[ad_1]
La oximetría de pulso es una prueba no invasiva que mide el nivel de saturación de oxígeno en la sangre de un paciente y se ha convertido en una herramienta importante para monitorear a muchos pacientes, incluidos aquellos con Covid-19. Sin embargo, una nueva investigación vincula las lecturas erróneas del oxímetro de pulso con las disparidades raciales en los resultados de salud, lo que podría conducir a mayores tasas de mortalidad y complicaciones, como disfunción orgánica en pacientes con piel más oscura.
Se sabe que los pacientes no blancos en unidades de cuidados intensivos (UCI) obtienen lecturas menos precisas de sus niveles de oxígeno utilizando oxímetros de pulso, los dispositivos comunes que se sujetan a los dedos de los pacientes. Ahora, un artículo en coautoría de científicos del MIT muestra que las lecturas imprecisas del oxímetro de pulso pueden significar que los pacientes de color en estado crítico reciben menos oxígeno suplementario durante su estadía en la UCI.
El papel, «Evaluación de las diferencias raciales y étnicas en el suministro de oxígeno en pacientes de la UCI», publicado en JAMA Medicina Internase centró en si había diferencias en la administración de oxígeno suplementario entre pacientes de diferentes razas y etnias que estuvieran asociadas con diferencias en el rendimiento del oxímetro de pulso.
Los resultados mostraron que las lecturas inexactas en pacientes asiáticos, negros e hispanos hicieron que recibieran menos oxígeno suplementario que los pacientes blancos. Según los investigadores, estos resultados dan una idea de cómo las tecnologías de la salud, como el oxímetro de pulso, contribuyen a las disparidades raciales y étnicas en la atención.
El autor principal del estudio, Leo Anthony Celi, director de investigación clínica y científico investigador sénior del Laboratorio de Fisiología Computacional del MIT y científico investigador sénior del Instituto de Ingeniería Médica y Ciencias (IMES) del MIT, dice que el desafío es que la tecnología de la salud se diseña rutinariamente en torno a la población mayoritaria.
«Los dispositivos médicos generalmente se desarrollan en países ricos con personas blancas y en forma como sujetos de prueba», explica. “Los medicamentos se evalúan a través de ensayos clínicos que tienen una participación desproporcionadamente grande en personas blancas. Los datos del genoma provienen predominantemente de personas de ascendencia europea”.
«Por lo tanto, no sorprende que observemos diferencias en los resultados según la demografía, con peores resultados entre aquellos que no participaron en el diseño de la atención médica», agrega Celi.
Si bien los oxímetros de pulso son ampliamente utilizados debido a su facilidad de uso, la forma más precisa de medir la saturación de oxígeno en sangre (SaO2) se determina tomando una muestra de sangre arterial del paciente. Lecturas de oximetría de pulso normales incorrectas (SpO2) puede conducir a una hipoxemia oculta. La bilirrubina elevada en el torrente sanguíneo y el uso de ciertos medicamentos en la UCI llamados vasopresores también pueden afectar las lecturas de oximetría de pulso.
Más de 3000 participantes se inscribieron en el estudio, de los cuales 2667 eran blancos, 207 negros, 112 hispanos y 83 asiáticos, utilizando datos de Medical Information Mart para Cuidados Intensivos Versión 4 o el conjunto de datos MIMIC-IV. Este conjunto de datos incluye más de 50 000 pacientes admitidos en la UCI del Centro Médico Beth Israel Deaconess e incluye lecturas de oxímetro de pulso y lecturas de saturación de oxígeno encontradas en muestras de sangre. MIMIC-IV también incluye tasas de administración de oxígeno suplementario.
Cuando los investigadores compararon SpO2 Usando lecturas de oxímetro de pulso de saturación de oxígeno de muestras de sangre, encontraron que los pacientes negros, hispanos y asiáticos tenían una SpO2 más alta2 Lecturas como pacientes blancos para un nivel específico de saturación de oxígeno en sangre medido en muestras de sangre. El tiempo de respuesta para el análisis de gases en sangre arterial puede oscilar entre unos pocos minutos y una hora. Como resultado, los médicos generalmente toman decisiones basadas en lecturas de oximetría de pulso sin darse cuenta de un rendimiento subóptimo dada la demografía de ciertos pacientes.
Eric Gottlieb, autor principal del estudio, nefrólogo, profesor asociado en el MIT y miembro de la Escuela de Medicina de Harvard en el Brigham and Women’s Hospital, pidió más investigación para comprender mejor “cómo las diferencias en el rendimiento de los oxímetros de pulso conducen a peores resultados; Se deben explorar las posibles diferencias en el manejo de la ventilación, la reanimación con líquidos, las decisiones de clasificación y otros aspectos de la atención. Luego, debemos rediseñar estos dispositivos y evaluarlos adecuadamente para garantizar que funcionen igual de bien para todos los pacientes”.
Celi enfatiza que comprender los sesgos presentes en los datos del mundo real es crucial para desarrollar mejor los algoritmos y la inteligencia artificial para ayudar a los médicos a tomar decisiones. «Antes de invertir más dinero en el desarrollo de inteligencia artificial para el cuidado de la salud utilizando registros médicos electrónicos, debemos identificar todos los impulsores de las diferencias en los resultados, incluidos los que surgen del uso de tecnología de diseño subóptimo», argumenta. «De lo contrario, corremos el riesgo de perpetuar y magnificar las desigualdades en salud con la IA».
Celi describió el proyecto y la investigación como una demostración del valor del intercambio de datos, que es el núcleo del proyecto MIMIC. «Ningún equipo tiene la experiencia y la perspectiva para comprender todos los sesgos que existen en los datos del mundo real para evitar que la IA perpetúe las desigualdades en salud», dice. «La base de datos que analizamos para este proyecto tiene más de 30 000 usuarios autorizados compuestos por equipos que incluyen científicos de datos, médicos y científicos sociales».
Los muchos investigadores que trabajan juntos en este tema forman una comunidad que comparte código y consultas y realiza controles de calidad, promueve la reproducibilidad de los resultados y apoya la selección de datos a través del crowdsourcing, dice Celi. «Duele cuando los datos de salud no se comparten», dice. “Restringir el acceso a los datos significa restringir las perspectivas con las que se analizan e interpretan los datos. Hemos visto numerosos ejemplos de especificaciones erróneas de modelos y suposiciones defectuosas que conducen a modelos que terminan perjudicando a los pacientes”.
[ad_2]