ARTÍCULO ESPECIAL

 

Papel del farmacéutico en el diseño, desarrollo e implantación de sistemas de soporte a la prescripción de medicamentos

The role of the Pharmacist in the design, development and implementation of Medication Prescription Support Systems

 

 

Núria Solà Bonada¹, Ana María Álvarez Díaz², Carlos Codina Jané³ y TECNO Work Group of the SEFH⁴

¹ Pharmacy Unit. Hospital Universitari de Vic. Barcelona,
² Pharmacy Unit. Hospital Universitario Ramón y Cajal, Madrid.
³ Pharmacy Unit. Hospital Clinic, Barcelona.
⁴ Teresa Bermejo Vicedo (Coordinator). Hospital Universitario Ramón y Cajal, Madrid. Ana Maria Álvarez Diaz. Hospital Universitario Ramón y Cajal, Madrid. Carlos Codina Jané. Hospital Clinic, Barcelona. Carmen Encinas Barrios. Hospital General de Ciudad Real. Maria Queralt Gorgas. Corporació Sanitària Parc Tauli, Sabadell. Ana Herranz Alonso. Hospital General Universitario Gregorio Marañón, Madrid. Amelia de La Rubia Nieto. Hospital Universitario Virgen de la Arrixaca, Murcia. Isabel Martin Herranz. Complejo Hospitalario Juan Canalejo, La Coruña. Eva Negro Vega. Hospital Universitario de Getafe. Moisés Pérez León. Hospital Universitario de Gran Canaria Doctor Negrin. Laura Domenech Moral. Hospital Vall d'Hebron. Elena Lobato Matilla. Hospital General Universitario Gregorio Marañón. Spain.

Dirección para correspondencia

 

 

---

RESUMEN

Los sistemas de soporte a la decisión clínica son herramientas informáticas diseñadas para ayudar a los profesionales sanitarios en la toma de decisiones clínicas y terapéuticas, con la finalidad de mejorar la atención a los pacientes. Los sistemas dirigidos a la prescripción son los que mayor impacto tienen en la mejora de la seguridad de los pacientes. Aunque existen diferentes diseños y funcionalidades, estos sistemas coinciden en combinar de manera inteligente el conocimiento clínico y la información de los pacientes, para mejorar el proceso de prescripción. Con la aparición de las nuevas tecnologías y el avance de los sistemas inteligentes de decisión, la implantación de estos sistemas puede lograr una mejora importante en el proceso de prescripción y en la seguridad de los pacientes.
El diseño e implantación de estos sistemas se debe llevar a cabo por un equipo multidisciplinar de profesionales, donde el farmacéutico tiene un papel destacado gracias a sus conocimientos técnicos sobre los medicamentos y sobre las tecnologías asociadas a la utilización de los mismos.
Con este artículo se pretende aportar las directrices básicas para el diseño y la correcta implantación, monitorización y seguimientos de los Sistemas de Soporte a la Decisión Clínica en el ámbito de la prescripción farmacológica.

Palabras clave: Sistemas de soporte a la decisión; Prescripción; Sistemas de alerta de medicación.

---

ABSTRACT

Clinical Decision Support Systems (CDSS) are computerized tools designed to help healthcare professionals to make clinical and therapeutic decisions, with the objective of improving patient care. Prescription-targeted CDSS have the highest impact in improving patient safety. Although there are different designs and functionalities, all these systems will combine clinical knowledge and patient information in a smart manner, in order to improve the prescription process. With the emergence of new technologies and advances in smart decision systems, the implementation of said systems can achieve an important improvement in terms of the prescription process and patient safety.
The design and implementation of these systems should be performed by a multidisciplinary team of professionals, where Pharmacists will play an important role due to their technical knowledge about medications and the technologies associated to their use.
This article aims to provide basic guidelines for the design and adequate implementation, monitoring and follow-up of Clinical Decision Support Systems within the setting of pharmacological prescription.

Key words: Decision Support Systems; Prescription; Medication alert systems.

---

 

Introducción

En las últimas décadas se ha producido un importante avance en el desarrollo de tecnologías aplicadas al ámbito sanitario. Diversas organizaciones internacionales y nacionales, como el Institute of Medicine¹, Joint Commission on Accreditation of Healthcare Organizations², National Patient Safety Foundation³, American Medical Informatics Association⁴, National Quality Forum⁵, Healthcare Information and Management Systems Society⁶ o el Ministerio de Sanidad y Política Social⁷, abogan por que las organizaciones sanitarias dispongan de sistemas de información que mejoren la calidad, la seguridad y el coste-efectividad en el cuidado del paciente.

La prescripción electrónica asistida (PEA), los sistemas automatizados de dispensación de medicamentos (SAD), la historia clínica electrónica (HCE) y los registros electrónicos en la administración de medicamentos son claros ejemplos de cómo las tecnologías se van incorporando en el proceso asistencial incrementando la calidad, seguridad y eficiencia de cada etapa asistencia^{8, 9}. El 50% de los acontecimientos adversos relacionados con errores de medicación son evitables y la implantación de estas tecnologías pueden ayudar a disminuirlos^10-12. En nuestro país, el estudio ENEAS demostró que un 42, 8% de los eventos adversos eran evitables, y que más de un tercio de estos eventos adversos estaban relacionados con la medicación¹³.

Muchos sistemas de HCE y PEA incorporan además sistemas de soporte a la decisión clínica (SSDC)¹⁴. Estos SSDC son herramientas informáticas diseñadas para ayudar a los profesionales sanitarios en la toma de decisiones clínicas y terapéuticas, con la finalidad de mejorar la atención a los pacientes. Pueden incorporarse en cualquiera de las etapas del proceso de atención sanitaria, como el diagnóstico, el tratamiento o la prevención, así como a cualquier profesional del equipo asistencial. No obstante, en el campo de la utilización del medicamento y en concreto en la etapa de prescripción farmacológica, es donde más han evolucionado.

