¿Que ventajas tiene la prescripción electrónica, en horas de trabajo, carga de trabajo y errores de médicos ?

Queria compartir con ustedes este interesante articulo del JAMA  sobre los sistemas  de prescripcion electronica y el apoyo que ofrecen  para evitar el error medico. Trabajar más de 8 horas aumenta el número de errores de prescripción y los sistemas son una gran ayuda cuando el medico esta agotado. Un interesante trabajo analizó los errores de prescripción de medicamentos en relación con la duración de los turnos médicos, y los resultados demuestran algo que se intuía, pero donde no había datos cuantitativos.

Es un trabajo de análisis de errores de medicación entre los años 2012 y 2017 en el Sheba Medical Center en Israel. Los resultados son contundentes.

Este trabajo salio publicado en el 

Volume 28

Issue 6

 June 2021 Link al artículo

https://doi.org/10.1093/jamia/ocaa219

Segun este articulo los médicos tenían más del doble de probabilidades de prescribir con un error de medicación si hacían un segundo turno o un tercer turno seguido (trabajar más de 8 horas, o trabajar más de 16 horas seguidas) - los turnos son de 8 horas.

Probabilidad de error %

Único turno (8hs) 0,88%

Doble turno (16hs) 1,88%

Tercer turno seguido (24hs) 2,10%

Los errores también están relacionados con turnos de trabajo más complejos, donde los médicos eran 8,2 veces más propensos a errar en la prescripción durante turnos de alta demanda (donde se realizan mayor número de prescripciones por usuario).

Este trabajo también deja de manifiesto la relación entre error de prescripción y experiencia médica. Los médicos que llevaban menos de 6 meses empleados cometían un 0,6% más errores que los médicos que tenían más de 2 años en la institución.

La falta de experiencia con un nuevo medicamento también está relacionado con un mayor riesgo de prescribirlo con error.

Número de veces utilizado % de error

Menos de 5 veces 0,37%

Entre 6 y 10 veces 0,27%

Más de 40 veces 0,13%

El tipo de error de prescripción más común era el prescribir un medicamento con una dosis no-recomendada por algún resultado de laboratorio reciente del paciente (no ajuste de dosis), seguido por dosis erróneas (menores o mayores a las requeridas) y por último interacciones entre medicamentos.

En este hospital implementaron un sistema de soporte a la toma de decisiones que alerta al médico al prescribir de una forma no-esperada, y este sistema no está basado en reglas simples sino en un algoritmo de Machine Learning llamado MedAware que presenta una alerta ante una prescripción outlier.

El 76% de estas alertas son útiles para el grupo médico, pero presenta un 24% de alertas que no son útiles, lo que genera muchas veces, fatiga de alertas, que es el principal desafío que tienen estos sistemas.

Referencias

https://academic.oup.com/jamia/article-abstract/28/6/1074/5943221?redirectedFrom=fulltext