Por Óliver Franz.

Una métrica crucial que los hospitales deben minimizar es la proporción de complicaciones quirúrgicas: un porcentaje que indica resultados adversos después de los procedimientos quirúrgicos, que varían desde bajo para procedimientos mínimamente invasivos hasta elevado para cirugías de alto riesgo.

Este número no solo difiere según el tipo de cirugía, sino que también varía entre cirujanos debido a la naturaleza especializada de la habilidad. Muchos otros factores también pueden afectar el número, por lo que es importante que los hospitales descarten tantos factores externos como sea posible antes de analizar el desempeño individual.

¿PODRÍA LA CONFIGURACIÓN DEL QUIRÓFANO CREAR COMPLICACIONES?

Después de la cirugía, a menudo se le pregunta al cirujano si la configuración de la cirugía fue exactamente como esperaba que fuera. El propósito de esta pregunta es doble: primero, el tiempo de un cirujano es costoso y limitado, por lo que tener una sala correctamente habilitada ahorra tiempo, y segundo, no tener las herramientas necesarias para la cirugía en los lugares donde el cirujano las necesita podría provocar retrasos, lo que podría provocar resultados adversos para el paciente.

Un ejemplo de esto podría ser la iluminación quirúrgica. La iluminación adecuada es fundamental para que el cirujano pueda ver claramente lo que está haciendo. Si las luces no están colocadas correctamente o si hay problemas con su intensidad o enfoque, puede afectar significativamente la capacidad del cirujano para realizar el procedimiento de forma segura y precisa. En teoría, esto podría provocar complicaciones durante o después del procedimiento.

En nuestro escenario, decidimos recopilar datos de dos meses de cirugías entre tres cirujanos diferentes. Registramos si el cirujano afirmó afirmativamente que todo estaba configurado correctamente o no. Luego, medimos si se registró al menos una complicación con cada paciente en los 30 días posteriores a la operación.

En última instancia, queríamos ver si nuestra hipótesis nula era correcta; supusimos que habría una asociación entre la configuración de la sala y las complicaciones de los pacientes, y queríamos demostrar que había una diferencia estadísticamente significativa entre los dos resultados que no podía explicarse por casualidad. Obviamente, con los datos limitados que recopilamos, no podríamos probar la causalidad, pero demostrar una asociación podría ser un punto de partida sólido para la mejora continua.

Introducimos nuestros datos de 105 cirugías en Minitab Statistical Software y realizamos una prueba de asociación de chi-cuadrado. Optamos por utilizar Chi-cuadrado en lugar de ANOVA ya que los resultados eran binarios "sí, hubo complicaciones" o "no, no hubo complicaciones"; los datos no eran continuos. Estos son los resultados que produjo Minitab:

Con un valor de p inferior a 0,001, es seguro concluir que efectivamente hubo una asociación entre la proporción de complicaciones y la configuración del quirófano. Si se observa la tabla de perfiles porcentuales, se verá que en promedio el 64% de los procedimientos no resultan en ningún tipo de complicación. Si nuestra hipótesis nula fuera incorrecta, esperaríamos que los gráficos de barras "correctos" e "incorrectos" siguieran el mismo patrón, pero claramente no es así. Proporcionalmente, las cirugías en las que la sala estaba correctamente configurada se asociaron con una proporción de complicaciones mucho menor.

Además, en la diferencia porcentual entre los recuentos observados y esperados, puede verse una barra roja larga en la parte de configuración incorrecta del gráfico. Esto demuestra que ocurren muchas más complicaciones de las que cabría esperar cuando el quirófano está configurado incorrectamente.

Además, Minitab produjo un informe de diagnóstico y una boleta de calificaciones para este análisis:

El informe de calificaciones confirma que este análisis fue efectivamente válido y puede usarse con confianza para demostrar una asociación, ya que todas las muestras fueron lo suficientemente grandes como para obtener suficientes recuentos esperados: un lenguaje fácil de entender tanto para estadísticos como para no estadísticos. Podemos concluir con confianza que nuestro valor p es exacto.

LA ASOCIACIÓN BASADA EN DATOS PUEDE GENERAR OPORTUNIDADES DE MEJORA

Ahora se dispone de los datos necesarios para comenzar a realizar mejoras basadas en datos. Es seguro decir que es probable que en este escenario la mejora de la configuración del quirófano pueda conducir a mejores resultados para los pacientes en forma de menores proporciones de complicaciones. Nuevamente, si bien esta prueba no demuestra causalidad, la asociación con los datos fue muy fuerte.

Provistos de los datos, los hospitales pueden utilizar Minitab Engage para idear, realizar un seguimiento, gestionar e implementar proyectos de mejora. Los líderes pueden medir la efectividad de ciertos equipos de técnicos quirúrgicos e intercambiar ideas sobre nuevas formas de mejorar la configuración de la sala no solo para proteger el ancho de banda y el tiempo, sino también generar mejores resultados para los pacientes y aumentar su satisfacción.

Además, si se desea llevar el análisis un paso más allá, el aprendizaje automático automatizado de Minitab en el módulo de analítica predictiva de Minitab se puede aprovechar para medir el impacto de múltiples variables diferentes en la proporción de complicaciones. Esto puede ayudar a identificar otras áreas donde se deben centrar los esfuerzos de mejora.

En última instancia, realizar estas mejoras puede reducir la proporción de complicaciones para los pacientes dentro de su red, lo que resulta en un resultado positivo que beneficia a todos los involucrados.