SciELO - Scientific Electronic Library Online

 
vol.31 issue6Purchase of local foods for school meals in Andalusia, the Canary Islands and the Principality of Asturias (Spain)Working conditions in outpatient clinics adjacent to private pharmacies in Mexico City: perspective of physicians author indexsubject indexarticles search
Home Pagealphabetic serial listing  

Services on Demand

Journal

Article

Indicators

Related links

  • On index processCited by Google
  • Have no similar articlesSimilars in SciELO
  • On index processSimilars in Google

Share


Gaceta Sanitaria

Print version ISSN 0213-9111

Abstract

GUZMAN RUIZ, Óscar; PEREZ LAZARO, Juan José  and  RUIZ LOPEZ, Pedro. Rendimiento y optimización de la herramienta trigger en la detección de eventos adversos en pacientes adultos hospitalizados. Gac Sanit [online]. 2017, vol.31, n.6, pp.453-458.  Epub Nov 30, 2020. ISSN 0213-9111.  https://dx.doi.org/10.1016/j.gaceta.2017.01.014.

Objetivo:

Caracterizar el rendimiento de los triggers utilizados en la detección de eventos adversos (EA) de pacientes adultos hospitalizados y definir un panel de triggers simplificado suficientemente sensible y específico, para la detección de EA.

Método:

Estudio transversal de altas de pacientes de un servicio de medicina interna para la detección de EA mediante revisión sistemática de la historia clínica y la identificación de 41 triggers (evento clínico relacionado frecuentemente con EA), determinando si hubo EA según el contexto en que apareció el trigger. Una vez identificado el EA, se procedió a la caracterización de los triggers que lo detectaron. Se aplicó regresión logística para la selección de los triggers con mayor capacidad de detección de EA.

Resultados:

Se revisaron 291 historias clínicas y se detectaron 562 triggers en 103 pacientes, de los cuales 163 estuvieron implicados en la detección de un EA. Los triggers que detectaron más EA fueron «A.1. Úlcera por presión» (9,82%), «B.5. Laxante o enema» (8,59%), «A.8. Agitación» (8,59%), «A.9. Sobresedación» (7,98%), «A.7. Hemorragia» (6,75%) y «B.4. Antipsicótico» (6,75%). Se obtuvo un modelo simplificado de triggers que incluyó la variable «Número de fármacos» y los triggers «Sobresedación», «Sondaje», «Reingreso en 30 días», «Laxante o enema» y «Cese brusco de la medicación». Este modelo obtuvo una probabilidad del 81% de clasificar correctamente las historias con EA y sin EA (p <0,001; intervalo de confianza del 95%: 0,763-0,871).

Conclusiones:

Un número elevado de triggers estuvieron asociados a EA. El modelo resumido permite detectar una gran cantidad de EA con un mínimo de elementos.

Keywords : Seguridad del paciente; Evento adverso; Error médico; Efecto adverso.

        · abstract in English     · text in Spanish     · Spanish ( pdf )