El objetivo de este artículo es describir las características de los SSDC y las recomendaciones para su diseño, implantación y seguimiento.

 

Definición y características de los SSDC

Los SSDC son un grupo de herramientas informatizadas que integran información sobre medicamentos y datos relacionados con los procesos clínicos de los pacientes^{15, 16}. Estos sistemas combinan de manera inteligente el conocimiento clínico y la información de los pacientes, presentando recomendaciones al profesional adecuado, en el momento preciso, y ofreciendo alternativas relacionadas específicamente con las características del paciente¹⁷.

El diseño de estos sistemas, se basa en la combinación de los datos clínicos incluidos en la HCE de los pacientes, con la información disponible sobre la utilización de un medicamento. Mediante criterios de decisión, estructurados dentro del sistema informático, éste activa los procesos de alerta en los casos en que la utilización de un medicamento requiere una acción determinada según las características clínicas del paciente. Estos sistemas pueden dirigirse a todas las fases del proceso de utilización de los medicamentos: prescripción, validación, administración, seguimiento, etc., aunque son más efectivas en las fases tempranas del mismo, como es la prescripción¹¹.

Existen diferentes formas de clasificar los SSDC (Tabla 1):

 

 

En función de la configuración, diseño y/o funcionamiento, los sistemas de apoyo a la prescripción se pueden clasificar en pasivos o activos¹⁸. Los primeros son de selección voluntaria, donde el usuario debe seleccionar la visualización de la información de forma proactiva en el sistema, mientras que en los activos se dispara un aviso de forma automática frente a unas determinadas condiciones. Estos son los que han demostrado tener un mayor impacto en la detección de problemas relacionados con la medicación¹⁹. Por otra parte estos procesos de alerta pueden tener solo carácter informativo o promover la interrupción de la acción. Estos últimos están destinados a interrumpir el proceso que se está desarrollando, permitiendo al médico finalizar o no la prescripción en función del grado de importancia de la recomendación. Kupperman GJ et al, definieron dos tipos de SSDC. Los SSDC básicos, en los que se generan alertas sobre alergias, interacciones entre fármacos, dosis máximas o mínimas, o duplicidades farmacológicas, y los SSDC avanzados que contienen datos de los pacientes (parámetros de laboratorio, situaciones clínicas, etc.), guías de práctica clínica estructuradas, protocolos y que permiten selección y dosificación de fármacos según comorbilidades. Además facilitan la conciliación entre niveles asistenciales y la detección automática de eventos adversos basados en síntomas, datos de laboratorio, resultados diagnósticos y anotaciones sobre el paciente^{20, 21}. Los sistemas avanzados emiten una mayor proporción de alertas clínicamente relevantes que los sistemas básicos²².

 

Impacto de los SSDC en la seguridad del paciente

La posibilidad de integrar guías de práctica clínica, alertas que indiquen cambios de dosis o sugerencias de pautas más adecuadas en función del estado del paciente, puede llevar a la prevención de errores de medicación y a un aumento en la eficiencia de los tratamientos^20,23. Uno de los primeros estudios que demostró la prevención de acontecimientos adversos relacionados con los medicamentos con un programa de alertas informatizado fue desarrollado por Evans et al²⁴. En él, se encontró una reducción significativa de reacciones adversas gracias a la generación de alertas sobre alergias a los fármacos durante su prescripción. En otros estudios más recientes se describen sistemas que han sido perfeccionados con los que se ha observado una disminución en los errores de medicación²⁵, mejora en la adecuación de la prescripción a las condiciones clínicas de los pacientes²⁶, disminución de errores en la dosificación de fármacos²⁷ e incluso disminución de la estancia hospitalaria²⁸. Estudios más específicos muestran cómo la implantación de sistemas de soporte a la decisión clínica puede evitar que el paciente reciba una dosis de un fármaco contraindicada según su función renal²⁹; permitir que los pacientes reciban el tratamiento adecuado para la profilaxis del tromboembolismo venoso con heparina³⁰, o que se seleccionen los antibióticos en función de las sensibilidades y resistencias bacterianas³¹. Estos sistemas también pueden diseñarse para focalizar la atención en poblaciones de mayor riesgo, como pueden ser los pacientes ancianos³², pediátricos³³, pacientes ingresados en unidades de cuidados intensivos³⁴ o pacientes polimedicados en los que la probabilidad de errores de medicación es mayor³⁵.

Durante los últimos años, en estos sistemas, se está incorporando la farmacogenética para incrementar la seguridad en el proceso de prescripción de fármacos de alto riesgo³⁶.

 

Diseño e implantación de SSDC

La implantación de estos sistemas se inició hace más de 20 años, siendo en Estados Unidos donde más se han desarrollado³⁷. Aunque su implantación se propuso como una meta a alcanzar rápidamente, impulsada por las autoridades sanitarias de EEUU, su progreso ha seguido un ritmo lento, debido en parte a la complejidad de su desarrollo^16,38. Actualmente, en muchos países se están promoviendo iniciativas para abordar este reto.

En España, la experiencia publicada en la implantación de estos sistemas es menor que en otros países, por ello varios grupos de trabajo de la Sociedad Española de Farmacia Hospitalaria (SEFH) están realizando esfuerzos para incrementar su desarrollo^39,40.

De hecho uno de los objetivos de las líneas estratégicas del Grupo 2020 de la SEFH, es que el 80% de los hospitales disponga de un sistema de prescripción electrónica asistida, conectado y/o integrado en la historia clínica, que incluya bases de datos de información de medicamentos para la toma de decisiones clínicas. Según los resultados de la encuesta inicial realizada por este grupo en el año 2010, solamente disponían parcialmente de esta tecnología un 5, 4% de los hospitales encuestados⁴¹.

Durante los últimos años se han desarrollado diferentes sistemas de soporte a la prescripción y validación farmacéutica en hospitales de nuestro país como son el sistema "HIGEA", implantado en el Hospital Gregorio Marañón (Madrid-España)⁴², o los aplicativos "Check-TheMeds"⁴³ o "AltoMedicamentos"⁴⁴ disponibles en diferentes hospitales de España, como el hospital Ramón y Cajal de Madrid o el hospital Nacional de Parapléjicos, respectivamente.

