Los tres números que necesita saber sobre la atención médica: el desafío 60-30-10
La asistencia sanitaria representa una paradoja. Si bien el cambio está en todas partes, el rendimiento se ha estabilizado: el 60% de la atención en promedio está en línea con las pautas basadas en evidencia o consenso, el 30% es una forma de desperdicio o de bajo valor, y el 10% es daño. El desafío 60-30-10 ha persistido durante tres décadas. BMC Med, mayo de 2020
Antecedentes La asistencia sanitaria representa una paradoja. Si bien el cambio está en todas partes, el rendimiento se ha estabilizado: el 60% de la atención en promedio está en línea con las pautas basadas en evidencia o consenso, el 30% es una forma de desperdicio o de bajo valor, y el 10% es daño. El desafío 60-30-10 ha persistido durante tres décadas.
Cuerpo principal
Las estrategias actuales de arriba hacia abajo o de lógica de cadena para abordar este problema, basadas esencialmente en modelos lineales de cambio y confiando en políticas, jerarquías y estandarización, han demostrado ser insuficientes. En cambio, necesitamos unir ideas extraídas de la ciencia de la complejidad y la mejora continua con propuestas para crear un sistema de salud de aprendizaje profundo. Este modelo de aprendizaje dinámico tiene el potencial de reunir información relevante, incluyendo historias de pacientes, y datos clínicos, de pacientes, de laboratorio y de costos para mejorar la toma de decisiones en tiempo real, o casi en tiempo real. Si lo hacemos bien, el sistema de salud de aprendizaje contribuirá a que la atención se base más en la evidencia y sea menos derrochadora y perjudicial. Necesitará una infraestructura y una red troncal digital diseñada específicamente, aplicará inteligencia artificial para respaldar las opciones de diagnóstico y tratamiento, aprovechará los tipos de datos genómicos y otros nuevos, y creará discusiones informadas sobre las opciones entre pacientes, familias y médicos. Si bien habrá muchas variantes del modelo, los sistemas de salud de aprendizaje deberán extenderse, y se los alentará a hacerlo, principalmente a través de la difusión de modelos de innovación y adaptaciones locales.
Conclusión Los sistemas de aprendizaje profundo pueden permitirnos explotar mejor los conjuntos de datos de salud en expansión, incluidas las formas tradicionales y nuevas de datos a gran y menor escala, p. Ej. información sobre genómica y costos, e incorporar las preferencias del paciente en la toma de decisiones. Tal como lo imaginamos, un sistema de aprendizaje profundo respaldará el deseo de la atención médica de mejorar continuamente y obtener ganancias en las dimensiones 60-30-10. Todos los sistemas de salud modernos están inundados de datos, pero solo recientemente hemos podido reunir esto, ponerlo en práctica y convertirlo en información útil para tomar decisiones más inteligentes y oportunas que en el pasado.
El trabajo
Braithwaite, J., Glasziou, P. & Westbrook, J. The three numbers you need to know about healthcare: the 60-30-10 Challenge. BMC Med 18, 102 (2020). https://doi.org/10.1186/s12916-020-01563-4