En julio de 2021, el NHS de Inglaterra puso en marcha el servicio nacional Learn From Patient Safety Events (LFPSE), un sistema centralizado que el personal sanitario puede utilizar para registrar y acceder a información relacionada con incidentes de seguridad del paciente en todo el país utilizando la base de datos del NHS.
Como proveedor que cumple la LFPSEestamos escribiendo una serie de artículos en nuestro blog para ayudar a los profesionales sanitarios a comprender mejor este nuevo sistema de registro de incidentes. Si desea conocer los conceptos básicos, puede consultar nuestro primer artículo: Las cinco W de LFPSE - El nuevo sistema de notificación de incidentes en el Reino Unido.
Como continuación, nos sumergimos en el ecosistema LFPSE y quién mejor para arrojar luz sobre el tema que Lucie Mussett, Propietaria Senior de Proyecto y Líder de LFPSE en NHS England.
Con formación en gestión de políticas clínicas y un máster en política sanitaria por el Imperial College de Londres, Lucie forma parte del equipo nacional de seguridad del paciente desde 2013. En los últimos años, ha dirigido el equipo de desarrollo ágil que trabaja en LFPSE, el sucesor del actual NRLS (National Reporting and Learning System).
Tuvimos el privilegio de conversar con Lucie sobre la necesidad del LFPSE, cómo es el nuevo sistema, qué nos depara el futuro del aprendizaje a partir de los incidentes relacionados con la seguridad del paciente y mucho más. Eche un vistazo a lo que nos contó.
¿Cuál era la necesidad de un nuevo servicio nacional de registro de sucesos relacionados con la seguridad del paciente? ¿Cuáles son las principales deficiencias del NRLS que mejorará el LFPSE?
Hace más de una década, la Agencia Nacional para la Seguridad del Paciente planeó unir el NRLS y el StEIS para agilizar la fase inicial y animar a más médicos a notificar incidentes. Sin embargo, cuando se disolvió la Agencia, esa misión quedó en suspenso mientras las responsabilidades en materia de seguridad de los pacientes se transferían al nuevo equipo nacional de seguridad de los pacientes dentro del recién creado NHS Commissioning Board, que pasó a convertirse en el NHS England.
Cuando se reanudaron los trabajos, ya no se trataba sólo de racionalizar NRLS y StEIS. Se trataba más bien de entender cómo utiliza actualmente el personal sanitario el servicio y cómo nos gustaría que lo utilizara en el futuro. Queríamos aprovechar las distintas oportunidades que ofrecía la tecnología y hacer las cosas mejor para ayudar al personal a prestar una asistencia más segura. En esencia, queríamos crear un sistema centrado en la seguridad del paciente y una cultura de aprendizaje a partir de los incidentes de seguridad.
El NRLS es un sistema único y fantástico, con una base de datos de más de 20 millones de informes. Sin embargo, como también se basa en una tecnología de hace 20 años, se estancó bastante en términos de desarrollo. Aunque intentamos modificar algunos aspectos del servicio, sobre todo la taxonomía, la infraestructura no nos permitía introducir cambios significativos. Había problemas con la asignación de los distintos campos a estructuras de datos locales, dificultades tecnológicas para sacar los datos y un límite de código que no nos permitía añadir más funciones o mejoras a la NRLS.
Así que decidimos aprovechar los 20 años de experiencia del sistema NRLS y trasladarlos al proyecto LFPSE para crear un servicio flexible, accesible y que ofrezca una mayor transparencia de los datos. La gente dedica un tiempo precioso a registrar los incidentes de seguridad para contribuir a la mejora de la seguridad de los pacientes, pero con el NRLS no siempre hemos podido aprovechar todo el potencial de aprendizaje de esos registros, y puede dar la sensación de que se quedan en una caja negra. Nos dimos cuenta de que el uso de tecnología punta, como el aprendizaje automático, nos permitiría obtener mucho más aprendizaje y análisis de todos los incidentes registrados. Aunque la entrada de datos está muy bien y satisface algunas necesidades, la salida de datos es donde se produce la verdadera capacidad de cambio y aprendizaje.
