Η έρευνα διεξήχθη σε ένα νοσοκομειακό κέντρο των ΗΠΑ και τονίζει ότι, στην πλειονότητά τους (85%), αυτά τα διαγνωστικά σφάλματα είναι πιθανότατα αποτρέψιμα, υποδεικνύοντας την ανάγκη βελτίωσης των συστημάτων επιτήρησης και νέων προσεγγίσεων για τη μείωση της εμφάνισης σφαλμάτων.
Οι «ατέλειες» στις τρέχουσες μεθόδους ανίχνευσης
Προηγούμενες μελέτες έχουν επισημάνει ότι τα υφιστάμενα εργαλεία για την ανίχνευση ιατρικών λαθών συχνά αποτυγχάνουν να καταγράψουν τα επιβλαβή διαγνωστικά σφάλματα, ιδίως εκείνα με λιγότερο σοβαρά αποτελέσματα. Για να αντιμετωπίσουν αυτό το κενό, οι ερευνητές ανέπτυξαν και επικύρωσαν μια δομημένη διαδικασία επανεξέτασης περιστατικών. Η μέθοδος αυτή επέτρεψε στους κλινικούς γιατρούς να εξετάσουν λεπτομερώς τα ηλεκτρονικά αρχεία υγείας (ΗΑΥ), αξιολογώντας την πιθανότητα διαγνωστικών σφαλμάτων και τη σοβαρότητα της προκύπτουσας βλάβης.
Η μελέτη εξέτασε ένα τυχαία επιλεγμένο δείγμα 675 νοσοκομειακών ασθενών από ένα σύνολο 9.147 ανθρώπων που έλαβαν γενική ιατρική περίθαλψη μεταξύ Ιουλίου 2019 και Σεπτεμβρίου 2021. Από την ανάλυση εξαιρέθηκαν οι ασθενείς που νοσηλεύτηκαν κατά τη διάρκεια της κορύφωσης της πανδημίας COVID-19 (Απρίλιος έως Δεκέμβριος 2020).
Οι περιπτώσεις κατηγοριοποιήθηκαν με βάση τον κίνδυνο διαγνωστικού σφάλματος. Αυτοί που διέτρεχαν υψηλό κίνδυνο περιλάμβαναν ασθενείς:
- που μεταφέρθηκαν στην εντατική περισσότερο από 24 ώρες μετά την εισαγωγή (100%),
- που πέθαναν εντός 90 ημερών από την εισαγωγή (38,5%) και
- εκείνους με σύνθετα κλινικά ζητήματα, αλλά χωρίς μεταφορά στην εντατική ή θάνατο εντός 90 ημερών (7%).
Τα περιστατικά χαμηλού κινδύνου, τα οποία δεν πληρούσαν αυτά τα κριτήρια, αντιπροσώπευαν μόνο το 2,5% του δείγματος.
Εκπαιδευμένοι μελετητές εξέτασαν κάθε περίπτωση για να προσδιορίσουν την πιθανότητα διαγνωστικού σφάλματος, να αξιολογήσουν τις αποτυχίες της διαδικασίας και να ταξινομήσουν τη σοβαρότητα της βλάβης. Τα σφάλματα κατηγοριοποιήθηκαν ως:
- ήσσονος σημασίας,
- μέτριας σοβαρότητας ή
- θανατηφόρα.
Σε περιπτώσεις αβεβαιότητας, μια ομάδα εμπειρογνωμόνων διεξήγαγε περαιτέρω αξιολογήσεις.
Από τις 675 περιπτώσεις που εξετάστηκαν, διαγνωστικά σφάλματα εντοπίστηκαν σε 160 περιπτώσεις, με επιπτώσεις σε 154 ασθενείς. Η πλειονότητα αυτών των σφαλμάτων εντοπίστηκε σε ασθενείς που μεταφέρθηκαν σε μονάδα εντατικής θεραπείας ή σε ασθενείς με σύνθετες κλινικές καταστάσεις.
Από τις 84 περιπτώσεις επιβλαβών διαγνωστικών σφαλμάτων, η σοβαρότητα ποικίλλει:
- 6% ήταν ήσσονος σημασίας,
- 43% ήταν μέτρια,
- 30% ήταν μείζονος σημασίας και
- 21,5% ήταν θανατηφόρα.
Η μελέτη διαπίστωσε ότι οι ηλικιωμένοι ασθενείς χωρίς ιδιωτική ασφάλιση και εκείνοι που θεωρούνταν υψηλού κινδύνου ήταν πιο ευάλωτοι σε αυτά τα λάθη.
Τι οδηγεί σε σοβαρά διαγνωστικά λάθη;
Η μελέτη ανέδειξε διάφορους παράγοντες που συμβάλλουν στα διαγνωστικά σφάλματα. Οι αποτυχίες της διαδικασίας -όπως η αβεβαιότητα στις αρχικές αξιολογήσεις, οι πολύπλοκες διαγνωστικές δοκιμές, η μη βέλτιστη καθοδήγηση από ειδικούς και η κακή λήψη ιστορικού- συνδέθηκαν σημαντικά με τα σφάλματα. Οι καθυστερημένες διαγνώσεις ήταν επίσης συχνές, αντιπροσωπεύοντας το 62% των σφαλμάτων.
Οι πιο συχνές καταστάσεις που συνδέονταν με διαγνωστικά σφάλματα ήταν η καρδιακή ανεπάρκεια, η σήψη, η πνευμονία, η οξεία νεφρική ανεπάρκεια, η αναπνευστική ανεπάρκεια και η μεταβολή της ψυχικής κατάστασης.
Μπορεί η τεχνητή νοημοσύνη να βοηθήσει;
Οι ερευνητές υποστηρίζουν ότι η ενσωμάτωση εργαλείων τεχνητής νοημοσύνης στις ροές εργασίας των νοσοκομείων θα μπορούσε να συμβάλει στη μείωση των διαγνωστικών σφαλμάτων, βελτιώνοντας την παρακολούθηση και επιτρέποντας έγκαιρες παρεμβάσεις. Αν και η μελέτη περιορίστηκε σε ένα ιατρικό κέντρο και βασίστηκε σε δεδομένα από ασθενείς με παραμονή στο νοσοκομείο κάτω των 21 ημερών, παρέχει κρίσιμες πληροφορίες σχετικά με το εύρος των διαγνωστικών σφαλμάτων. Με βάση τα ευρήματα, οι ερευνητές τονίζουν την επείγουσα ανάγκη για καινοτόμες στρατηγικές επιτήρησης για τη διασφάλιση της φροντίδας των ασθενών και την ελαχιστοποίηση των μελλοντικών σφαλμάτων.
ygeiamou.gr
Δεν υπάρχουν σχόλια:
Δημοσίευση σχολίου