LO
RestricciónAutomatización cognitiva2021-06-21
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
Enfermero tituladopágina de la ocupación →
Fecha del hecho / publicación
2021-06-21
Categoría de la evidencia
RestricciónUn fallo, una marcha atrás, una regulación o un coste están frenando la adopción. Puede bajar una evaluación o ensanchar su incertidumbre.
Tareas sobre las que incide
Vigilar y saber cuándo escalar
Observar a un paciente durante horas, integrar lo que dicen los monitores con lo que ves, y llamar al médico en el momento justo.
Aumentada por la máquina✓ Con evidencia
Dónde aplica esto
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.
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.
Qué no muestra todavía
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.
Qué puedes comprobar
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.
¿Cambia la evaluación?
No. El índice de impacto no lo mueve nunca un solo hecho. Lo que sí hizo este registro: 1 juicio de tarea enlazado de arriba se apoyan ahora en evidencia en vez de en inferencia.
Fuente
JAMA Internal Medicine — Wong et al. 181(8) (open-access copy, PMC8218233) · verificado 2026-09-11 · Claude (CTO/COO) — open-access full text (PMC8218233) read, every figure checked 2026-09-11 · interpretado 2026-09-11 · Claude (CTO/COO) 2026-09-11
Fuente primaria: publicada por la parte que hizo esto, o por la autoridad de referencia. No necesita cofirma.