Auditoría de prescripción de medicamentos formulados en los servicios de hospitalización en un hospital de segundo nivel con apoyo de inteligencia artificial generativa
Cargando...
Archivos
Fecha
2025-01
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
La seguridad en la prescripción de medicamentos es un desafío crítico en los sistemas de salud a nivel global, debido a la frecuencia y gravedad de los eventos adversos a medicamentos (EAM). Estos eventos a menudo resultan de errores en la prescripción, que no solo comprometen la seguridad del paciente, sino que también imponen una carga económica significativa a las instituciones de salud. Este estudio busca evaluar la efectividad de una herramienta de Inteligencia Artificial Generativa (GenIA) llamada Hismart para mejorar la precisión y la seguridad de las prescripciones de medicamentos en un entorno hospitalario. La investigación se justifica
por la alta incidencia de eventos adversos a medicamentos (EAM) a nivel mundial, muchos de los cuales están relacionados con errores en la prescripción médica.
Para lograr este objetivo, se utilizará un diseño de estudio de antes y después, observacional, analizando las prescripciones electrónicas del área hospitalaria de la institución durante un período de seis meses después de la implementación de la herramienta. La muestra estará compuesta por prescripciones electrónicas del área hospitalaria del Hospital Regional de Duitama. Se espera que la herramienta GenIA,analice los datos, identificando errores de prescripción de medicamentos que podrían pasar desapercibidos para el humano. Con la implementación de hismart (GenIA), se espera reducir significativamente la frecuencia de errores en la prescripción, lo que a su vez se traduciría en una mejora en la seguridad del paciente y una optimización de los recursos hospitalarios. Además, se espera que la herramienta ayude a reducir los costos asociados con los EAM, que actualmente representan una carga económica considerable para las instituciones de salud. Este estudio busca proporcionar evidencia sobre el potencial de la GenIA para transformar la seguridad del paciente en el sistema de salud, mejorando la precisión de las prescripciones y, en última instancia, conduciendo a mejores resultados de salud.
Descripción
Abstract
Safety in drug prescription is a critical challenge in healthcare systems globally, due to the frequency and severity of adverse drug events (ADEs). These events often result from prescription errors, which not only compromise patient safety, but also impose a significant economic burden on healthcare institutions. This study seeks to evaluate the effectiveness of a Generative Artificial Intelligence (GenIA) tool called Hismart to improve the accuracy and safety of drug prescriptions in a hospital setting. The research is justified by the high incidence of adverse drug events (ADEs) worldwide, many of which are related to errors in medical prescription. To achieve this objective, a before-and-after, observational study design will be used, analyzing electronic prescriptions from the hospital area of the institution over a period of six months after the implementation of the tool. The sample will be composed of electronic prescriptions from the hospital area of the Duitama Regional Hospital. The GenIA tool is expected to analyze data, identifying drug prescription errors that could go unnoticed by humans. With the implementation of hismart (GenIA), it is expected to significantly reduce the frequency of prescription errors, which in turn would translate into improved patient safety and optimization of hospital resources. In addition, the tool is expected to help reduce the costs associated with ADEs, which currently represent a considerable economic burden for health institutions. This study seeks to provide evidence on the potential of GenIA to transform patient safety in the health system, improving the accuracy of prescriptions and ultimately leading to better health outcomes.
Palabras clave
Seguridad del paciente, Evento adverso, Inteligencia artificial generativa, Hospitalización, Medicamento, Paciente
Keywords
Patient safety, Adverse event, Generative artificial intelligence,, Hospitalization, Medication, Patient