 

Claves para el diseño y la implantación de los SSDC

En el diseño e implementación de los SSDC deben considerarse 3 etapas, que se resumen a continuación en la figura 1:

1. Constituir un equipo de trabajo pluridisciplinar

La creación de un equipo de trabajo multidisciplinar integrado por diferentes profesionales es imprescindible para el diseño, implantación, mantenimiento y seguimiento de los SSDC. Es importante que este equipo esté formado tanto por los profesionales informáticos que participan en el diseño/creación de estas herramientas, como por los usuarios que las utilizan (médicos, farmacéuticos y el resto de personal sanitario implicado) y que pueden indicar las necesidades a desarrollar. El mantenimiento de las bases de datos que respaldan el sistema debe ser continuo, y la información y las alertas en el sistema deben estar consensuadas por todos los miembros de este equipo^38,45.

Este equipo de trabajo ha de estar liderado por el farmacéutico. Sus conocimientos técnicos en sistemas de información aplicados al proceso de utilización de medicamentos y su participación activa con otros profesionales sanitarios y no sanitarios en este contexto, es clave para realizar la selección más adecuada de las tecnologías, estimando el valor y contribución de cada una de ellas en la mejora del proceso de atención sanitaria. El farmacéutico tiene una posición privilegiada para abordar la selección y evaluación de los sistemas que más se ajustan a cada situación, formar parte de los grupos de trabajo de diseño e implantación, ser el interlocutor entre usuarios, diseñadores, programadores y evaluar los resultados de la implantación y el efecto sobre la atención que pueden aportar estos sistemas⁹.

2. Definir las características funcionales

Para poder diseñar e implantar un SSDC es necesario disponer de los siguientes requisitos:

• Prescripción Electrónica Asistida.

• Historia Clínica informatizada.

• Sistema informático capaz de reconocer/interpretar los datos clínicos necesarios para crear los criterios de decisión.

Una vez asegurados estos requisitos, el diseño de los SSDC debe contemplar fundamentalmente 4 parámetros: los datos fuente, los "triggers" o parámetros de alerta, las intervenciones y las alternativas a ofrecer^{46, 47} (Figura 2).

A modo de ejemplo, los elementos necesarios para implantar un SSDC sobre la dosificación de fármacos en insuficiencia renal, serían⁴⁸:

• Datos fuente: medicamentos que deben ajustarse por función renal, el valor del aclaramiento de creatinina a partir del cual debe ajustarse la dosis de fármaco y la dosis recomendada del fármaco cuando la función renal está alterada.

• Trigger o parámetro de alerta: valor del aclaramiento de creatinina disponible en la analítica más reciente, correspondiente al episodio de ingreso/atención del paciente.

• Intervención: señal de alerta de que se ha prescrito un fármaco que requiere ajuste de dosis en insuficiencia renal. El método y momento de la intervención es variable y modificable, pudiendo alertar en el momento de selección del fármaco, en el momento de prescribir la dosis o solamente como mensaje informativo.

• Alternativa a ofrecer: informar de la dosis recomendada en función del aclaramiento de creatinina del paciente.

Para que su uso se consolide, el diseño y las características de estos sistemas deben adaptarse de forma adecuada a los sistemas de prescripción existentes en el centro. La implantación de estos sistemas informáticos no puede concebirse como un sistema estático, sino como un sistema complejo y dinámico que debe coordinarse con el proceso de prescripción. El software debe encajar perfectamente dentro del flujo de trabajo del clínico, ser intuitivo y maximizar el ahorro de tiempo en su uso, actuando en tiempo real.

Es imprescindible que el SSDC asegure que se cumplan los "5 rights" o "5 verdades" de los SSDC⁴⁹:

• Información correcta.

• Persona/profesional correcto.

• Formato de la intervención correcto.

• Vía de comunicación correcta.

• Momento correcto en el flujo de trabajo.

Debe tenerse especial precaución en evitar la emisión excesiva de alertas en situaciones clínicas irrelevantes ("alert fatigue" o "fatiga de alertas"), ya que la interrupción continua del flujo de trabajo del prescriptor conduce a una mayor omisión global de las alertas, omitiendo incluso aquellas consideradas más importantes^50,51.

3. Monitorización y seguimiento del funcionamiento de los SSDC

El objetivo principal de realizar una monitorización y seguimiento de los SSDC es garantizar la seguridad de estos sistemas. Pero además, la monitorización de todos los aspectos relacionados con la generación de las alertas es esencial para poder evaluar su impacto clínico y su eficiencia. Entre los parámetros a evaluar se encuentra el correcto funcionamiento de la herramienta, la idoneidad en el contexto clínico del paciente, la aceptación de las alternativas propuestas por el sistema o tiempo de respuesta¹⁴.

En la tabla 2 se presentan una serie de variables que pueden utilizarse como indicadores del correcto funcionamiento de la herramienta y que pueden ayudar a medir la eficiencia de estos sistemas:

Dificultades en la implantación

El diseño e implantación de los SSDC no han evolucionado de la forma esperada debido a la existencia de ciertas barreras o dificultades:

• La falta de interoperabilidad e integración entre sistemas, que interfiere en la correcta obtención e interpretación de los datos clínicos para poder ser utilizados. La integración de diferentes sistemas implica que estos trabajen conjuntamente compartiendo los datos, mientras que la interoperabilidad permite que diferentes sistemas interactúen intercambiando datos de diferentes fuentes. De esta manera, el objetivo óptimo es la integración entre sistemas, siendo el más dificultoso de conseguir. En algunos casos, conseguir la interoperabilidad de los sistemas es suficiente para la implantación de ciertos SSDC.

