Martínez-Franco AI, Vives-Varela T, Martínez-González A, Sánchez-Mendiola M

Idioma: Español
Referencias bibliográficas: 33
Paginas: 71-78
Archivo PDF: 424.24 Kb.

RESUMEN

Introducción: El diagnóstico es el reto principal en la labor del médico y es crucial para lograr resultados óptimos en los pacientes. Las tareas de un médico exigen diversos grados de habilidad, pero pocas tan complicadas de cultivar como la capacidad de llegar a un diagnóstico correcto. Los Sistemas de Apoyo a las Decisiones Clínicas (SADC) pueden ser destinados a apoyar este proceso durante la formación médica.
Objetivo: Explorar la opinión de los estudiantes de medicina sobre el uso de un SADC (DXplain) como material didáctico para el análisis de casos clínicos.
Método: Estudio observacional con un método mixto secuencial. Participaron estudiantes de Medicina de segun- do año de 3 generaciones (n = 3,132) de la licenciatura de Médico Cirujano en la Facultad de Medicina de la Universidad Nacional Autónoma de México. Los estudiantes utilizaron un SADC (DXplain) en la asignatura de Informática Biomédica. Al final del curso, contestaron un cuestionario en línea de 12 enunciados con 4 opciones de respuesta: muy inadecuado, inadecuado, adecuado y muy adecuado. Se realizó la parte cualitativa del estudio con grupos focales. Para el análisis estadístico se utilizó la prueba χ².
Resultados: La mayoría de los usuarios (84.9%) encontró la inclusión del sistema DXplain a la asignatura de Informática Biomédica como adecuado o muy adecuado, y 92.3% recomendaría DXplain a los estudiantes para su aprendizaje. Al triangular los resultados cuantitativos y cualitativos, se encontraron 3 categorías relacionadas con el uso del DXplain: 1) profesores que apoyan su uso, 2) motivación para el razonamiento clínico y 3) utilidad para el aprendizaje.
Conclusiones: La opinión de los estudiantes fue favorable en relación con el uso de DXplain como material didáctico, en el nivel inicial de la carrera. Su uso debe tener una implementación eficiente, así como valorarse como complemento en el desarrollo del razonamiento clínico.

REFERENCIAS (EN ESTE ARTÍCULO)

1. Brennan TA, Leape LL, Laird N, Hebert L, Localio AR, Lawthers A, et al. Incidence of Adverse Events and Negligence in Hospitalized Patients Results of the Harvard Medical Practice Study. N Engl J Med. 1991;324:370-376.

2. WHO, Walton M, Woodward H, Van Staalduinen S, Lemer C, Greaves F, et al. The WHO patient safety curriculum guide for medical schools. Qual Saf Health Care. 2010;19:1-258.

3. Aranaz-Andrés JM, Aibar-Remón C, Vitaller-Burillo J, Requena- Puche J, Terol-García E, Kelley E, et al. Impact and preventability of adverse events in Spanish public hospitals: results of the Spanish National Study of Adverse Events (ENEAS). Int J Qual Health Care. 2009;21:408-14.

4. Aranaz-Andrés JM, Aibar-Remón C, Limón-Ramírez R, Amarilla A, Restrepo FR, Urroz O, et al. Prevalence of adverse events in the hospitals of five Latin American countries: results of the ‘Iberoamerican Study of Adverse Events’ (IBEAS). BMJ Qual Saf. 2011;20:1043-51.

5. Ministerio de Sanidad y Consumo. Estudio APEAS. Estudio Franco 78 Investigación en Educación Médica | Facmed | UNAM sobre la seguridad de los pacientes en atención primaria de salud. Ministerio de Sanidad y Consumo: Madrid; 2008.

6. Britten N, Stevenson FA, Barry CA, Barber N, Bradley CP. Misunderstandings in prescribing decisions in general practice: qualitative study. Br Med J. 2000;320:484-8.

7. Guly HR. Diagnostic errors in an accident and emergency department. Emerg Med J. 2001;18:263-9.

8. Runciman WB, Roughead EE, Semple SJ, Adams RJ. Adverse drug events and medication errors in Australia. Int J Qual Heal Care. 2003;15:49i-59.

9. Barrows HS, Feltovich PJ. The clinical reasoning process. Med Educ. 1987;21:86-91.

10. Eva KW, Hatala RM, Leblanc VR, Brooks LR. Teaching from the clinical reasoning literature: combined reasoning strategies help novice diagnosticians overcome misleading information. Med Educ. 2007;41:1152-8.

11. Norman G. Building on Experience — The Development of Clinical Reasoning. N Engl J Med. 2006;355:2251-2.

12. Shortliffe EH. President’s column: subspecialty certification in clinical informatics. J Am Med Inform Assoc. 2011;18:890-1.

13. Kawamoto K, Houlihan CA, Balas EA, Lobach DF. Improving clinical practice using clinical decision support systems: a systematic review of trials to identify features critical to success. BMJ. 2005;330:765.

14. Elkin PL, Liebow M, Bauer BA, Chaliki S, Wahner-Roedler D, Bundrick J, et al. The introduction of a diagnostic decision support system (DXplainTM) into the workflow of a teaching hospital service can decrease the cost of service for diagnostically challenging. Int J Med Inform. 2010;79:772-7.

15. Schiff GD, Kim S, Abrams R, Cosby K, Lambert B, Elstein AS, et al. Diagnosing Diagnosis Errors: Lessons from a Multiinstitutional Collaborative Project. Agency for Healthcare Research and Quality (US), 2005. Disponible en: http://www. ncbi.nlm.nih.gov/pubmed/21249820.

16. Garg AX, Adhikari NKJ, 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: 1223-38.

17. Miller RA, Masarie FE. The demise of the ‘Greek Oracle’ model for medical diagnostic systems. Methods Inf Med. 1990;29:1-2.

18. Aspden P, Bootman JL, Cronenwett LR. Preventing Medication Errors (Quality Chasm Series.) By the Committee on Identifying and Preventing Medication Errors and the Board on Health Care Services. The National Academies Press, 2007. doi:10.17226/11623.

19. Trowbridge R, Weingarten S. Chapter 53. Clinical Decision Support Systems. AHRQ. 2001. Disponible en: https://archive. ahrq.gov/clinic/ptsafety/chap53.htm.

20. Ammenwerth E, Schnell-Inderst P, Machan C, Siebert U. The effect of electronic prescribing on medication errors and adverse drug events: a systematic review. J Am Med Inform Assoc. 2008;15:585-600.

21. Eslami S, Abu-Hanna A, de Keizer NF. Evaluation of outpatient computerized physician medication order entry systems: a systematic review. J Am Med Inform Assoc. 2007;14:400-6.

22. Wolfstadt JI, Gurwitz JH, Field TS, Lee M, Kalkar S, Wu W, et al. The effect of computerized physician order entry with clinical decision support on the rates of adverse drug events: a systematic review. J Gen Intern Med. 2008;23:451-8.

23. Barnett GO, Cimino JJ, Hupp JA, Hoffer EP. DXplain: An Evolving Diagnostic Decision-Support System. JAMA J Am Med Assoc. 1987;258:67-74.

24. Feldman MJ, Octo Barnett G. An approach to evaluating the accuracy of DXplain. Comput Methods Programs Biomed. 1991;35:261-6.

25. Hoffer EP, Feldman MJ, Kim RJ, Famiglietti KT, Barnett GO. DXplain: Patterns of Use of a Mature Expert System. AMIA Annu Symp Proc. 2005:321-5.

26. Bauer BA, Lee M, Bergstrom L, Wahner-Roedler DL, Bundrick J, Litin S, et al. Internal medicine resident satisfaction with a diagnostic decision support system (DXplain) introduced on a teaching hospital service. Proc AMIA Symp. 2002:31-5.

27. Lincoln MJ, Turner CW, Haug PJ, Warner HR, Williamson JW, Bouhaddou O et al. Iliad training enhances medical students’ diagnostic skills. J Med Syst. 1991;15:93-110.

28. Grum CMC, Miller JGJ, Wolf FMF. Computer-based problem solving for primary-care diagnosis in an internal medicine clerkship. Acad Med. 1994;69:429-30.

29. Martinez-Franco AI, Sanchez-Mendiola M, Mazon-Ramirez JJ, Hernandez-Torres I, Rivero-Lopez C, Spicer T et al. Diagnostic accuracy in Family Medicine residents using a clinical decision support system (DXplain): a randomized-controlled trial. Diagnosis. 2018;0. doi:10.1515/dx-2017-0045.

30. Martínez-González A, Lifshitz-Guinzberg A, Trejo-Mejía JA, Torruco-García U, Fortoul-van der Goes TITI, Flores- Hernández F et al. Diagnostic and formative assessment of competencies at the beginning of undergraduate medical internship. Gac Med Mex. 2017;153:6-15.

31. Sánchez-Mendiola M, Martínez-Franco AI, Rosales-Vega A, Villamar-Chulin J, Gatica-Lara F, García-Durán R et al. Development and implementation of a biomedical informatics course for medical students: challenges of a largescale blended-learning program. J Am Med Inform Assoc. 2013;20:381-7.

32. Childs S, Blenkinsopp E, Hall A, Walton G. Effective e-learning for health professionals and students-barriers and their solutions. A systematic review of the literature-findings from the HeXL project. Health Info Libr J. 2005;22:20-32.

33. Kanthan R, Senger JL. The impact of specially designed digital games-based learning in undergraduate pathology and medical education. Arch Pathol Lab Med. 2011;135:135-42.