Algoritmo para identificación de consultas por infección respiratoria aguda baja en pediatría en registros clínicos electrónicos
DOI:
https://doi.org/10.31053/1853.0605.v78.n3.30162Palabras clave:
registros electrónicos de salud, niño, Infecciones del Sistema RespiratorioResumen
Introducción: Debido a ambigüedades en la nomenclatura, las infecciones respiratorias agudas bajas (IRAB) en la infancia frecuentemente no son debidamente registradas, especialmente durante las consultas ambulatorias. Contar con una herramienta que las identifique con precisión, permitirá evaluar el impacto en la salud respiratoria de noxas de alcance masivo y diseñar las políticas para prevenirlas o mitigar sus efectos.
Nuestro objetivo fue construir un algoritmo que permita identificar niños con IRAB a partir de los datos de la historia clínica electrónica (HCE) del Gobierno de la Ciudad de Buenos Aires (GCBA).
Métodos: Utilizando la HCE-GCBA, se seleccionaron aleatoriamente 1000 consultas ambulatorias de pacientes menores de 2 años. Se buscaron términos que hicieran referencia a que la consulta era motivada por IRAB, con los que se desarrolló un algoritmo basado en reglas duras. Se utilizó otro set de datos de 800 consultas para ajustar el algoritmo y, finalmente, se validó su desempeño en un tercer set de 800 consultas correspondientes a todo el año 2018.
Resultados: En el set de validación, la herramienta desarrollada identificó IRAB con sensibilidad 88,24%, especificidad 97,5%, VPP 86,07% y VPN 97,93%.
Conclusión: El algoritmo de búsqueda desarrollado permite identificar con aceptable precisión las consultas ambulatorias relacionadas con IRAB en niños menores de 2 años.
Descargas
Referencias
1. Nair H, Simões EA, Rudan I, Gessner BD, Azziz-Baumgartner E, Zhang JSF, Feikin DR, Mackenzie GA, Moiïsi JC, Roca A, Baggett HC, Zaman SM, Singleton RJ, Lucero MG, Chandran A, Gentile A, Cohen C, Krishnan A, Bhutta ZA, Arguedas A, Clara AW, Andrade AL, Ope M, Ruvinsky RO, Hortal M, McCracken JP, Madhi SA, Bruce N, Qazi SA, Morris SS, El Arifeen S, Weber MW, Scott JAG, Brooks WA, Breiman RF, Campbell H; Severe Acute Lower Respiratory Infections Working Group. Global and regional burden of hospital admissions for severe acute lower respiratory infections in young children in 2010: a systematic analysis. Lancet. 2013 Apr 20;381(9875):1380-1390. doi: 10.1016/S0140-6736(12)61901-1.
2. Liu L, Johnson HL, Cousens S, Perin J, Scott S, Lawn JE, Rudan I, Campbell H, Cibulskis R, Li M, Mathers C, Black RE; Child Health Epidemiology Reference Group of WHO and UNICEF. Global, regional, and national causes of child mortality: an updated systematic analysis for 2010 with time trends since 2000. Lancet. 2012 Jun 9;379(9832):2151-61. doi:10.1016/S0140-6736(12)60560-1. Epub 2012 May 11. Erratum in: Lancet. 2012 Oct 13;380(9850):1308.
3. Ministerio de Salud, República Argentina. Boletín Integrado de Vigilancia. N° 479. Available: https://www.argentina.gob.ar/sites/default/files/biv_479.pdf.
4. Lanata CF, Rudan I, Boschi-Pinto C, Tomaskovic L, Cherian T, Weber M, Campbell H. Methodological and quality issues in epidemiological studies of acute lower respiratory infections in children in developing countries. Int J Epidemiol. 2004 Dec;33(6):1362-72. doi: 10.1093/ije/dyh229.
5. Fauroux B, Hascoët JM, Jarreau PH, Magny JF, Rozé JC, Saliba E, et al. Risk factors for bronchiolitis hospitalization in infants: A French nationwide retrospective cohort study over four consecutive seasons (2009-2013). PLoS One. 2020; 15(3):e0229766. https://doi.org/10.1371/journal.pone.0229766
6. Kukafka R, Ancker JS, Chan C, Chelico J, Khan S, Mortoti S, Natarajan K, Presley K, Stephens K. Redesigning electronic health record systems to support public health. J Biomed Inform. 2007 Aug;40(4):398-409. doi: 10.1016/j.jbi.2007.07.001.
7. Legislatura de la Ciudad Autónoma de Buenos Aires. Ley de historia clínica electrónica. Ley 5669. Buenos Aires, 27 de octubre de 2016.
8. Tenny S, Hoffman MR. Prevalence. [Updated 2021 May 30]. In: StatPearls [Internet]. Treasure Island (FL): StatPearls Publishing; 2021 Jan-. Available from: https://www.ncbi.nlm.nih.gov/books/NBK430867/
9. Esteban S, Rodríguez Tablado M, Ricci RI, Terrasa S, Kopitowski K. A rule-based electronic phenotyping algorithm for detecting clinically relevant cardiovascular disease cases. BMC Res Notes. 2017 Jul 14;10(1):281. doi: 10.1186/s13104-017-2600-2.
10. Kottke TE, Baechler CJ, Parker ED. Accuracy of heart disease prevalence estimated from claims data compared with an electronic health record. Prev Chronic Dis. 2012;9:E141. doi: 10.5888/pcd9.120009.
11. Borja-Aburto VH. Estudios ecológicos [Ecological studies]. Salud Publica Mex. 2000 Nov-Dec;42(6):533-8.
12. Cimino JJ. Desiderata for controlled medical vocabularies in the twenty-first century. Methods Inf Med. 1998 Nov;37(4-5):394-403.
13. Rees G. Staff use of acronyms in electronic care records. Mental Health Pract 2013; 16(10):28-31.
14. Walsh KE, Gurwitz JH. Medical abbreviations: writing little and communicating less. Arch Dis Child. 2008 Oct;93(10):816-7. doi: 10.1136/adc.2008.141473.
Publicado
Número
Sección
Licencia
Derechos de autor 2021 Universidad Nacional de Córdoba
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial 4.0.
Se permite la generación de obras derivadas siempre que no se haga con fines comerciales. Tampoco se puede utilizar la obra original con fines comerciales.
Cómo citar