• Dificultad para gestionar la información clínica procedente de las distintas bases de datos. Esto se debe principalmente a la falta de estandarización de la terminología utilizada, que conlleva, en ocasiones, a la obtención de datos desde texto libre o lenguaje natural dificultando el procesamiento de la información de los pacientes para alertar de forma adecuada.

• El mantenimiento y actualización constante de la información, con cambios requeridos según la utilización y evaluación de las alertas.

• El coste elevado de implantación y mantenimiento.

• Evidencia disponible insuficiente. La mayor parte de las experiencias publicadas se basan en evaluaciones de un único centro que ha desarrollado e implantado internamente un SSDC. Esto, unido a la heterogeneidad de los estudios en cuanto a metodología, variables estudiadas, etc., hace que los datos disponibles no sean suficientes para asegurar que la utilidad de estos sistemas sea extrapolable a otros centros⁵².

• Posibilidad de provocar consecuencias negativas en la seguridad de los pacientes. La evaluación de la implantación de los SSDC no siempre ha demostrado una mejora en los resultados en salud. Aunque el sistema está diseñado para evitar errores, una vez implantado, puede inducir consecuencias inesperadas durante su utilización, e incluso afectar directamente a la seguridad de los pacientes, generando nuevos tipos de errores^{53, 54}. Un estudio realizado por Strom et al., en el que se implantó un sistema de alertas para reducir la administración concomitante de warfarina junto a cotrimoxazol y evitar así la interacción, tuvo que ser suspendido prematuramente porque esta intervención provocó una demora en el tratamiento de 4 pacientes que fue considerada inaceptable por los clínicos evaluadores⁵⁵.

• Una de las causas principales de los efectos no deseados de los SSDC es la omisión de las alertas. Existen estudios que describen omisiones de entre un 49-96% de los casos¹⁷. Las principales razones por las que hay una baja respuesta por parte de los clínicos a las alertas automáticas son la gran cantidad de alertas de baja relevancia ("fatiga de alertas") y el diseño pobre de las mismas. Los clínicos tienden a obviar las alertas por la falta de especificidad de las mismas y porque creen que falta el conocimiento clínico adicional de la situación clínica dentro del contexto del paciente¹⁹.

Futuro del desarrollo de los SSDC

En el futuro, los esfuerzos deben ir encaminados a buscar soluciones a estas barreras que dificultan el desarrollo de los SSDC.

En este sentido, actualmente se dispone de nuevos avances tecnológicos en sistemas de salud, que pueden ayudar a mejorar algunas de las dificultades encontradas y que resumen en la tabla 3.

1. Interoperabilidad e integración

Un obstáculo hasta ahora difícil de superar es la interoperabilidad e integración entre sistemas informáticos. El intercambio de información clínica es básico para obtener unos sistemas sólidos de ayuda a la prescripción. Por este motivo existen organizaciones mundiales, como HL7, centradas en desarrollar estándares globales para facilitar el intercambio electrónico de información. Esta organización, que cuenta con la participación de más de 50 países, tiene como objetivo proveer estándares para el intercambio de información clínica, asistencial, administrativa y logística entre los diferentes sistemas de salud⁵⁶. HL7Spain, la organización que representa nuestro país en el ámbito internacional, regula y adapta los estándares mundiales al ámbito nacional y promociona el uso de esta estandarización. Entre los trabajos realizados destacan la "Guía de Implementación en Farmacia", donde se detalla un modelo de datos para el intercambio de información entre los distintos sistemas implicados en la prescripción, dispensación y administración de los fármacos, o su participación en un documento de estandarización para la implantación de la receta electrónica⁵⁷.

Otra guía de recomendaciones sobre la normalización de los elementos de los sistemas de información clínica es "The Microsoft Health Common User Interface"(MSCUI)⁵⁸. Esta guía desarrollada por Microsoft con colaboración de la Joint Comission, se basa en una serie de principios de seguridad y recomendaciones sobre normalización para que los profesionales de la salud puedan intercambiar información entre distintas aplicaciones, aumentando la eficacia de la información clínica y la mejora de la seguridad del paciente.

Otra estrategia para resolver al problema de la interoperabilidad, es la utilización de una terminología común en todos los sistemas. Un ejemplo es SNOMED CT (Systematized Nomenclature of Medicine - Clinical Terms), una terminología clínica internacional, que contiene más de 300.000 conceptos y más de 700.000 descripciones organizados en jerarquías y relacionados entre sí. Estos conceptos están dotados de un código numérico que permite que sistemas informáticos, que no fueron diseñados para ello, reciban e integren información procedente de otros sistemas de forma comprensible, respetando el significado original, sin necesidad de intervención humana. SNOMED CT, desarrollado por la IHTSDO (International Health Terminology Standards Development Organisation)⁵⁹, se está utilizando en más de 50 países de todo el mundo. La IHTSDO también trabaja conjuntamente con la OMS y con HL7 para codificar sus estándares con esta terminología⁶⁰. En España, SNOMED CT se utiliza ya en numerosos proyectos de normalización para sistemas de información clínica^61,62 y se puede emplear para codificar la medicación disponible y así disponer de un código de enlace entre las diferentes bases de datos de medicamentos⁶³.

Utilizando estas estrategias podemos dotar a los SSDC de un acceso más eficaz a la información clínica necesaria para una atención de mayor calidad e incluso contribuir a disminuir los costes asociados a la implantación de estos sistemas.

Los "Smartphones" y las "tablets" se están posicionando como nuevos dispositivos de hardware que pueden intervenir en el proceso de atención clínica. Estos dispositivos proporcionan información de manera personalizada e instantánea y ofrecen una comunicación rápida entre usuarios. Durante los últimos años se ha observado un aumento en la utilización de aplicaciones focalizadas a proporcionar ayudas en la atención clínica: calculadoras clínicas, guías de utilización/información de fármacos, interacciones, diagnóstico, etc^{64, 65}. La conectividad de estas aplicaciones con los datos clínicos, podría incrementar su rentabilidad, permitiendo un acceso automático a los datos necesarios y a los sistemas de alerta, proporcionando un punto extra de atención a pie de cama. No obstante, se debe seguir un proceso de regulación y encriptación exhaustivo para garantizar la seguridad de los datos introducidos, tanto personales como de pacientes, asegurando una interface segura entre los distintos sistemas operativos⁶⁶.

