Incorporando tecnologías de inteligencia artificial en el cuidado de los adultos mayores: el futuro de la atención médica

Publicado el mayo 16, 2023 por Jehath Syed

Traductora:  Silvana Lucero Loli Guevara – Facultad de Medicina San Fernando, UNMSM

Autor y artículo originales: Jehath Syed, «Involving artificial intelligence technologies in the care of older people: the future of healthcare«

En el año 2020 se estimaba que globalmente existían 727 millones de personas de 65 años o más. Se espera que esta cifra alcance los 1.500 millones para el año 2050, con una proyección de aumento del 250% en los países subdesarrollados o en vías de desarrollo, con la población de adultos mayores de India proyectada a superar los 227 millones.(1,2)

El aumento en la población adulta mayor puede deberse a una transición demográfica marcada por una reducción en las tasas de mortalidad y fertilidad. Esta transición no sólo da lugar a una desproporción entre todos los grupos etáreos, sino que también genera un peso de responsabilidad a la sociedad. Significa una reducción en la proporción de niños y un aumento en la proporción de la población económicamente activa y la de adultos mayores. Esta desproporción también puede ser el resultado de la atención médica avanzada y su acceso, y la reducción en la tasa de muerte y enfermedad, tanto parasitarias como otras infecciones microbianas.(2,3)

¿Por qué nos preocupa el envejecimiento de la población?

La mayoría de la población adulta mayor vive con múltiples afecciones crónicas como consecuencia del envejecimiento y del estilo de vida que hayan adoptado. Además, existe un constante aumento de la prevalencia de «síndromes geriátricos», lo que resulta en malos resultados de salud, discapacidad, mayor mortalidad y tasas de hospitalización/institucionalización. (4)

El declive gradual en las actividades de la vida diaria (AVD) entre casi el 30% de los pacientes mayores con una afección médica aguda empeora la afección preexistente. La limitada capacidad cognitiva o física entre la población mayor causa un déficit en su capacidad para comunicar a otros sobre su enfermedad y síntomas. Además, a menudo, estos pacientes experimentan deterioro de la salud mental o física durante su estadía en el hospital. Se estima que el riesgo de que los pacientes de edad avanzada hospitalizados desarrollen discapacidades permanentes es 60 veces mayor, lo que puede predisponerlos, a su vez, a otros resultados adversos. (4) Los cambios debido al proceso normal de envejecimiento afectan tanto a los parámetros farmacocinéticos como farmacodinámicos de los medicamentos, lo que hace que la persona mayor sea más vulnerable y susceptible a reacciones adversas a los medicamentos (RAM), con el uso de medicamentos potencialmente inapropiados (MPI), (5) siendo su prevalencia de alrededor del 11,5% al 62,5%. (6)

El porcentaje estimado de ingresos hospitalarios relacionados con RAM en pacientes de edad avanzada es de aproximadamente el 11%, y uno de cada diez pacientes hospitalizados experimenta una RAM durante su estancia en el hospital. (7)

Causas de errores en la medicación en el entorno de atención médica

Los errores en la medicación suelen ser consecuencia de una falta de comunicación y una pérdida de información en el punto de transición del cuidado ambulatorio a la estancia hospitalaria. (8,9) Se ha observado que alrededor del 27% de los errores en la medicación se producen durante el ingreso hospitalario debido a historias clínicas incompletas. (8)

Los tres factores identificados como obstáculos durante la transición asistencial son:

1. Frecuentes cambios de medicación,
2. Una pobre cultura sanitaria,
3. Transmisión deficiente de la información entre los proveedores de salud.

Estos factores pueden dar lugar a discrepancias en la medicación o a errores de prescripción, lo que provoca daños al paciente y un aumento de las hospitalizaciones relacionadas con la medicación.(10)

Reconciliación de medicamentos

La reconciliación de medicamentos es efectiva para reducir las irregularidades y errores relevantes en la medicación, promoviendo y mejorando así la seguridad del paciente. Estudios han demostrado que más del 25% de los errores de medicación identificados tenían un impacto clínico potencial que podría haberse reducido mediante un adecuado proceso de reconciliación. (11) 

Falta de adherencia a la medicación

Otra de las causas de aproximadamente el 10% de las hospitalizaciones es la falta de adherencia a la medicación, que contribuye a un coste sanitario evitable estimado en 300.000 millones de dólares sólo en Estados Unidos. Con el aumento de la edad, las enfermedades crónicas se hacen más prevalentes, y el mayor volumen y complejidad de los regímenes de medicación conlleva un mayor riesgo de no adherencia a la medicación. Entre los adultos mayores, hay otros factores que aumentan la probabilidad de incumplimiento de la medicación, como la polifarmacia, la disminución de la visión, la caída de la destreza motora manual y la disminución de la autonomía. (12)

