Eficacia y seguridad diagnóstica de la ecografía en el punto de cuidado en pacientes ambulatorios en medicina interna
Bibliographic record
Abstract
Introducción La ecografía en el punto de atención o POCUS (del inglés, “Point-of-Care Ultrasound”) ha experimentado un auge notable en los últimos 20 años. Su uso se ha consolidado en los servicios de urgencias y unidades de cuidados intensivos, donde ha demostrado su utilidad en escenarios críticos como la pandemia de COVID-19. En estos entornos, POCUS ha logrado agilizar y optimizar el proceso diagnóstico gracias a la implementación de diversos protocolos de exploración y su integración en la práctica médica habitual. Sin embargo, la aplicación de POCUS en consultas ambulatorias aún se encuentra en una etapa incipiente. A pesar de ello, su uso se ha extendido a otras especialidades médicas, incluyendo la medicina interna. En los últimos años, ha crecido el interés en la aplicación de POCUS en pacientes de medicina interna hospitalizados, donde ha demostrado ser una herramienta útil en el diagnóstico. Esto plantea la interrogante de si su uso en consultas de medicina interna también podría ser beneficioso para pacientes ambulatorios. Objetivo Evaluar la eficacia y seguridad de POCUS en la capacidad diagnóstica de patologías comunes prevalentes en pacientes ambulatorios de medicina interna, analizando también los aspectos económicos y organizativos asociados a su implementación en este contexto. Método Revisión sistemática de la literatura con dos fases. En la primera se limitó la búsqueda a informes de evaluación de tecnologías, revisiones sistemáticas (RS) y metaanálisis (MA), seguida de una segunda fase de búsqueda dirigida a identificar estudios primarios. Se desarrollaron estrategias de búsqueda específicas y se consultaron las siguientes bases de datos electrónicas: Medline (Ovid), Embase (Excerpta Medica DataBase), Cochrane Library (Cochrane Review Database), INAHTA (International HTA Database), WOS (SCI Science Citation Index) y PubMed (Ahead of Print/First Online). Por otro lado, se consultaron recursos como TripDataBase, así como las principales webs de agencias europeas: National Institute for Health and Care Excellence (NICE), Canada’s Drug Agency (CDA-AMC), Agency for Healthcare Research and Quality (AHRQ) y la Red española de Agencias de Evaluación de Tecnologías Sanitarias y Prestaciones del SNS (RedETS). La selección de los estudios y el análisis de su calidad fueron realizados por dos investigadores independientes. La síntesis de los resultados se llevó a cabo de forma cuantitativa. Las herramientas seleccionadas para evaluar la calidad de los estudios incluidos fueron AMSTAR-2 para RS y QUADAS-2 para estudios primarios diagnósticos. Resultados No se encontró evidencia en RS ni en MA en la primera fase y tampoco se detectaron ensayos clínicos aleatorizados (ECAs) en la segunda fase. Se incluyeron un total de 14 estudios primarios observacionales procedentes de la búsqueda bibliográfica especifica de la segunda fase. De estos, 10 eran estudios que analizaban variables relacionadas con la eficacia, la precisión diagnóstica y los aspectos organizativos, como el entrenamiento o la formación de los profesionales que utilizan POCUS. Se identificaron además 2 estudios primarios que abordaban variables relacionadas con la eficiencia o aspectos económicos, y otros 2 que exploraban variables relacionadas con la perspectiva del paciente. Conclusiones La evidencia disponible sobre la eficacia y seguridad de POCUS, aunque proviene principalmente de estudios primarios observacionales y prospectivos, sugiere que POCUS puede ser un procedimiento útil para diagnosticar patologías comunes prevalentes en pacientes ambulatorios de medicina interna. Esto respalda la utilidad de POCUS en el ámbito de la medicina interna ambulatoria. Los hallazgos clave incluyen: • Se han identificado estudios que evalúan la eficacia diagnóstica, los aspectos organizativos y la perspectiva del paciente en relación con la tecnología POCUS. • Los estudios clínicos observacionales incluidos en esta RS no reportaron eventos adversos graves relacionados con el uso de POCUS. • En relación con la eficacia diagnóstica, la tecnología POCUS podría ser una alternativa a las ecografías estándar o la TC para diagnosticar ciertas patologías comunes, como la patología vascular, en medicina interna ambulatoria, según la evidencia analizada de buena / moderada calidad. Sin embargo, la evidencia es insuficiente para algunas patologías debido al limitado número de estudios. Por lo tanto, no solo se deben tener en cuenta los resultados específicos para cada patología evaluada, sino también la prevalencia de la enfermedad en la población y la indicación de la prueba, ya sea para diagnóstico, pronóstico o seguimiento de la enfermedad. • En relación con los aspectos organizativos, los tiempos invertidos en la formación de los internistas son heterogéneos. Sin embargo, independientemente de las horas e instrucción, los internistas fueron capaces de utilizar POCUS en el diagnóstico de las patologías evaluadas. • No se identificaron estudios de aspectos económicos en el ámbito ambulatorio. Solo se identificaron dos estudios que recopilaba información sobre los aspectos económicos de POCUS en el área de la medicina interna en el ámbito hospitalario, por lo que no se incluyeron en la revisión. • La evidencia obtenida desde la perspectiva de los pacientes a través de dos estudios indica que los pacientes evaluados tienen una buena aceptación de POCUS. Esta aceptación es independiente de la población, la edad o la patología que se esté estudiando. Además, los pacientes están dispuestos a solicitar este servicio si está disponible, ya que mejora su satisfacción general respecto a la atención médica que reciben. • No se ha encontrado evidencia a nivel de síntesis (RS y MA) para la utilización de POCUS en el diagnóstico dentro del ámbito de la medicina interna ambulatoria. Por ello, se necesitan que se realicen ECAs y estudios que incluyan aspectos económicos y la perspectiva del paciente. En general, la integración de la ecografía, especialmente POCUS, en la práctica rutinaria de las consultas ambulatorias de medicina interna puede ser beneficiosa. Sin embargo, se requiere una evaluación continua de su eficacia, seguridad y coste-efectividad para su implementación adecuada.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.008 | 0.025 |
| Meta-epidemiology (narrow) | 0.001 | 0.000 |
| Meta-epidemiology (broad) | 0.002 | 0.001 |
| Bibliometrics | 0.002 | 0.002 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.003 | 0.001 |
| Open science | 0.001 | 0.001 |
| Research integrity | 0.002 | 0.002 |
| Insufficient payload (model declined to judge) | 0.004 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".