2 Sistemas inteligentes para la gestión de la información clínica

La complejidad de la información clínica que contempla el sistema sanitario, su variabilidad a lo largo del tiempo y la gran heterogeneidad de datos que contiene, hace difícil su formalización y representación en modelos informáticos precisos. No obstante, actualmente están apareciendo nuevas herramientas inteligentes que permiten mejorar la gestión de este tipo de datos y diseñar sistemas dinámicos y continuos con capacidad de aprender de sí mismos.

Las ontologías aparecen como una vía para resolver este problema⁶⁷. Una ontología es una estructura de conocimiento donde se representan un conjunto de conceptos y las relaciones semánticas entre ellos de manera formal. Las ontologías se estructuran de forma explícita y representan el conocimiento en un formato legible por las máquinas, que los humanos somos capaces de entender. La utilización de ontologías está aumentando rápidamente en el ámbito de la biomedicina, permitiendo crear bases de datos con conocimiento y relaciones entre términos biomédicos que pueden ayudar a optimizar los SSDC. En la práctica clínica existen diferentes ejemplos como el sistema de ayuda para la prescripción de terapia antibiótica de Bright et al. en el que se utiliza una ontología que se nutre de datos del paciente, sensibilidades y resistencias para proporcionar la terapia antibiótica más adecuada en cada caso³¹. También se están utilizando para mejorar los sistemas que alertan de interacciones farmacológicas en pacientes con polifarmacia⁶⁸, para crear bases de datos de efectos adversos o incluso para crear herramientas para la conciliación de la medicación^{69, 70}. Estas herramientas proporcionan una mejora en la utilización de los sistemas informáticos y las bases de datos para tener una información más robusta, mejor relacionada y proporcionar datos más fiables en el proceso de atención al paciente.

Otra herramienta que puede contribuir a obtener información clínica necesaria para optimizar el uso de los SSDC, es el procesamiento de lenguaje natural (PLN). Muchos de los datos incluidos en las historias clínicas se encuentran expresados mediante procesadores de texto y no están codificados, de manera que es difícil que los SSDC que disponemos hasta ahora sean capaces de incorporar la información incluida en ellos. Las herramientas de PLN permiten extraer de forma automática los elementos de información de fuentes que no están diseñadas para que sean extraíbles informáticamente, estructurándolos de forma codificada, y entendibles para los sistemas informáticos. Con resultados prometedores, se han empezado a utilizar estas herramientas para hacer bases de datos de medicamentos relacionados con sus indicaciones a partir de diferentes fuentes de información^{71, 72}. La relación entre los problemas de salud de los pacientes y los fármacos en la historia clínica electrónica se puede emplear para mejorar la calidad de la información y disminuir los errores de medicación relacionados con la indicación de dichos fármacos. Estas herramientas podrían utilizarse para dotar a los SSDC de una mayor especificidad en el momento de alertar, ya que serían capaces de obtener la información clínica necesaria para asegurar la correcta utilización de un fármaco.

La incorporación de estas nuevas aplicaciones informáticas nos puede permitir crear sistemas más robustos, que nos ayuden realmente a monitorizar los parámetros clínicos de los pacientes, con la información necesaria, alertando solamente en aquellos casos en los que la seguridad del paciente se vea comprometida, aportando un tratamiento lo más individualizado posible y evitando la fatiga de alertas. Además, los sistemas inteligentes que se alimentan de la información de forma automática permiten que el mantenimiento sea más eficiente, con menor necesidad de actualizaciones y disminución de errores de información. La figura 3 muestra un ejemplo de la interrelación entre las diferentes herramientas disponibles de ayuda a la prescripción y la estación clínica de trabajo.

3. Difusión del conocimiento sobre SSDC

La publicación de los resultados del seguimiento y evaluación del funcionamiento de estas herramientas puede ayudar a optimizar su implantación. La difusión pública de estos resultados, tanto entre los propios usuarios de la herramienta como para el conocimiento científico general, es indispensable para promover y mejorar el desarrollo de estos sistemas. Las sociedades científicas y los grupos de trabajo especializados en nuevas tecnologías tienen un papel crucial en esta transmisión de conocimiento.

 

Conclusiones

La experiencia publicada hasta ahora avala la utilidad de los SSDC como herramientas competentes en el marco de seguridad del paciente. No obstante, para conseguir una implantación eficiente de estos sistemas es primordial focalizar los esfuerzos en sobrepasar las barreras que dificultan el uso extendido de estas herramientas, compartir el conocimiento y experiencias realizadas en los centros y realizar estudios para evaluar el efecto de los SSDC sobre resultados clínicos, carga de trabajo y eficiencia del proceso, satisfacción del paciente y usuarios.

El diseño de los SSDC debe estar adaptado al contexto y entorno en el que se van a utilizar. Es imprescindible tener en cuenta el flujo de trabajo de los profesionales y evitar la fatiga de alertas. Una correcta monitorización de todo el proceso, evaluando variables de utilización y respuesta, puede ayudar a una implantación más ágil y competente y con un elevado nivel de adherencia.

La incorporación de nuevas tecnologías y sistemas inteligentes dotan a estos sistemas de información más fiable y concisa, lo cual puede aumentar la eficiencia de estas herramientas. Existen actualmente diferentes SSDC desarrollados, pero con gran heterogeneidad entre ellos. Una vez solventado el problema de la interoperabilidad entre sistemas y aprovechando los patrones comunes de exportabilidad, debemos ser capaces de utilizar y evaluar los SSDC a nivel multicéntrico, dotando a los estudios de evaluación de una mayor robustez y pudiendo ser extrapolables a otros centros.

