Validación de la herramienta Trigger para la detección de eventos adversos en cirugía general y del aparato digestivo

• Autores: Marta Beatriz de la Fuente Bartolomé
• Directores de la Tesis: Pedro Miguel Ruiz López (dir. tes.), Ana Isabel Pérez Zapata (dir. tes.), Elías Rodríguez Cuellar (dir. tes.)
• Lectura: En la Universidad Complutense de Madrid ( España ) en 2023
• Idioma: español
• Número de páginas: 237
• Tribunal Calificador de la Tesis: Carmelo Loinaz Segurola (presid.), Eduardo Ferrero Herrero (secret.), Irene Osorio Silla (voc.), Héctor Guadalajara Labajo (voc.), José Luis Porrero Carro (voc.)
• Programa de doctorado: Programa de Doctorado en Investigación en Ciencias Médico-Quirúrgicas por la Universidad Complutense de Madrid
• Materias:
  • Ciencias médicas
    • Cirugía
      • Cirugía abdominal
• Enlaces
  • Tesis en acceso abierto en: Docta Complutense
• Resumen
  • español

    Se define Evento Adverso (EA) como daño no intencionado, causado a un paciente como consecuencia de la asistencia sanitaria, no directamente condicionado por la enfermedad que padece y que conlleva una prolongación de la estancia hospitalaria, una incapacidad en el momento del alta, el reingreso, la amenaza de muerte o incluso la muerte. Las unidades quirúrgicas, y en especial la cirugía general, son áreas con mayor tendencia a la aparición de EA. En algunos trabajos se ha observado que la cirugía se relaciona con la aparición de entre un 46 y un 65% de todos los EA. En el año 2006 el Institute for Healthcare Improvement (IHI) alentó a los sistemas de salud a poner en marcha la herramienta Global Trigger Tool (GTT). El sistema se basa en la detección de sucesos mediante una revisión sistemática de historias clínicas. Estos sucesos (triggers) sirven de llave o pistas para la selección de aquellas historias que con una alta probabilidad contendrán EA, pasando éstas a un proceso de investigación más detallada en busca del EA. Se realizó un estudio observacional, descriptivo y retrospectivo, de carácter multicéntrico para la determinación y análisis de los EA de los Servicios de CGAD utilizando para su identificación la documentación de las historias clínicas de los pacientes. Participaron un total de 31 hospitales de agudos españoles. Las historias clínicas revisadas debían estar completas y cerradas y los pacientes incluidos en el estudio debían ser mayores de 18 años, con un ingreso en los Servicios de CGAD, todos ellos sometidos a un procedimiento quirúrgico y con alta hospitalaria desde el mismo centro. Se excluyeron los pacientes psiquiátricos o trasplantados, así como las altas dadas desde el servicio de rehabilitación. Se incluyeron 40 triggers de los módulos cuidados generales, medicación y quirúrgico.

    La población a estudio fue de 1132 pacientes. El diagnóstico más frecuente fue el de colelitiasis sintomática (13,10%) y el procedimiento quirúrgico más frecuentesla c olecistectomía (16,60%). La herramienta presentó una sensibilidad del 86,27%, una especificidad del 80%, un VPP del 66,52% y VPN del 92,67%. La prevalencia de EA fue del 31,53%. Hubo un total de 599 EA. Los tipos de EA más frecuentes fueron de tipo infeccioso, con un 35% del total. El más frecuente fue infección de herida o sitio quirúrgico, seguido de mal control del dolor, y absceso intraabdominal. Se observó que los pacientes con mayores grados de ASA, mayor complejidad y un tipo de ingreso urgente son factores asociados a la presencia de EA. A la mayoría de los pacientes se les atribuyó una categoría de daño F (58,42%). El 14,69% de los EA se consideraron graves y el 34,22% evitables. Hay un total de 49 EA que no han sido detectados por la herramienta (historias clínicas que presentan EA sin que haya ningún trigger presente). De ellos, no hay ningún EA grave y el 57,14% se consideran no evitables o con mínima probabilidad. Del total de pacientes analizados, el 40,90% (463 pacientes) presentaba al menos un trigger positivo. El trigger que más veces se identificó fue la radiología no planeada, seguido de antibioterapia de amplio espectro. Se realizaron varios modelos para la validación de la herramienta: modelo para EA evitables, graves y para EA por patología. La herramienta detectó todos los EA graves en todos los grupos. Tras el estudio de regresión logística, el modelo de optimización de la herramienta aportó 12 triggers (reingreso en los 30 días tras alta, acudir a urgencias en los 30 días tras alta, re-intervención, procedimientos invasivos, estancia > 24h reanimación, traslado a unidad críticos, cambio procedimiento previsto, daño-exéresis órgano, descenso brusco de hemoglobina, antibioterapia amplio espectro, empleo de nutrición parenteral postoperatoria y radiología postoperatoria no planeada). Dicho modelo optimizado mostró una sensibilidad del 83,47%, una especificidad de 83,25%, un VPP 70,12% y un VPN 91,45% para la detección de EA.

  • English

    An adverse event (AE) is an unintended harm to a patient as a result of medical care, not directly related to an underlying disease, and that can include prolonged hospitalisation, physical disability at discharge, readmission, risk of death, or death. Knowledge of AEs that arise in acute care hospitals is a crucial aspect of patient safety. Studies found a rate of AEs ranging from 3% to 17%, of which 50% were considered avoidable. Most AEs cause a mild or moderate harm to the patient; however, it has been estimated that a non-negligible percentage cause serious harm and that approximately 7%result in the patient's death. AEs not only harm the patient, but also increase the use of resources and, consequently, the health system expenditure; the AEs that result in the highest expenditure are those related to surgery, medication, and delay in diagnosis...