Un artículo de Patricia Rodríguez Saiz,
Customer Success Manager – Consultoría e Implantación NAIHA MDIIa (Ubikare)
Durante décadas, la medicina y la enfermería domiciliarias han sido el alma de los cuidados en los hogares, desde la cercanía y la visión clínica, aunque limitadas por la “foto” puntual de cada visita. La aparición de la monitorización continua y la capacidad predictiva mediante algoritmos, no reemplaza la visión humana, sino que la potencia, por que permite a médicos y enfermeras anticiparse a los episodios agudos antes de que se desencadenen.
De este modo, pasamos de una respuesta reactiva a una intervención predictiva mucho más precisa. Para el paciente, esta conjunción entre el criterio profesional y los datos recibidos, supone una mejora innegable: la tranquilidad de estar protegido sin renunciar a su autonomía ni a su hogar.
Creo firmemente que los ejemplos prácticos son la mejor manera de comprender algunas cosas, y por eso voy a comparar, de forma resumida, el seguimiento y detección de una situación de insuficiencia cardíaca descompensada de la forma tradicional VS seguimiento y detección precoz con la ayuda de mediciones y algoritmos existentes actualmente.
1. El escenario tradicional sin medicina predictiva
Fase inicial y silenciosa (Días 1 a 4): El corazón del paciente empieza a fallar y el líquido comienza a acumularse lentamente en los pulmones y piernas. El paciente no siente nada excesivamente preocupante, tal vez se nota un poco más cansado de lo habitual. Si en esa semana no hay visitas programadas, la situación puede pasar inadvertida y continuar empeorando
Fase sintomática aguda (Día 5): El paciente comienza a sentirse más cansado, respira peor por las noches al estar acostado (ortopnea) y siente las piernas muy hinchadas (edema). Se empieza a generar preocupación.
La respuesta médica de urgencia (Día 5-6): Llamada a los servicios de urgencia y muy posiblemente traslado al hospital para realización de pruebas y estabilización mediante medicación intravenosa.
El resultado: El paciente desestabilizado, deterioro funcional acelerado tras el ingreso, probabilidad de adquirir una infección nosocomial…
2. Escenario predictivo mediante algoritmos con control continuado de síntomas y constantes a través de dispositivos
– Días 1 y 2 (Detección de peso y oxigenación): El paciente, como todos los días, se pesa al levantarse. La báscula transmite automáticamente el dato a un software con capacidad analítica y predictiva, ejemplo: +400 gramos el primer día y +400 gramos el segundo (800 g de líquido retenido en dos días).
Tras realizar acciones cotidianas como ir al aseo y preparar el desayuno, el paciente se pone el pulsioxímetro de dedo: la saturación de oxígeno cae al 92% (frente a su habitual 96%) y las pulsaciones tardan el doble de tiempo en recuperarse.
Día 3 (Detección de conducta e inactividad): A través de una pulsera de actividad, se registra que el recuento de pasos del paciente ha caído un 40% respecto a su media semanal (ejemplo: pasa de 3.000 a 1.800 pasos) porque siente una fatiga incipiente al levantarse y mantener la marcha.
Además, el pulso medio en reposo durante la noche ha subido de 68 lpm a 76 lpm (el corazón intenta compensar latiendo más rápido).
Día 3-4 (Intervención de precisión): Ninguno de estos tres dispositivos requiere de tecnología compleja y sólo con eso, el algoritmo del software cruza los datos recogidos y la evolución en relación a mediciones previas: retención de peso + caída de oxigenación al esfuerzo + drástica reducción de pasos.
La plataforma emite una alerta de riesgo moderado-alto de descompensación al centro de salud o equipo de atención domiciliaria.
La enfermera llama por teléfono al paciente para confirmar que los datos recogidos son correctos y confirmar que el paciente se encuentra en una situación de descompensación. Tras la confirmación, el personal médico ajusta telefónicamente la dosis de medicación y aumenta la periodicidad de controles para monitorizar la evolución del paciente.
El resultado: El paciente se mantiene estable en su domicilio mientras es monitorizado a tiempo real por el equipo sanitario.
Conclusión
La atención sanitaria domiciliaria predictiva basada en datos no busca reemplazar la cercanía del cuidado tradicional, sino maximizar su impacto y eficacia. No debemos obviar que el modelo tradicional se encuentra afectado por la saturación y los altos costes de situaciones que con el modelo predictivo son altamente evitables.
El control inteligente del dato reequilibra la balanza, optimizando los recursos del sistema sanitario y, sobre todo, regalando al paciente una gran ventaja: la tranquilidad de permanecer en su hogar de forma segura y autónoma.