La creación de un grupo pluridisciplinar dentro de las entidades y centros sanitarios es un elemento fundamental para abordar la implantación de estas nuevas tecnologías. El farmacéutico debe adoptar un papel destacado en el proceso de desarrollo e implantación de los SSDC. Su conocimiento sobre fármacos y su utilización, y el hecho de que el farmacéutico lidera los programas de seguridad en el uso de medicamentos y, en muchas ocasiones, la gestión de los sistemas de calidad del hospital, le proporciona los conocimientos necesarios para asumir el liderazgo en esta nueva línea de trabajo.

 

Financiación

Artículo sin financiación.

 

Conflicto de intereses

Los autores declaran no tener ningún conflicto de interés en la redacción de este artículo.

 

Agradecimientos

Agradecemos sinceramente la colaboración del grupo TECNO en la realización del artículo por todos los comentarios y aportaciones.

 

 

Correspondence:
Correo electrónico: solanuria13@gmail.com
(Núria Solà Bonada).

Recibido el 4 de enero de 2015;
aceptado el 16 de septiembre de 2016.

 

 

Bibliografía

1. Aspden P, Corrigan JM, Wolcott J, Erickson SM, editors. Patient safety: achieving a new standard for care. Institute of Medicine. National Academy Press (Washington DC); 2004.         [ Links ]

2. Joint Comission on Accreditation of Healthcare Organization (internet). National patient safety goals. (acceso 12 septiembre 2014) Disponible en: (http://www.jointcommission.org/standards_inf ormation/npsgs.aspx/).         [ Links ]

3. National Patients Safety Foundation (internet). (acceso 14 septiembre 2014). Disponible en (http://www.npsf.org).         [ Links ]

4. American Medical Informatics Association (internet) (acceso 14 septiembre 2014) Disponible en: (http://www.amia.org).         [ Links ]

5. National Quality Forum (internet). (acceso 14 septiembre 2014) Disponible en: (http://www.nqf.org).         [ Links ]

6. Healthcare Information and Management Systems Society (internet) (acceso 14 septiembre 2014) Disponible en: (www.himss.org).         [ Links ]

7. Plan Nacional de Calidad. Ministerio de Sanidad y Política Social. (internet).(acceso 13 enero 2009). Disponible en: (http://www.msps.es/organizacion/sns/planCalidadS NS/tic00.htm).         [ Links ]

8. Bermejo Vicedo T, Perez Menendez Conde C, Alvarez A, Condina C, TECNO G., et al. The application of new technologies to hospital pharmacy in Spain. Farm Hosp. 2007;31(1):17-22.         [ Links ]

9. Bermejo Vicedo T, TECNO G. Role of the hospital pharmacist in new health care technologies. Farm Hosp. Spain; 2010;34(2):56-8.         [ Links ]

10. Bates DW, Spell N, Cullen DJ, Burdick E, Laird N, Petersen LA, et al. The costs of adverse drug events in hospitalized patients. Adverse Drug Events Prevention Study Group. JAMA; 1997;277(4):307-11.         [ Links ]

11. Bates DW, Cullen DJ, Laird N, Petersen LA, Small SD, Servi D, et al. Incidence of adverse drug events and potential adverse drug events. Implications for prevention. ADE Prevention Study Group. JAMA; 1995;274(1):29-34.         [ Links ]

12. Bobb A, Gleason K, Husch M, Feinglass J, Yarnold PR, Noskin GA. The epidemiology of prescribing errors: the potential impact of computerized prescriber order entry. Arch Intern Med; 2004;164(7):785-92.         [ Links ]

13. Aranaz-Andrés JM, Aibar-Remón C, Vitaller-Murillo J, Ruiz-López P, Limón-Ramírez R, Terol-García E. Incidence of adverse events related to health care in Spain: results of the Spanish National Study of Adverse Events. J Epidemiol Community Health. 2008;62(12):1022-9.         [ Links ]

14. McCoy AB, Waitman LR, Lewis JB, Wright J a, Choma DP, Miller R a, et al. A framework for evaluating the appropriateness of clinical decision support alerts and responses. J Am Med Inform Assoc. 2012;19(3):346-52.         [ Links ]

15. Kaushal R, Shojania KG, Bates DW. Effects of computerized physician order entry and clinical decision support systems on medication safety: a systematic review. Arch Intern Med. 2003;163(12):1409-16.         [ Links ]

16. Agrawal A. Medication errors: prevention using information technology systems. Br J Clin Pharmacol. 2009;67(6):681-6.         [ Links ]

17. Bright TJ, Wong A, Dhurjati R, Bristow E, Bastian L, Coeytaux RR, et al. Effect of clinical decision-support systems: a systematic review. Ann Intern Med. 2012;157(1):29-43.         [ Links ]

18. Chaffee BW, Zimmerman CR. Developing and implementing clinical decision support for use in a computerized prescriber-order-en-try system. Am J Health Syst Pharm. 2010;67(5):391-400.         [ Links ]

19. Tamblyn R, Huang A, Taylor L, Kawasumi Y, Bartlett G, Grad R, et al. A randomized trial of the effectiveness of on-demand versus computer-triggered drug decision support in primary care. J Am Med Inform Assoc. 2008;15(4):430-8.         [ Links ]

20. Kuperman GJ, Bobb A, Payne TH, Avery AJ, Gandhi TK, Burns G, et al. Medication-related clinical decision support in computerized provider order entry systems: a review. J Am Med Inform Assoc. 2007;14(1):29-40.         [ Links ]

21. Siska MH, Tribble DA. Opportunities and challenges related to technology in supporting optimal pharmacy practice models in hospitals and health systems. Am J Health Syst Pharm. 2011;68(12):1116-26.         [ Links ]

22. Eppenga WL, Derijks HJ, Conemans JM, Hermens WA, Wensing M, De Smet PA. Comparison of a basic and an advanced pharmacotherapy-related clinical decision support system in a hospital care setting in the Netherlands. J Am Med Inform Assoc. 2012;19(1):66-71.         [ Links ]