¿Puede hablarnos de las actualizaciones de la taxonomía de la LFPSE, de cómo se utilizarán en el futuro y de cómo van a mejorar la calidad de los datos?
En cuanto a la taxonomía, hemos retocado y actualizado el conjunto de datos "quién, qué, dónde, cuándo, por qué" de la LFPSE.
Para la pregunta "quién", ahora puede tener varios pacientes implicados en un suceso en lugar de crear registros de incidentes separados en el caso de sucesos que afecten a más de una persona.
Hemos actualizado algunos datos categóricos, como la especialidad y el tipo de servicio para el "Dónde". Esto permite una mayor granularidad y flexibilidad, especialmente cuando se trata de extraer información de esos datos. Tampoco hemos limitado este campo al ámbito interno de su organización: puede registrar un incidente en el que crea que algo ha ido mal cuando otra persona ha prestado asistencia en una fase anterior del proceso del paciente.
Del mismo modo, para "cuándo", hemos añadido la opción de estimar el tiempo en los casos en los que la gente desconoce el marco temporal exacto. Todo esto es un intento de mejorar la calidad de los datos, ofrecer más flexibilidad y no obligar a la gente a dar respuestas en blanco y negro.
En el "qué" es donde hemos hecho los cambios más significativos. En el NRLS, había una lista finita de tipos y subtipos de incidentes, y los registradores sólo podían elegir una categoría. Esto limitaba bastante el análisis y el aprendizaje, porque los incidentes suelen ser complicados y no pueden asignarse a un único parámetro, y la propia lista siempre estaba incompleta.
Por ello, se incluirían simplemente en la categoría "OTROS", donde podrían pasarse por alto, porque la tendencia es centrarse en incidentes que ya se sabía que eran un problema y que pueden clasificarse fácilmente. Esto también significa que estamos perdiendo oportunidades de identificar riesgos poco reconocidos y de realizar una labor más proactiva y preventiva, especialmente en las categorías de menor daño, que es tan esencial para la seguridad.
Por eso, en el LFPSE hemos intentado dividir los incidentes de seguridad en componentes. Hacemos preguntas sobre lo que estaba físicamente implicado (medicamentos, dispositivos médicos y otros aspectos tangibles), los usuarios pueden seleccionarlos y, en función de sus respuestas, se les plantean otras preguntas para descifrar con precisión lo que salió mal. Algunas preguntas descienden varios niveles de detalle, mientras que otras son categorías bastante amplias.
La última parte del rompecabezas es el "por qué", que entra en el mundo del PSIRF (Patient Safety Incident Response Framework), la nueva política que sustituye al Marco de Incidentes Graves. Con arreglo al PSIRF, dentro del LFPSE, las personas pueden hacer sus revisiones, investigaciones y exploraciones de las cosas que han ido mal y por qué, y registrar su aprendizaje a través de la puerta de entrada del LFPSE.
Como los registros se comparten automáticamente con el servicio nacional, no hay que volver a cargarlos con las actualizaciones: basta con ir modificando el registro a medida que se aclare el panorama, y todos tendremos a la vista la misma información a medida que mejore la calidad.
¿Qué papel desempeña el aprendizaje automático en la información captada a nivel nacional? Qué enseñanzas pueden extraerse de esos datos?
Actualmente se está trabajando mucho en el aprendizaje automático, con el potencial de revolucionar realmente la forma en que procesamos los datos.
Recibimos más de 2,6 millones de registros al año; en el texto libre es donde está toda la información esencial. Sin embargo, por el momento, sólo tenemos capacidad para leer manualmente 10.000 al año (normalmente sucesos clasificados como daño grave/muerte en la NRLS). El aprendizaje automático va a cambiar por completo esta situación. No automatizará todo el proceso, sino que identificará palabras clave, señales y desencadenantes para clasificar los registros que deben leerse, lo que a su vez nos permitirá realizar una labor más preventiva.
También es de esperar que el aprendizaje automático nos ayude a clasificar y etiquetar mejor los registros y a proporcionar al personal sanitario que registra incidentes información y apoyo tangibles basados en el registro creado. Por ejemplo, si ha registrado un incidente de medicación, el algoritmo puede escanear rápidamente su registro y LFPSE puede enviarle directamente orientaciones sobre la preparación y administración del medicamento en cuestión.
