La información de All of Us ayuda a predecir mejor la readmisión hospitalaria de pacientes con sepsis

Last Reviewed: October 4, 2022

Puntos clave

Los investigadores científicos utilizaron la información de All of Us sobre los determinantes sociales de la salud para predecir el reingreso por sepsis en los pacientes.
Los determinantes sociales de la salud que afectan el riesgo de readmisión hospitalaria de una persona incluyen: demoras en obtener atención médica, no tener seguro médico, vivienda o empleo inestables y niveles educativos más bajos.
La diversidad del conjunto de datos de All of Us fue clave en el éxito de los modelos predictivos de sepsis.

Un diagrama que compara los modelos de readmisión por sepsis nuevos y existentes. El modelo existente incluye información demográfica y datos sobre antecedentes médicos. El nuevo modelo incluye registros de pacientes y respuestas de la encuesta de All of Us que cubren transporte, seguro médico, vivienda, empleo, educación e ingresos, cuyo impacto es la atención informada al paciente. Logotipo del Programa Científico All of Us.

La sepsis es una emergencia médica grave y potencialmente mortal que ocurre cuando una infección se propaga por todo el cuerpo y llega a la sangre.

Las personas que han estado en el hospital con sepsis a veces regresan porque su enfermedad regresa.

Los nuevos conocimientos basados en la información de All of Us determinaron que los investigadores científicos pueden predecir mejor la readmisión hospitalaria al observar ciertos factores sociales y ambientales, como educación, vivienda, empleo y acceso a la atención. Estos son conocidos como determinantes sociales de la salud. Los modelos más antiguos para la readmisión por sepsis incluían solo información demográfica (como edad, sexo y raza) y problemas médicos o de salud previos.

Estos nuevos hallazgos fueron publicados en Journal of the American Medical Informatics Association (en inglés).

Una mayor riqueza de información produce mejores predicciones

En este estudio, los investigadores científicos crearon un nuevo modelo para predecir el reingreso por sepsis a los 30 días. En el Taller Digital de Investigación Científica (en inglés), examinaron datos de casi 9,000 participantes con antecedentes de sepsis. Los investigadores científicos utilizaron información de registros electrónicos de salud (información demográfica y clínica) de muchos sitios de All of Us diferentes en todo el país. También incluyeron las respuestas de los participantes a 88 preguntas de la encuesta sobre diferentes factores sociales y ambientales.

Los investigadores científicos encontraron varios factores relacionados con mayores posibilidades de reingreso hospitalario no planificado:

Retrasos en obtener atención médica debido a la falta de transporte
Falta de seguro médico
Vivienda o empleo inestable
Niveles de educación e ingresos más bajos

Los hombres y los pacientes afroamericanos o asiáticos también tenían más probabilidades de necesitar regresar al hospital que las mujeres o las personas de otras razas.

Atención informada para la sepsis utilizando determinantes sociales de la salud

Este nuevo modelo puede ayudar al personal de atención médica a identificar a los pacientes que pueden estar en mayor riesgo de readmisión y encontrar formas de ayudar. Por ejemplo, algunos pacientes pueden beneficiarse de un seguimiento adicional después de salir del hospital. Los administradores de casos podrían organizar el transporte a los chequeos de salud para los pacientes que lo necesiten, para evitar demoras y mejorar el acceso a la atención médica.

Estos resultados demuestran la importancia de la diversidad en All of Us. Cuando la investigación científica incluye a personas de diferentes orígenes, podemos recopilar información sobre una variedad más amplia de resultados de enfermedades. De esta forma, los investigadores científicos pueden crear modelos que se apliquen a más personas.

Este estudio se basó en información inicial de All of Us. Con el tiempo, habrá más información disponible que puede generar más conocimientos como estos.