23. Otero-Lopez MJ, Dominguez Gil A. Acontecimientos adversos por medicamentos: Una patología emergente. Farm Hosp. 2000;24(4):258-66.         [ Links ]

24. Evans RS, Pestotnik SL, Classen DC, Horn SD, Bass SB, Burke JP. Preventing adverse drug events in hospitalized patients. Ann Pharmacother. 1994;28(4):523-7.         [ Links ]

25. Bates DW, Gawande AA. Improving safety with information technology. N Engl J Med. 2003;348(25):2526-34.         [ Links ]

26. Schedlbauer A, Prasad V, Mulvaney C, Phansalkar S, Stanton W, Bates DW, et al. What evidence supports the use of computerized alerts and prompts to improve clinicians' prescribing behavior? J Am Med Inform Assoc. 2009;16(4):531-8.         [ Links ]

27. Durieux P, Trinquart L, Colombet I, Nies J, Walton R, Rajeswaran A, et al. Computerized advice on drug dosage to improve prescribing practice. Cochrane Database Syst Rev. 2008;(3)(3):CD002894.         [ Links ]

28. Garg AX, Adhikari NK, McDonald H, Rosas-Arellano MP, Devereaux PJ, Beyene J, et al. Effects of computerized clinical decision support systems on practitioner performance and patient outcomes: a systematic review. JAMA. 2005;293(10):1223-38.         [ Links ]

29. Field TS, Rochon P, Lee M, Gavendo L, Baril JL, Gurwitz JH. Computerized clinical decision support during medication ordering for long-term care residents with renal insufficiency. J Am Med Inform Assoc. 2009;16(4):480-5.         [ Links ]

30. Galanter WL, Thambi M, Rosencranz H, Shah B, Falck S, Lin FJ, et al. Effects of clinical decision support on venous thromboembolism risk assessment, prophylaxis, and prevention at a university teaching hospital. Am J Health Syst Pharm. 2010;67(15):1265-73.         [ Links ]

31. Bright TJ, Yoko Furuya E, Kuperman GJ, Cimino JJ, Bakken S. Development and evaluation of an ontology for guiding appropriate antibiotic prescribing. J Biomed Inform. 2012;45(1):120-8.         [ Links ]

32. Van der Linden CMJ, Jansen PAF, van Marum RJ, Grouls RJE, Egberts TCG, Korsten EHM. An electronic system to document reasons for medication discontinuation and to flag unwanted represcriptions in geriatric patients. Drugs Aging. 2012;29(12):957-62.         [ Links ]

33. Upperman JS, Staley P, Friend K, Neches W, Kazimer D, Benes J, et al. The impact of hospitalwide computerized physician order entry on medical errors in a pediatric hospital. J Pediatr Surg. 2005;40(1):57-9.         [ Links ]

34. Colpaert K, Claus B, Somers A, Vandewoude K, Robays H, Decruyenaere J. Impact of computerized physician order entry on medication prescription errors in the intensive care unit: a controlled cross-sectional trial. Crit Care. 2006;10(1):R21.         [ Links ]

35. Clyne B, Bradley MC, Hughes C, Fahey T, Lapane KL. Electronic prescribing and other forms of technology to reduce inappropriate medication use and polypharmacy in older people: a review of current evidence. Clin Geriatr Med. 2012;28(2):301-22.         [ Links ]

36. Bell GC, Crews KR, Wilkinson MR, Haidar CE, Hicks JK, Baker DK, et al. Development and use of active clinical decision support for preemptive pharmacogenomics. J Am Med Inform Assoc. 2014;21(e1):e93-9.         [ Links ]

37. Ozdas A, Miller RA. Care provider order entry (CPOE): a perspective on factors leading to success or to failure. Yearb Med Inform. 2007;128-37.         [ Links ]

38. Sittig DF, Wright A, Osheroff JA, Middleton B, Teich JM, Ash JS, et al. Grand challenges in clinical decision support. J Biomed Inform. 2008;41(2):387-92.         [ Links ]

39. Sociedad Española de Farmacia Hospitalaria. Grupo Tecno. (Internet) (acceso 10 marzo 2015) Disponible en: (http://gruposdetrabajo.sefh.es/tecno/index.php).         [ Links ]

40. Sociedad Española de Farmacia Hospitalaria. Grupo 2020.(Internet) (acceso 10 marzo 2015) Disponible en (http://gruposdetrabajo.sefh.es/2020).         [ Links ]

41. Lineas estratégicas y objetivos 2020. Sociedad Española de Farmacia Hospitalaria. Grupo 2020. (internet) (acceso 10 marzo 2015) Disponible en: (http://gruposdetrabajo.sefh.es/sefh/images/stories/documentos/archivos/objetivos_lineas_estrategicas_pdf).         [ Links ]

42. HIGEA CDS. (internet) (acceso 20 abril 2016). Disponible en:(https://www.checkthemeds.com/).         [ Links ]

43. CheckTheMeds. (internet) (acceso 20 abril 2016). Disponible en: (https://www.checkthemeds.com/).         [ Links ]

44. Alto Medicamentos. (Internet) (acceso 20 abril 2016). Disponible en (https://www.altomedicamentos.es/).         [ Links ]

45. Bates DW, Kuperman GJ, Wang S, Gandhi T, Kittler A, Volk L, et al. Ten commandments for effective clinical decision support: making the practice of evidence-based medicine a reality. J Am Med Inform Assoc. 2003;10(6):523-30.         [ Links ]

46. Wright A, Sittig DF, Ash JS, Sharma S, Pang JE, Middleton B. Clinical decision support capabilities of commercially-available clinical Information systems. J Am Med Inform Assoc. 2009;16(5):637-44.         [ Links ]

47. Wright A, Goldberg H, Hongsermeier T, Middleton B. A description and functional taxonomy of rule-based decision support content at a large integrated delivery network. J Am Med Inform Assoc. 2007;14(4):489-96.         [ Links ]

