Complicaciones posquirúrgicas en un prestador de servicio de salud de cirugía plástica y estética de la ciudad de Medellín basados en los estándares de calidad de historias clínicas 2014-2023

Abstract

RESUMEN: Este proyecto de intervención realiza el análisis retrospectivo de las principales complicaciones postquirúrgicas en cirugía plástica y estética en un prestador de servicios de salud de la ciudad de Medellín durante el periodo 2014 – 2023 a través de la observación de calidad de las historias clínicas. Se propuso tres objetivos específicos los cuales fueron desarrollar una auditoría de historias clínicas, evaluar reportes de eventos adversos, y proponer acciones de mejora con enfoque en la seguridad del paciente, todo esto apoyado en una herramienta predictiva mediante inteligencia artificial. Para desarrollar la metodología propuesta se eligió un muestreo por agrupación de 120 pacientes con complicaciones postquirúrgicas a las cuales se les aplicó una lista de chequeo para evaluar la calidad del diligenciamiento de las historias clínicas, adicionalmente se realizó una caracterización de las principales características sociodemográficas, clínicas y de laboratorio de estas pacientes, a partir de este información se creó una red neuronal con el fin de predecir complicaciones postquirúrgicas entre ellas la anemia como principal dato trazador. Se realizó un análisis de los reportes de eventos adversos realizados en la institución con el fin de dar recomendaciones sobre calidad y planes de mejora. Al aplicar la lista de chequeo se encontraron múltiples falencias en el diligenciamiento de la historia clínica dentro de los cuales se proponen planes de mejora, en cuanto al análisis de evento adversos se encontraron fallas en el diligenciamiento, análisis y aplicación de protocolo de Londres y el Diagrama de Ishikawa. En cuanto al uso de inteligencia artificial como predictor de complicaciones, se encontró que al usar una herramienta predictiva puede mejorar la calidad en la atención y la seguridad de los pacientes, por lo que una buena cultura de reporte, formación continua al personal de salud sobre los hallazgos encontrados y realizar una constante alimentación a la Machine Learning con datos actualizados, completos y veraces mejoraría continuamente su capacidad predictiva. Finalmente se espera que con las acciones mencionadas en éste trabajo, contribuya de manera efectiva a una atención más segura, se implementen medidas correctivas y preventivas, fortaleciendo la gestión de calidad, seguridad del paciente y del personal médico de manera eficiente en la institución intervenida.

ABSTRACT: This intervention project conducts an analysis of the main post-surgical complications in plastic and aesthetic surgery at a healthcare provider in the city of Medellín during the period 2014 – 2023 through the quality analysis of medical records. A sample of 120 patients with post-surgical complications was selected for the grouping, to whom a checklist was applied to assess the quality of medical record completion. Additionally, a characterization of these patients' main sociodemographic, clinical, and laboratory characteristics was done. Using this information, artificial intelligence was employed to create a neural network to serve as a predictor of complications in these patients. An analysis of adverse event reports conducted in the institution was performed to provide recommendations on quality and improvement plans. Upon applying the checklist, multiple deficiencies were found in the medical records, for which improvement plans are proposed. Regarding the analysis of adverse events, shortcomings were found in completion, analysis, and application of the London and fishbone protocol. Regarding the use of artificial intelligence as a predictor of complications, it was found that employing a predictive tool can enhance the quality of care and patient safety. Therefore, fostering a strong reporting culture, providing ongoing training for healthcare staff on the findings, and continuously feeding the machine learning model with updated, complete, and accurate data will improve its predictive capability over time. Ultimately, the actions proposed in this project are expected to contribute effectively to safer patient care, the implementation of corrective and preventive measures, and the efficient strengthening of quality management, patient safety, and the safety of medical personnel within the institution.