De este modo, se abordará la cuestión planteada anteriormente de que la gente tiene la sensación de que le quitan todo este tiempo a sus pacientes, que es donde quieren estar, para escribir este registro, y nunca lo vuelven a ver, sin saber para qué ha servido y sin saber cómo hacer algo diferente. Y en lugar de ser un proceso unilateral, esto creará un flujo de información mucho mayor, de vuelta a los registradores y a las organizaciones de registro de una forma realmente constructiva y útil.
¿Qué nos depara el futuro de la LFPSE y la seguridad del paciente?
Tenemos planes de proyecto para abordar distintos aspectos del sistema, pero con el desarrollo ágil no sabes muy bien con qué vas a acabar. Nuestro objetivo con un proceso de diseño centrado en el usuario no es solo perfeccionar lo que creemos que tenemos que hacer, sino escuchar de verdad a nuestros usuarios para saber qué quieren y qué les va a ayudar a hacer su trabajo mejor y con más facilidad.
Dicho esto, actualmente nos centramos en varias áreas. El aprendizaje automático es una de las principales, al igual que la aplicación Data Access App, que utilizamos para presentar los datos a los proveedores. Por el momento, solo incluye cifras, tablas y algunos filtros, pero estamos trabajando activamente con el personal sanitario para explorar qué herramientas y presentaciones de datos pueden ayudarles.
También estamos estudiando la posibilidad de mejorar la recogida de información sobre características protegidas para apoyar nuestra labor de lucha contra las desigualdades en la asistencia sanitaria y el desmantelamiento de la NRLS.
Más adelante, este mismo año, trabajaremos en la mejora del proceso de recogida de datos sobre incidentes relacionados con la seguridad de los pacientes por parte de pacientes y familiares. Actualmente, el NRLS dispone de un formulario electrónico que el paciente puede rellenar. Sin embargo, eso requiere que el paciente sepa que lo que le ha ocurrido es un incidente relacionado con la seguridad del paciente, que entienda el concepto de lo que es la seguridad del paciente y que sepa que hay un equipo en algún lugar al que puede informar a través de un formulario en línea aislado; eso es mucha carga para alguien que puede no estar bien.
Nuestro objetivo es encontrar una forma mejor de incluir la perspectiva del paciente y contribuir al aprendizaje sin que esa responsabilidad recaiga en el paciente.
¿Cuál es el papel de los diferentes tipos de eventos (Incidente, Riesgo, Buena Atención y Resultados) en la LFPSE?
En el NRLS siempre entraba una mezcla de cosas: a veces eran riesgos, otras veces resultados o incidentes relacionados con la seguridad del paciente. Sin embargo, todos tenían que pasar por el mismo molde y notificarse bajo una única categoría: incidentes.
Por ejemplo, si alguien notificaba un riesgo, también tenía que indicar el nivel de daño, lo cual era imposible porque aún no se había producido ningún daño. Así que nos dimos cuenta de que la gente quería informarnos sobre distintos tipos de sucesos y creamos un sistema que les permitiera hacerlo: si se registra un riesgo, no pediremos los datos del paciente ni el nivel de daño porque no existen. Esa es la estrategia que perseguíamos.
La corriente de trabajo "Good Care" es algo que nos apasiona. Queríamos centrarnos no sólo en minimizar lo que va mal, sino también en maximizar lo que va bien y aprender de ello.
En este momento, los proveedores deben utilizar los tipos de evento "Incidente" y "Buena atención", pero tienen la opción de abstenerse de utilizar "Riesgo" y "Resultados". Los estamos revisando, pero nadie está obligado a utilizarlos. No obstante, si desea utilizarlos, nos encantaría hablar con usted para que nos diga cómo funcionan y si son útiles para el personal de su organización.
Esperamos que su existencia resulte beneficiosa, pero, como ocurre con todos los servicios, tenemos que tener en cuenta las opiniones de los usuarios y encontrar la manera de que sean más fáciles de usar.