isys3 400

palabraiSYS és una fundació per desenvolupar projectes socials de salut digital
palabraiSYS és una fundació per desenvolupar projectes socials de salut digital
Articles

Segueix-nos!   facebook twitter instagram You Tube RSS

PROMs, PREMs y mHealth

BossesEn los últimos años se está intentando incorporar la llamada “experiencia del paciente” en los procesos asistenciales, para conseguir mejorarlos, adecuándolos en lo posible, a las circunstancias de vida de las personas en tratamiento.

Y cada vez que se introduce una variación en el proceso asistencial, se hace necesario medir sus resultados. Para ello, además de los indicadores biológicos propios de mejoría o empeoramiento de cada enfermedad, se introdujeron los llamados PROMs y PREMs (patient reported outcomes measures= PROMs, patient reported experience measures= PREMs).

Un interesante artículo “Relationship between patient reported experience (PREMs) and patient reported outcomes (PROMs) in elective surgery” realizó un estudio sobre más de 10.000 pacientes del NHS, antes y después de tres tipos de intervenciones quirúrgicas de traumatología, para buscar correlaciones entre PREMs y PROMs. Para ello definieron como dominios de calidad asistencial:

La era digital en la relación Médico-Paciente

mHealth3El rechazo del paternalismo médico en favor de la autonomía del paciente, junto con la información y servicios, actualmente disponibles de forma gratuita y en venta a través de internet, han transformado la relación médico-paciente, desafiándola con un modelo ampliamente dinámico en las últimas décadas (1).

Un poco de historia

La medicina y la sociedad suscribieron la norma ética que establecía el deber principal del médico en promover el bienestar del paciente, aún a costa de la autonomía de este último. El supuesto central del marco paternalista era que los médicos, debido a sus conocimientos y experiencia, saben y deciden lo mejor para sus pacientes. Como consecuencia, los médicos deciden qué intervenciones promueven el bienestar de los pacientes y se espera que los pacientes, por su parte, cumplan con las pautas de las indicaciones.

Se llevan más de cinco décadas incrementado el énfasis en el derecho de los pacientes en aceptar o no el tratamiento recomendado por sus médicos. Sin embargo, el rechazo del paternalismo no ha condicionado la relación médico-paciente. La teoría actual es que los médicos no toman las decisiones de forma unilateral sobre el cuidado de sus pacientes, pero esto no se refleja en la práctica.

Modelo de valoración del estado de madurez de la implantación de iniciativas de mHealth: MoHe 5D

MoHe 5D

En el mundo hay más de 5.000 millones de líneas de telefonía móviles (GSMA 2017). Desde que en 2008 se desarrollaron las plataformas Google Play y iTunes, el numero de aplicaciones para teléfonos móviles no ha dejado de crecer, situándose en 2017 por encima de los 3 millones en la plataforma de Android y de los 2,5 millones en las de Apple (Statista 2017).

Se calcula que hay unas 325.00 Apps clasificadas en las categorías de salud y medicina (IMS 207). De ellas, un 65% están dedicadas al wellweing (ejercicio, estilos de vida saludable y control del estrés y dietas y nutrición). Las dedicadas a las enfermedades especificas representarían un 9% del total, seguidas por las de embarazo con un 7% y las de adherencia o alarmas para tomar medicamentos con un 6%.

Las máquinas aprenden a diagnosticar

IA

Deep learning, o el enorme potencial de las máquinas combinado con la plasticidad de estructuras neuronales para el aprendizaje, aplicado al diagnóstico biomédico

Recientemente se ha publicado un estudio científico Man against machine: diagnostic performance of a deep learning convolutional neural network for dermoscopic melanoma recognition in comparison to 58 dermatologists, en el que un desarrollo con tecnología de “redes neuronales convolucionales” (CNN en sus siglas en inglés), obteniene mejores resultados en el diagnóstico de melanomas, que un grupo de 57 dermatólogos, con 30 considerados expertos (más de 5 años de práctica clínica).

Esto se desarrolla en el ámbito del llamado Deep Learning, y viene a ser un intento de dotar a las máquinas de herramientas para que puedan aprender, sin la limitación de procesos de los humanos, pero con esquemas similares al aprendizaje humano.

Esta web utiliza cookies propias y de terceros para analizar y mejorar tu experiencia de navegación. Al continuar navegando, entendemos que aceptas su uso.