La no adherencia a la medicación puede asociarse a malos resultados terapéuticos, progresión de la enfermedad, aumento del uso de los servicios sanitarios y una carga estimada de miles de millones de dólares anuales en costes sanitarios directos evitables. (13)

Esta falta de adherencia puede atribuirse a un conjunto de comportamientos que incluyen causas intencionales y no intencionales. Las no intencionales se refieren a una alteración no deliberada del tratamiento que puede deberse a olvidos, poca destreza manual, pérdida de la medicación o motivos económicos. Por otro lado, la no adherencia intencionada es la alteración deliberada del tratamiento que se asocia en gran medida a la falta de motivación del paciente. (14)

Creencias sobre los medicamentos

Dos posibles factores que pueden predecir la falta de adherencia a la medicación son la creencia del paciente sobre sus medicamentos y sus conocimientos sanitarios. Se ha demostrado que la creencia del paciente sobre la necesidad de tomar sus medicamentos y su preocupación por los mismos predicen la adherencia a medicamentos. Una mayor creencia en que el paciente lo necesita y que se preocupe por ello, se asocia significativamente con una alta adherencia al tratamiento. Por lo tanto, es esencial evaluar la creencia en la medicación para comprender el comportamiento de adherencia entre los usuarios crónicos de medicamentos. (15)

Alfabetización sanitaria

Del mismo modo, una adecuada alfabetización sanitaria se asocia a una alta adherencia a la medicación en personas mayores con enfermedades crónicas. La alfabetización sanitaria es la capacidad de una persona para obtener y comprender la información y los servicios sanitarios básicos necesarios para tomar decisiones adecuadas en relación con su salud. (16) Según informes publicados en «The Tribune India» (17):

“En India, al menos 9 de cada 10 adultos tiene escasos conocimientos sanitarios. Incluso en Estados Unidos y el Reino Unido, más del 50% de la población tiene escasos conocimientos sanitarios, y el «coste de la ignorancia» asciende a unos 200.000 millones de dólares solo en Estados Unidos.”

Avances en la atención sanitaria a las personas mayores

Los últimos avances en la atención sanitaria incluyen el uso de la inteligencia artificial (IA) para mejorar la seguridad del paciente. La IA en la asistencia sanitaria se utiliza para mejorar la prevención, el diagnóstico y el tratamiento de las enfermedades. La IA también se incorpora a la detección del cáncer, el manejo de enfermedades, factores de seguridad del paciente y los sistemas de alerta de apoyo a la toma de decisiones clínicas (CDS). Estos sistemas ayudan a los médicos a tomar decisiones, mejoran el seguimiento de la atención al paciente y, en última instancia, mejoran los resultados clínicos. [4,18]

Algunos ejemplos son:

• Cribado precoz de la demencia para identificar deterioros cognitivos tempranos (4)
• Detección precoz de otros problemas de salud geriátricos, como el riesgo de caídas, (19) el índice de fragilidad, (20) y la infección del tracto urinario (ITU) en pacientes con demencia (21)
• Identificación precoz de la aparición de RAM durante la hospitalización (7)
• Creación más rápida de listas de reconciliación de medicamentos y prevención de discrepancias, reduciendo así la carga sobre los clínicos. (22)

En conclusión, la exploración de la IA en la atención sanitaria a las personas mayores, que incorpora la participación de un equipo sanitario multidisciplinar y tecnologías de IA, no sólo contribuirá a mejorar la seguridad de los pacientes, sino que también reducirá los errores de medicación y promoverá un mejor envejecimiento.

Bibliografía:

