# Una validación externa del Epic Sepsis Model en Michigan Medicine halló un AUC de 0,63: se le escapaba el 67% de los pacientes con sepsis mientras alertaba sobre el 18% de todos los hospitalizados

Página: https://flyvolo.ai/es/changes/ev-20210621-registered-nurse-4
Fecha: 2021-06-21 · Etapa: Restricción
¿Puede este registro mover un juicio sobre una tarea? sí
Ocupación: https://flyvolo.ai/es/careers/registered-nurse

## Alcance

27.697 pacientes a lo largo de 38.455 hospitalizaciones en un centro académico estadounidense, del 6 de diciembre de 2018 al 20 de octubre de 2019; sepsis en el 6,6% de las hospitalizaciones. En el umbral implantado, el modelo encontró 183 de 2.552 pacientes con sepsis (el 7%) que la atención clínica había pasado por alto. El AUC declarado por el propio proveedor era de 0,76 a 0,83. Un modelo propietario muy desplegado en un solo centro — no cualquier herramienta de alerta temprana, y Epic revisó después el modelo.

## Fuente

- JAMA Internal Medicine — Wong et al. 181(8) (open-access copy, PMC8218233) — https://pmc.ncbi.nlm.nih.gov/articles/PMC8218233/ (fuente primaria)

## Qué significa esto

El modelo estaba en marcha en un hospital real, y sus propias cifras muestran lo que cuesta automatizar «vigilar al paciente»: en el umbral desplegado, alertaba en casi uno de cada cinco ingresos mientras se le escapaban dos tercios de los casos de sepsis. Lo escaso no es detectar sino calibrar: un juicio junto a la cama que salte lo bastante poco como para que se le siga creyendo.

## Lo que todavía no demuestra

No muestra que la monitorización predictiva sea un callejón sin salida. El estudio es un modelo propietario en un solo centro a lo largo de once meses, y Epic lo reconstruyó después. Tampoco muestra que la enfermera conserve las horas: una alerta en la que nadie confía sigue habiendo que valorarla y documentarla, así que una herramienta mal calibrada puede añadir trabajo sin quitar ninguno.

## Cómo comprobarlo por tu cuenta

Si trabajas en una unidad con una puntuación de alerta temprana, haz dos preguntas con cifras pegadas: cuántas alertas saltan por turno, y cuántas de esas cambiaron lo que alguien hizo. Cualquier AUC citada por un proveedor sin la tasa de alertas en tu umbral es media cifra.


Más: https://flyvolo.ai/llms.txt