las restricciones de la toma de decisiones en tiempo real (llamadas telefónicas, confidencialidad del donante, acceso limitado a internet) y no solo la precisión predictiva del modelo.
4. Educación Contextual: La necesidad crítica de educar sobre donantes con Hepatitis C (HCV) y criterios de Servicios de Salud Pública (PHS) para desmitificar riesgos obsoletos en la era de los antivirales de acción directa (DAA).

---

4. Resultados Principales

Los hallazgos se organizaron en tres dominios principales:

A. Contenido (¿Qué quieren ver los usuarios?)

• Educación sobre HCV y PHS: Los pacientes y coordinadores solicitaron módulos educativos claros sobre los riesgos y beneficios de los donantes HCV positivos, ya que existe confusión generalizada sobre el riesgo de infección.
• Compensaciones (Trade-offs): Se enfatizó la necesidad de hacer visible el tiempo en diálisis y el deterioro asociado, ayudando a los pacientes a entender el valor de aceptar un riñón de mayor riesgo ahora frente a esperar uno "mejor".
• Variables Clínicas: Los proveedores sugirieron incluir variables como el control de la diabetes (HbA1c), el cumplimiento en diálisis, el tamaño del riñón y el tiempo de isquemia fría, además de ajustar el peso de la HCV en el cálculo dado los buenos resultados actuales.

B. Formato y Características (¿Cómo debe mostrarse la información?)

• Narrativa y Visualización: Preferencia por narrativas en lenguaje sencillo (ej. "25% de supervivencia a 3 años") en lugar de tablas densas.
• Simplificación: Uso de porcentajes enteros, unidades del sistema imperial (EE. UU.) y eliminación de acrónimos (ej. escribir "Panel Reactivo Calculado" en lugar de solo "CPRA").
• Interfaz: Los pacientes prefirieron un flujo de entrada de datos paso a paso (similar a "TurboTax") para evitar la sobrecarga cognitiva.

C. Funcionalidad (Utilidad y Adaptación al Flujo)

• Rol de Soporte, no Decisor: El consenso fue que la herramienta debe apoyar el juicio clínico, no reemplazarlo.
• Barreras de Implementación:
  • Confidencialidad: En el momento de la oferta, los pacientes no tienen acceso a la historia médica completa del donante, lo que dificulta que usen la herramienta por sí mismos en tiempo real.
  • Acceso Digital: Preocupación por la brecha digital en poblaciones rurales y la presión de tiempo en las llamadas de oferta.
• Facilitadores: La herramienta podría aumentar la confianza de los proveedores para aceptar riñones de mayor riesgo y servir como herramienta educativa para que los pacientes procesen la información fuera de la consulta.

---

5. Significado e Implicaciones

Este estudio subraya que la precisión técnica de un modelo predictivo es insuficiente si la herramienta no es usable, comprensible y adaptable al contexto clínico real.

• Reducción del Rechazo de Órganos: Al proporcionar explicaciones claras y contextualizadas, estas herramientas pueden ayudar a reducir el "bypass" de ofertas (rechazo automático) y el aumento de la tasa de descartes de órganos, especialmente aquellos de mayor riesgo.
• Equidad en Salud: El diseño debe priorizar la accesibilidad (unidades imperiales, bajo ancho de banda, lenguaje simple) para no exacerbar las disparidades en poblaciones rurales o con baja alfabetización en salud.
• Futuro de la Investigación: Se requiere una evaluación prospectiva para determinar cómo el uso de estas herramientas afecta la comprensión del paciente, la comunicación clínica y las tasas reales de aceptación de riñones complejos.

En conclusión, la herramienta propuesta tiene el potencial de transformar la toma de decisiones en trasplantes al convertir datos complejos en información accionable y empoderadora, siempre que se diseñe con una comprensión profunda de las limitaciones del flujo de trabajo clínico y las necesidades de los pacientes.