1. World Population Ageing 2020 Highlights | Population Division. United Nations. United Nations. Disponible en https://www.un.org/development/desa/pd/news/world-population-ageing-2020-highlights . [Accedido el 22 de marzo 2023].
2. World Health Organization (WHO). Global Health and Aging. Disponible en: https://www.who.int/news-room/fact-sheets/detail/ageing-andhealth#:~:text=By%202030%2C%201%20in%206,will%20double%20(2.1%20billion). [Accedido el 22 de marzo 2023].
3. International Institute for Population Sciences (Deemed to be University) (An Autonomous Organization of Ministry of Health & Family Welfare, Government of India) [Internet]. Longitudinal Ageing Study in India (LASI) | International Institute for Population Sciences (IIPS). Disponible en https://www.iipsindia.ac.in/lasi . [Accedido el 22 de marzo 2023].
4. Choudhury A, Renjilian E, Asan O. Use of machine learning in geriatric clinical care for chronic diseases: a systematic literature review. JAMIA open. 2020 Oct;3(3):459-71.
5. Rodrigues DA, Herdeiro MT, Figueiras A, Coutinho P, Roque F. Elderly and Polypharmacy: Physiological and Cognitive Changes [Internet]. IntechOpen. IntechOpen; 2020. [Disponible en https://www.intechopen.com/books/frailty-inthe-elderly-understanding-and-managing-complexity/elderly-and-polypharmacyphysiological-and-cognitive-changes
   * Nota de traducción: El link no se encuentra disponible, actualmente este es el link: https://www.intechopen.com/chapters/71815 [Accedido el 22 de marzo 2023].
6. Dagli RJ, Sharma A. Polypharmacy: a global risk factor for elderly people. Journal of international oral health: JIOH. 2014 Nov;6(6):i.
7. Lavan AH, O’Mahony D, Gallagher P, Fordham R, Flanagan E, Dahly D, Byrne S, Petrovic M, Gudmundsson A, Samuelsson O, Cherubini A. The effect of SENATOR (Software ENgine for the Assessment and optimisation of drug and non-drug Therapy in Older peRsons) on incident adverse drug reactions (ADRs) in an older hospital cohort–Trial Protocol. BMC geriatrics. 2019 Dec;19(1):1-2.
8. Agud MM, Colino RM, Ladrero MD, Encinar MR, Sebastián JD, Bueno EV, Ambrosio AH, Montalvo JI. Analysis of an electronic medication reconciliation and information at discharge programme for frail elderly patients. International journal of clinical pharmacy. 2016 Aug;38(4):996-1001.
9. Vargas BR, Silveira ED, Peinado II, Vicedo TB. Prevalence and risk factors for medication reconciliation errors during hospital admission in elderly patients. International journal of clinical pharmacy. 2016 Oct;38(5):1164-71.
10. Choi S, Babiak J. Evaluation of pharmacist-initiated discharge medication reconciliation and patient counseling procedures. The Consultant Pharmacist®. 2018 Apr 1;33(4):222-6.
11. International Pharmaceutical Federation (FIP). Medicines reconciliation: A toolkit for pharmacists. The Hague: International Pharmaceutical Federation; 2021.
12. Khairullah A, Chater RW, Platt B. Medication Nonadherence in Older Adults: Patient Engagement Solutions and Pharmacist Impact [Internet]. Pharmacy Times. Pharmacy Times; 2018. Disponible en https://www.pharmacytimes.com/view/medication-nonadherence-in-older-adults-patient-engagement-solutions-and-pharmacist-impact . [Accedido el 22 de marzo 2023].
13. Chan AH, Horne R, Hankins M, Chisari C. The medication adherence report scale: a measurement tool for eliciting patients’ reports of nonadherence. British journal of clinical pharmacology. 2020 Jul;86(7):1281-8.
14. Molloy GJ, Messerli-Bürgy N, Hutton G, Wikman A, Perkins-Porras L, Steptoe A. Intentional and unintentional non-adherence to medications following an acute coronary syndrome: a longitudinal study. J Psychosom Res. 2014 May;76(5):430-2.
15. Jamous RM, Sweileh WM, Taha AS, Zyoud SE. Beliefs about medicines and selfreported adherence among patients with chronic illness: a study in Palestine. Journal of family medicine and primary care. 2014 Jul;3(3):224.
16. Lee YM, Yu HY, You MA, Son YJ. Impact of health literacy on medication adherence in older people with chronic diseases. Collegian. 2017 Feb 1;24(1):11-8.
17. Service TN. Health literacy a must to empower patients [Internet]. Tribuneindia News Service. Disponible en https://www.tribuneindia.com/news/archive/comment/health-literacy-a-must-toempower-patients-752945  [ Accedido el 22 de marzo 2023].
18. Segal G, Segev A, Brom A, Lifshitz Y, Wasserstrum Y, Zimlichman E. Reducing drug prescription errors and adverse drug events by application of a probabilistic, machine-learning based clinical decision support system in an inpatient setting. Journal of the American Medical Informatics Association. 2019 Dec;26(12):1560-5.
19. Albert MV, Kording K, Herrmann M, et al. Fall classification by machine learning using mobile phones. PLoS One 2012; 7 (5): e36556.
20. Sepehri K, Braley MS, Chinda B, Zou M, Tang B, Park G, Garm A, McDermid R, Rockwood K, Song X. A computerized frailty assessment tool at points-of-care: development of a standalone electronic comprehensive geriatric assessment/frailty index (eFI-CGA). Frontiers in public health. 2020 Mar 31;8:89.
21. Enshaeifar S, Zoha A, Skillman S, et al. Machine learning methods for detecting urinary tract infection and analysing daily living activities in people with dementia. PLoS One 2019; 14 (1): e0209909.
22. Long J, Yuan MJ, Poonawala R. An Observational Study to Evaluate the Usability and Intent to Adopt an Artificial Intelligence–Powered Medication Reconciliation Tool. Interactive journal of medical research. 2016 May 16;5(2):e5462.  

Tags: