\n
![](\"https:\/\/news.mit.edu\/sites\/default\/files\/styles\/news_article__cover_image__original\/public\/images\/202312\/national-cancer-institute.jpg?itok=hfYe81ei\")
<\/p>\n [ad_1]
\n<\/p>\n
Cada a\u00f1o se realizan aproximadamente 13 mil millones de pruebas de laboratorio en los Estados Unidos, pero no todos los resultados son oportunos o precisos. Los errores de laboratorio impiden que los pacientes reciban una atenci\u00f3n adecuada, necesaria y, en ocasiones, que les salve la vida. Estos errores m\u00e9dicos son la tercera causa de muerte en el pa\u00eds. <\/p>\n
Para ayudar a revertir esta tendencia, un equipo de investigaci\u00f3n del Laboratorio de Sistemas de Ingenier\u00eda del Departamento de Aeron\u00e1utica y Astron\u00e1utica (AeroAstro) del MIT y Synensys, un contratista de gesti\u00f3n de seguridad, examin\u00f3 el ecosistema de datos de laboratorio de diagn\u00f3stico. Sus hallazgos, que incluyen seis factores sist\u00e9micos que contribuyen a los riesgos para los pacientes en las pruebas de diagn\u00f3stico de laboratorio, ofrecen una visi\u00f3n hol\u00edstica poco com\u00fan de esta compleja red: no solo m\u00e9dicos y t\u00e9cnicos de laboratorio, sino tambi\u00e9n fabricantes de dispositivos, proveedores de tecnolog\u00eda de informaci\u00f3n sanitaria (HIT) e incluso entidades gubernamentales. como la Casa Blanca. Al considerar el ecosistema de datos del laboratorio de diagn\u00f3stico como un sistema integrado, un enfoque basado en la teor\u00eda de sistemas, los investigadores del MIT han identificado cambios espec\u00edficos que pueden conducir a comportamientos m\u00e1s seguros para los trabajadores de la salud y resultados m\u00e1s saludables para los pacientes. <\/p>\n
A informe del estudio<\/a>, que fue realizado por la profesora de AeroAstro Nancy Leveson, quien se desempe\u00f1a como jefa del grupo de seguridad del sistema y ciberseguridad, junto con el ingeniero de investigaci\u00f3n John Thomas y los estudiantes graduados Polly Harrington y Rodrigo Rose, se present\u00f3 a la Administraci\u00f3n de Alimentos y Medicamentos de EE. UU. el oto\u00f1o pasado. Mejorar la infraestructura de datos de laboratorio ha sido una prioridad para la FDA, que contrat\u00f3 el estudio a trav\u00e9s de Synensis.<\/p>\n Cientos de peligros, seis causas.<\/strong><\/p>\n En un estudio de un a\u00f1o de duraci\u00f3n que incluy\u00f3 m\u00e1s de 50 entrevistas, el equipo de Leveson descubri\u00f3 que el ecosistema de datos del laboratorio de diagn\u00f3stico es vasto pero est\u00e1 fracturado. Nadie entend\u00eda c\u00f3mo funcionaba todo el sistema ni la totalidad del tratamiento deficiente que recib\u00edan los pacientes. Los ingenieros del MIT escribieron que el sistema estaba influenciando a trabajadores bien intencionados para que llevaran a cabo acciones inseguras. <\/p>\n Los resultados de las pruebas enviados a los pacientes equivocados, las tecnolog\u00edas incompatibles que dificultan el intercambio de informaci\u00f3n entre el m\u00e9dico y el t\u00e9cnico de laboratorio y las muestras transportadas al laboratorio sin garant\u00edas de control de temperatura fueron s\u00f3lo algunos de los cientos de peligros que identificaron los ingenieros del MIT. El gran volumen de riesgos potenciales, conocidos como acciones de control inseguras (AUC), no deber\u00eda disuadir a las partes interesadas de la atenci\u00f3n m\u00e9dica de buscar cambios, dice Harrington. <\/p>\n \"Si bien hay cientos de UCA, s\u00f3lo hay seis factores sist\u00e9micos que est\u00e1n causando estos peligros\", a\u00f1ade. \"Utilizando una metodolog\u00eda basada en sistemas, la comunidad m\u00e9dica puede abordar muchos de estos problemas de una sola vez\". <\/p>\n Cuatro de los factores sist\u00e9micos (descentralizaci\u00f3n, comunicaci\u00f3n y coordinaci\u00f3n defectuosas, atenci\u00f3n insuficiente a las regulaciones relacionadas con la seguridad y est\u00e1ndares ambiguos u obsoletos) reflejan la necesidad de una mayor supervisi\u00f3n y rendici\u00f3n de cuentas. Los dos factores sist\u00e9micos restantes (nociones err\u00f3neas de riesgo y falta de integraci\u00f3n de la teor\u00eda de sistemas) exigen un cambio fundamental en la perspectiva y las operaciones. Por ejemplo, la comunidad m\u00e9dica, incluidos los propios m\u00e9dicos, tiende a culpar a los m\u00e9dicos cuando se producen errores. Comprender los niveles de riesgo reales asociados con los datos de laboratorio y la HIT podr\u00eda impulsar m\u00e1s acciones para lograr cambios, escribieron los autores del informe. <\/p>\n \"Existe la expectativa de que los m\u00e9dicos detecten cada error\", dice Harrington. \"Es irrazonable e injusto esperar eso, especialmente cuando no tienen motivos para asumir que los datos que obtienen son defectuosos\".<\/p>\n Piensa como un ingeniero<\/strong><\/p>\n La teor\u00eda de sistemas puede ser un concepto nuevo para la comunidad m\u00e9dica, pero la industria de la aviaci\u00f3n la ha utilizado durante d\u00e9cadas. <\/p>\n \"Despu\u00e9s de la Segunda Guerra Mundial, hubo tantos accidentes de aviaci\u00f3n comercial que el p\u00fablico ten\u00eda miedo de volar\", dice Leveson, un destacado experto en seguridad de sistemas y software. A principios de la d\u00e9cada de 2000, desarroll\u00f3 el An\u00e1lisis de Procesos Te\u00f3ricos de Sistemas (STPA), una t\u00e9cnica basada en la teor\u00eda de sistemas que ofrece informaci\u00f3n sobre c\u00f3mo los sistemas complejos pueden volverse m\u00e1s seguros. Los investigadores utilizaron STPA en su informe a la FDA. \u201cLa industria y el gobierno trabajaron juntos para implementar controles y reportar errores. Hoy en d\u00eda, hay casi cero accidentes en los EE. UU. Lo que est\u00e1 sucediendo en la atenci\u00f3n m\u00e9dica en este momento es como tener un accidente de Boeing 787 todos los d\u00edas\u201d. <\/p>\n Otros principios de ingenier\u00eda que funcionan bien en la aviaci\u00f3n, como los sistemas de control, tambi\u00e9n podr\u00edan aplicarse a la atenci\u00f3n sanitaria, afirma Thomas. Por ejemplo, los controles de circuito cerrado solicitan retroalimentaci\u00f3n para que un sistema pueda cambiar y adaptarse. Hacer que los laboratorios confirmen que los m\u00e9dicos recibieron los resultados de las pruebas de sus pacientes o investigar todos los informes de errores de diagn\u00f3stico son ejemplos de controles de circuito cerrado que no son obligatorios en el ecosistema actual, dice Thomas. <\/p>\n \"Operar sin controles es como pedirle a un robot que navegue por una calle de la ciudad con los ojos vendados\", dice Thomas. \u201cNo hay oportunidad de corregir el rumbo. Los controles de circuito cerrado ayudan a informar la toma de decisiones futuras y, en este momento, faltan en el sistema de atenci\u00f3n m\u00e9dica de Estados Unidos\u201d. <\/p>\n El equipo de Leveson seguir\u00e1 trabajando con Synensys en nombre de la FDA. Su pr\u00f3ximo estudio investigar\u00e1 las pruebas de diagn\u00f3stico fuera del laboratorio, como en el consultorio de un m\u00e9dico (punto de atenci\u00f3n) o en el hogar (sin receta). Desde el inicio de la pandemia de Covid-19, las pruebas de laboratorio no cl\u00ednicas han aumentado en el pa\u00eds. Seg\u00fan Synensys, se enviaron alrededor de 600 millones de pruebas de Covid-19 a hogares estadounidenses entre enero y septiembre de 2022. Sin embargo, existen pocos sistemas para agregar estos datos o informar los hallazgos a las agencias de salud p\u00fablica. <\/p>\n \"Hay muchas personas bien intencionadas que intentan resolver este y otros desaf\u00edos relacionados con los datos de laboratorio\", afirma Rose. \"Si podemos convencer a la gente de que piense en la atenci\u00f3n sanitaria como un sistema dise\u00f1ado, podremos avanzar mucho en la soluci\u00f3n de algunos de estos problemas arraigados\".<\/p>\n El contrato de investigaci\u00f3n de Synensys es parte de la armonizaci\u00f3n sist\u00e9mica y la mejora de la interoperabilidad de datos de laboratorio (BLINDAJE<\/u><\/a>) campa\u00f1a, una iniciativa de la agencia que busca asistencia y aportes en el uso de la teor\u00eda de sistemas para abordar este desaf\u00edo. <\/p>\n<\/p><\/div>\n