An Online Survey of Healthcare Professionals to Understand the Use of Clinical Prediction Models in Practice
Este estudio encuestó a 157 profesionales de la salud para revelar que, si bien los modelos de predicción clínica son generalmente valorados y ampliamente utilizados, su implementación efectiva se ve obstaculizada por problemas de integración en el flujo de trabajo, incertidumbre regulatoria e adopción inconsistente, lo que requiere un esfuerzo coordinado para asegurar que los modelos sean transparentes, fáciles de usar y rigurosamente validados para la práctica en el mundo real.
Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta es una explicación generada por IA del artículo a continuación. No ha sido escrita ni avalada por los autores. Para mayor precisión técnica, consulte el artículo original. Leer descargo de responsabilidad completo
Imagina el cuerpo humano como una ciudad enorme y bulliciosa donde ocurren millones de eventos diminutos cada segundo. Los médicos son los planificadores urbanos que intentan mantener todo funcionando sin problemas, pero a veces necesitan un poco de ayuda para predecir atascos de tráfico, cortes de energía o tormentas antes de que ocurran. Aquí es donde entran en juego los Modelos de Predicción Clínica (MPC). Piensa en estos modelos no como bolas de cristal mágicas, sino como aplicaciones meteorológicas altamente sofisticadas para el cuerpo humano. Toman un montón de pistas diferentes —como la edad de una persona, su historial familiar o sus síntomas actuales— y procesan los números para adivinar la probabilidad de un evento de salud futuro, como un ataque al corazón o un derrame cerebral. Si bien se supone que estas herramientas digitales son los compañeros definitivos para los médicos, permitiéndoles tomar decisiones más rápidas y seguras, hay un misterio: ¿por qué no se usan en todas partes? Algunos médicos confían plenamente en ellos, mientras que otros apenas saben que existen. Comprender esta brecha es crucial porque, si no podemos poner estas herramientas útiles en manos de las personas que las necesitan, podríamos perder la oportunidad de salvar vidas o prevenir enfermedades.
Este artículo es como una encuesta de "levantar la mano" gigante y global enviada a profesionales de la salud para averiguar exactamente qué está pasando con estos modelos de predicción. Los investigadores, un equipo de la Universidad de Liverpool, querían saber: ¿Realmente usan los médicos y enfermeros estas herramientas? ¿Les gustan? Y si no las usan, ¿qué los detiene? Pidieron a 157 trabajadores sanitarios de todo el mundo (aunque la mayoría eran del Reino Unido) que completaran un cuestionario en línea.
Esto es lo que encontraron: La mayoría de las personas encuestadas (82%) sabía que estos modelos existían, y una sólida mayoría (71%) los utiliza de hecho en su trabajo diario. Cuando se les preguntó qué tan útiles eran, los profesionales les dieron una puntuación alta, con una mediana de 8 sobre 10. Parece que cuando estas herramientas funcionan, funcionan bien. Los modelos más populares fueron los que predicen riesgos relacionados con la edad, como la puntuación CHA2DS2-VASc (que comprueba el riesgo de accidente cerebrovascular) o QRISK (que analiza el riesgo de ataque al corazón). Curiosamente, aunque la encuesta contaba con muchos médicos especializados en embarazo y salud de la mujer (Obstetricia y Ginecología), las herramientas específicas diseñadas para ellos fueron sorprendentemente menos utilizadas en comparación con las generales.
Pero la historia se pone más interesante cuando observamos cómo se utilizan estas herramientas. Los médicos y enfermeros tienen opiniones muy sólidas sobre lo que hace que una herramienta sea "buena". Quieren que sus modelos de predicción sean tan fáciles de obtener como un snack de una máquina expendedora. Las formas favoritas de acceder a estas herramientas son a través de sitios web (47%) y aplicaciones móviles (33%). Nadie quiere estar hojeando un manual de papel; quieren tocar una pantalla. En cuanto a ver los resultados, prefieren formatos visuales claros, como un porcentaje simple (por ejemplo, "15% de probabilidad") o un "mapa de calor" (una cuadrícula codificada por colores que muestra los niveles de riesgo de un vistazo).
Sin embargo, existen obstáculos serios. Los mayores impedimentos no son que las herramientas tengan una mala matemática; es que a menudo son difíciles de integrar en el día a día ocupado del médico. La encuesta reveló que si una herramienta no está construida directamente dentro del sistema informático que el hospital ya utiliza (como los registros electrónicos de pacientes), es probable que sea ignorada. Otros obstáculos incluyen el no saber qué herramienta es la adecuada para un paciente específico, la preocupación sobre si la herramienta es considerada legalmente un "dispositivo médico" y una falta general de formación constante. Un médico señaló que si una herramienta no se enseña en la facultad de medicina o no es recomendada en las guías oficiales, es difícil lograr que todo el equipo la utilice.
Los investigadores sugieren que, para que estas herramientas realmente despeguen, deben ser transparentes, fáciles de usar y estar profundamente integradas en el software que los médicos ya utilizan. También señalan que a medida que la Inteligencia Artificial (IA) comienza a construir estos modelos, se vuelve aún más importante saber cómo el modelo llegó a su suposición, en lugar de simplemente confiar en una "caja negra". El artículo concluye que, si bien los profesionales de la salud valoran estos modelos, necesitamos dejar de solo construirlos y empezar a asegurar que realmente encajen en la práctica real, respaldados por reglas claras y una buena educación. Hasta entonces, estos ayudantes digitales podrían permanecer en la caja de herramientas, acumulando un poco de polvo mientras los médicos intentan descubrir cómo utilizarlos de la mejor manera.
¿Ahogado en artículos de tu campo?
Recibe resúmenes diarios de los artículos más novedosos que coincidan con tus palabras clave de investigación — con resúmenes técnicos, en tu idioma.