SciELO - Scientific Electronic Library Online

 
vol.31 número6Compra de alimentos de proximidad en los comedores escolares de Andalucía, Canarias y Principado de AsturiasCondiciones de trabajo en consultorios adyacentes a farmacias privadas en Ciudad de México: perspectiva del personal médico índice de autoresíndice de assuntospesquisa de artigos
Home Pagelista alfabética de periódicos  

Serviços Personalizados

Journal

Artigo

Indicadores

Links relacionados

  • Em processo de indexaçãoCitado por Google
  • Não possue artigos similaresSimilares em SciELO
  • Em processo de indexaçãoSimilares em Google

Compartilhar


Gaceta Sanitaria

versão impressa ISSN 0213-9111

Resumo

GUZMAN RUIZ, Óscar; PEREZ LAZARO, Juan José  e  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 30-Nov-2020. ISSN 0213-9111.  http://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.

Palavras-chave : Seguridad del paciente; Evento adverso; Error médico; Efecto adverso.

        · resumo em Inglês     · texto em Espanhol     · Espanhol ( pdf )