Desenlaces clínicos del cuidado perioperatorio de reemplazos articulares según grupos relacionados de diagnóstico en un hospital de cuarto nivel

Introducción Los Grupos Relacionados de Diagnóstico (GRD) se han usado para determinar la calidad de la atención en varios sistemas de salud. Esto ha llevado a que se obtengan resultados en el mejoramiento continuo de la atención y del cuidado. El objetivo de este estudio es determinar desenlaces clínicos de los pacientes a quienes se les había realizado reemplazo de articulares según la complejidad clínica definida mediante GRD. Métodos Se realizó un estudio longitudinal descriptivo en el cual se incluyeron todos los pacientes que tuvieron cirugía de reemplazo total de hombro, cadera y rodilla entre 2012 y 2014. Se realizó la estratificación de los pacientes de acuerdo a tres niveles de complejidad dados por el sistema de GRD y se determinaron las proporciones de pacientes para las variables de estancia hospitalaria, enfermedad trombo-embólica, cardiovascular e infección del sitio operatorio. Resultados Se realizaron en total 886 reemplazos articulares de los cuales 40 (4.5%) presentaron complicaciones. Los eventos más frecuentes fueron las complicaciones coronarias, con una presencia de 2.4%. El GRD1, sin complicaciones ni comorbilidades, fue el que presentó mayor número de eventos. La estancia hospitalaria fue de 3.8 a 9.3 días para todos los reemplazos. Conclusiones Contrario a lo planteado en la hipótesis de estudio, se encontró que el primer GRD presentó el mayor número de complicaciones, lo que puede estar relacionado con el tamaño del grupo. Es necesario realizar nuevas investigaciones que soporten el uso de los GRD como herramienta para evaluar desenlaces clínicos.

Modelo de gestión del conocimiento para una empresa del sector de insumos químicos para la industria farmacéutica, cosmética y de alimentos: caso Disaromas S.A.

La creación de conocimiento al interior de las organizaciones es visible mediante la dirección adecuada del conocimiento de los individuos, sin embargo, cada individuo debe interactuar de tal manera que forme una red o sistema de conocimiento organizacional que consolide a largo plazo las empresas en el entorno en el que se desenvuelven. Este documento revisa elementos centrales acerca de la gestión de conocimiento visto desde varios autores y perspectivas e identifica puntos clave para diseñar un modelo de gestión de conocimiento para una empresa del sector de insumos químicos para la industria farmacéutica, cosmética y de alimentos de la ciudad de Bogotá.

Aplicaciones de los modelos de predicción bio-inspirados en la administración

Las organizaciones y sus entornos son sistemas complejos. Tales sistemas son difíciles de comprender y predecir. Pese a ello, la predicción es una tarea fundamental para la gestión empresarial y para la toma de decisiones que implica siempre un riesgo. Los métodos clásicos de predicción (entre los cuales están: la regresión lineal, la Autoregresive Moving Average y el exponential smoothing) establecen supuestos como la linealidad, la estabilidad para ser matemática y computacionalmente tratables. Por diferentes medios, sin embargo, se han demostrado las limitaciones de tales métodos. Pues bien, en las últimas décadas nuevos métodos de predicción han surgido con el fin de abarcar la complejidad de los sistemas organizacionales y sus entornos, antes que evitarla. Entre ellos, los más promisorios son los métodos de predicción bio-inspirados (ej. redes neuronales, algoritmos genéticos /evolutivos y sistemas inmunes artificiales). Este artículo pretende establecer un estado situacional de las aplicaciones actuales y potenciales de los métodos bio-inspirados de predicción en la administración.

Evaluación del desempeño pronóstico de dos puntajes de predicción de mortalidad a siete días en pacientes adultos oncológicos críticamente enfermos admitidos a una unidad de cuidados intensivos en Bogotá

Introducción Los sistemas de puntuación para predicción se han desarrollado para medir la severidad de la enfermedad y el pronóstico de los pacientes en la unidad de cuidados intensivos. Estas medidas son útiles para la toma de decisiones clínicas, la estandarización de la investigación, y la comparación de la calidad de la atención al paciente crítico. Materiales y métodos Estudio de tipo observacional analítico de cohorte en el que reviso las historias clínicas de 283 pacientes oncológicos admitidos a la unidad de cuidados intensivos (UCI) durante enero de 2014 a enero de 2016 y a quienes se les estimo la probabilidad de mortalidad con los puntajes pronósticos APACHE IV y MPM II, se realizó regresión logística con las variables predictoras con las que se derivaron cada uno de los modelos es sus estudios originales y se determinó la calibración, la discriminación y se calcularon los criterios de información Akaike AIC y Bayesiano BIC. Resultados En la evaluación de desempeño de los puntajes pronósticos APACHE IV mostro mayor capacidad de predicción (AUC = 0,95) en comparación con MPM II (AUC = 0,78), los dos modelos mostraron calibración adecuada con estadístico de Hosmer y Lemeshow para APACHE IV (p = 0,39) y para MPM II (p = 0,99). El ∆ BIC es de 2,9 que muestra evidencia positiva en contra de APACHE IV. Se reporta el estadístico AIC siendo menor para APACHE IV lo que indica que es el modelo con mejor ajuste a los datos. Conclusiones APACHE IV tiene un buen desempeño en la predicción de mortalidad de pacientes críticamente enfermos, incluyendo pacientes oncológicos. Por lo tanto se trata de una herramienta útil para el clínico en su labor diaria, al permitirle distinguir los pacientes con alta probabilidad de mortalidad.