El farmacéutico e investigador del grupo de investigación de farmacia clínica Javier Ramos está trabajando en una herramienta informática que prediga el riesgo de problemas relacionados con la medicación que se pueden dar en los servicios de urgencias
Los servicios de urgencias atienden a diario a cientos de pacientes. Sólo en el Parc Taulí, cada día hay más de 300 personas que necesitan atención médica urgente. Este volumen de pacientes también supone un reto logístico para el servicio de farmacia hospitalaria, que debe dar respuesta a todas las necesidades farmaco-terapéuticas, a veces complejas, que permitan tratar a estos pacientes.
Los profesionales farmacéuticos clínicos velan por que los medicamentos prescritos a los pacientes contribuyan a los mejores resultados de salud posibles. Para garantizarlo, tienen la compleja tarea de evaluar la idoneidad, eficacia y seguridad del uso de los medicamentos para un gran número de pacientes. Por este motivo, es necesario priorizar la atención en función del grado de urgencia, es decir, del riesgo de sufrir un problema relacionado con la medicación (PRM, por sus siglas) durante la estancia en Urgencias. pero ¿cómo se puede priorizar esta atención farmacéutica?
Ante este reto, el farmacéutico e investigador del grupo de investigación de farmacia clínica Javier Ramos, está trabajando en el desarrollo de una herramienta informática que prediga e indique el riesgo de PRM y que sirva para priorizar la atención farmacéutica en los servicios de urgencias.
Este proyecto es el objeto del doctorado de Ramos, que lleva a cabo en la Universidad Autónoma de Barcelona bajo la dirección de Gema Muñoz Gamito y Susana Redondo Capafons y la tutorización de Caridad Pontes. Ramos subraya que esta herramienta será un “score” predictivo que ofrezca una puntuación de forma actualizada del riesgo de cada paciente y permita priorizar la atención farmacéutica.
Detecté la necesidad de disponer de un “score” que prediga los PRM y valore la urgencia de atención al paciente, para saber cuál necesita una atención farmacéutica precoz
“El proyecto surge hace un año cuando detecté la necesidad de disponer de una herramienta en forma de “score” que permita predecir los PRM y valorar la urgencia de atención al paciente, para saber qué paciente necesita una atención farmacéutica precoz y, por tanto, cuál se pueda beneficiar más”. Actualmente existen algunos modelos disponibles pero tienen muchas limitaciones, afirma Ramos. “Por un lado, su nivel de evidencia es muy bajo y, por otro, tienen en cuenta variables del paciente que no es posible obtener, y si las tienes, es complicado saber cuál contribuye más a un PRM”.
Un proyecto premiado por la SEFH
El proyecto ha sido distinguido con el tercer premio en el Foro de Innovación de la Sociedad Española de Farmacia Hospitalaria y estuvo nominado entre las 10 mejores comunicaciones operativas del 67 Congreso de esta entidad, que tuvo lugar el pasado noviembre en Barcelona.
El proyecto ha conseguido el 3r premio en el Foro de Innovación de la SEFH y estuvo nominado entre las 10 mejores comunicaciones operativas de su 67 Congreso
“La comunicación que presentamos demuestra que utilizando esta estratificación conseguimos que el 80% de los pacientes de Urgencias con una solicitud de ingreso tuvieran atención farmacéutica antes de las 15:00 h.
Las fases del proyecto
Actualmente el proyecto se encuentra en una primera fase de desarrollo, en la que un equipo multidisciplinar de profesionales —entre ellos un grupo internacional de farmacéuticos, urgentólogos, médicos de especialidades médicas y quirúrgicas, enfermeras, una trabajadora social e informáticos— trabaja para identificar y analizar las variables que pueden darse en pacientes con el objetivo de detectar PRM, y demostrar el impacto de la atención farmacéutica precoz en pacientes con mayor riesgo de PRM.
Una vez se haya llegado a un consenso, que se realizará siguiendo la metodología Delphi, este sistema se pondrá en marcha en el Parc Taulí para, en una fase posterior, poder implementarlo en otros hospitales. El objetivo final es desarrollar con inteligencia artificial y machine learning una herramienta informática para la historia clínica electrónica que prediga el riesgo de PRM y sea útil para cualquier hospital.
Deje un comentario