48. Valls Montal C, Solà Bonada N, Basagaña Colomer G, Gómez Martí P, Caro Gómez S, Codina Jané C. Implantación de un sistema de ayuda a la prescripción para el ajuste posológico de fármacos en insuficiencia renal. Libro de Comunicaciones. p. 110. 57 congreso Nacional SEFH. 2-5 oct 2012. Bilbao. Disponible en: (http://www. sefh.es/sefhpublicaciones/documentos/57-congreso/Congreso-SEFH-comunicaciones-2012.pdf).         [ Links ]

49. Osheroff JA. Improving medication use and outcomes with clinical decision support: a step-by-step guide. The Healthcare Information and Management Systems Society, editor. Chicago, IL. 2009. p. 60.         [ Links ]

50. Judge J, Field TS, DeFlorio M, Laprino J, Auger J, Rochon P, et al. Prescribers' responses to alerts during medication ordering in the long term care setting. J Am Med Inform Assoc. 2006;13(4):385-90.         [ Links ]

51. Van der Sijs H, Mulder A, van Gelder T, Aarts J, Berg M, Vulto A. Drug safety alert generation and overriding in a large Dutch university medical centre. Pharmacoepidemiol Drug Saf. 2009;18(10):941-7.         [ Links ]

52. Chaudhry B, Wang J, Wu S, Maglione M, Mojica W, Roth E, et al. Systematic review: impact of health information technology on quality, efficiency, and costs of medical care. Ann Intern Med. 2006;144(10):742-52.         [ Links ]

53. Koppel R, Metlay JP, Cohen A, Abaluck B, Localio AR, Kimmel SE, et al. Role of computerized physician order entry systems in facilitating medication errors. JAMA. 2005;293(10):1197-203.         [ Links ]

54. Ash JS, Berg M, Coiera E. Some unintended consequences of information technology in health care: the nature of patient care information system-related errors. J Am Med Inform Assoc. 2004;11(2):104-12.         [ Links ]

55. Strom BL, Schinnar R, Aberra F, Bilker W, Hennessy S, Leonard CE, et al. Unintended effects of a computerized physician order entry nearly hard-stop alert to prevent a drug interaction: a randomized controlled trial. Arch Intern Med. 2010;170(17):1578-83.         [ Links ]

56. HL7 Spain (Internet)(acceso 15 febrero 2014). Disponible en: (http://hl7spain.org/).         [ Links ]

57. HL7Spain Subcomité Técnico Farmacia. Guía de Implementación Farmacia. (internet) 2007.(acceso 23 febrero 2014). Disponible en: (http://www.hl7spain.org/guias-implementacion.html)        [ Links ]

58. The Microsoft Health Common User Interface (Internet).(acceso 18 abril 2016) Disponible en: (http://www.mscui.net/).         [ Links ]

59. International Health Terminology Standards Development Organisation (Internet). 2007 (acceso 23 febrero 2014). Disponible en: (http://www.ihtsdo.org).         [ Links ]

60. Cooperation with other Standards Organizations. IHTSDO (internet). 2007 (acceso 24 marzo 2014). Disponible en: (http://ihtsdo.org/fileadmin/user_upload/Docs_01/Publications/SNOMED_CT/SnomedCt_Cooperation_20140219.pdf).         [ Links ]

61. MSSSI. Historia Clínica Digital del SNS, área de recursos semánticos. Qué es SnomedCT (Internet).(acceso 17 marzo 2014) Disponible en: (http://www.msssi.gob .es/profesionales/hcdsns/areaRecursosSem/snomed-ct/preguntas.htm#p11).         [ Links ]

62. Jiang G, Solbrig HR, Chute CG. ADEpedia: a scalable and standardized knowledge base of Adverse Drug Events using semantic web technology. AMIA Annu Symp Proc. 2011;2011:607-16.         [ Links ]

63. Farfán Sedano FJ, Terrón Cuadrado M, García Rebolledo EM, Castellanos Clemente Y, Serrano Balazote P, Gómez Delgado A. Implementation of SNOMED CT to the medicines database of a general hospital. Stud Health Technol Inform. 2009;148:123-30.         [ Links ]

64. Aungst TD. Medical applications for pharmacists using mobile devices. Ann Pharmacother. 2013;47(7-8):1088-95.         [ Links ]

65. Martínez-Pérez B, de la Torre-Díez I, López-Coronado M. Mobile health applications for the most prevalent conditions by the World Health Organization: review and analysis. J Med Internet Res. 2013;15(6):e120.         [ Links ]

66. Boulos MNK, Brewer AC, Karimkhani C, Buller DB, Dellavalle RP. Mobile medical and health apps: state of the art, concerns, regulatory control and certification. Online J Public Health Inform. 2014;5(3):229.         [ Links ]

67. Whetzel PL. NCBO Technology: Powering semantically aware applications. J Biomed Semantics. 2013;4 Suppl 1:S8.         [ Links ]

68. Grando A, Farrish S, Boyd C, Boxwala A. Ontological approach for safe and effective polypharmacy prescription. AMIA Annu Symp Proc. 2012;2012:291-300.         [ Links ]

69. Markowitz E, Bernstam E V, Herskovic J, Zhang J, Shneiderman B, Plaisant C, et al. Medication Reconciliation: Work Domain Ontology, prototype development, and a predictive model. AMIA Annu Symp Proc. 2011 Jan;2011:878-87.         [ Links ]

70. Jiang G, Wang L, Liu H, Solbrig HR, Chute CG. Building a knowledge base of severe adverse drug events based on AERS reporting data using semantic web technologies. Stud Health Technol Inform. 2013;192:496-500.         [ Links ]

71. Wei W-Q, Cronin RM, Xu H, Lasko TA, Bastarache L, Denny JC. Development of an ensemble resource linking MEDications to their Indications (MEDI). AMIA Summits Transl Sci Proc. 2013;2013:172.         [ Links ]

72. Fung KW, Jao CS, Demner-Fushman D. Extracting drug indication information from structured product labels using natural language processing. J Am Med Inform Assoc. 2013;20(3):482-8.         [ Links ]