La granularidad de las narrativas médicas y su efecto en la rapidez y completitud de la recuperación de información

OBJETIVO: Usar sistemas de registro electrónicos en lugar de sistemas basados en papel mejora la recuperación de información de los clínicos de las narrativas de los pacientes. Sin embargo, pocos estudios abordan cómo deben organizarse los datos para este propósito. La recuperación de información de narrativas clínicas que contienen texto libre implica dos pasos: buscar un segmento etiquetado y leer su contenido. Los autores hipotetizan que los médicos pueden recuperar información mejor cuando las narrativas clínicas están divididas en muchos segmentos pequeños y etiquetados ("alta granularidad"). DISEÑO: El estudio evaluó la capacidad de 24 internistas y 12 residentes en un hospital docente para recuperar información de un registro médico electrónico, en términos de rapidez y completitud, al utilizar diferentes granularidades de narrativas clínicas. Los participantes resolvieron, sin presión de tiempo, problemas predefinidos relacionados con tres voluminosos registros de casos de pacientes internados. Para mitigar factores de confusión, los participantes fueron asignados aleatoriamente a una secuencia que estaba equilibrada por caso de paciente y efecto de aprendizaje. RESULTADOS: En comparación con la recuperación de notas no divididas, la recuperación de información de notas divididas por problemas fue un 22 por ciento más rápida (estadísticamente significativa), mientras que la recuperación de notas divididas en sistemas de órganos fue solo un 11 por ciento más rápida (no estadísticamente significativa). La subdivisión de segmentos más allá de los sistemas de órganos fue un 13 por ciento más lenta (estadísticamente significativa) que no subdividir. La granularidad de las narrativas médicas afectó la velocidad pero no la completitud de la recuperación de información. CONCLUSIÓN: Dividir narrativas clínicas voluminosas de texto libre en segmentos etiquetados facilita la recuperación de información relacionada con el paciente. Sin embargo, demasiada subdivisión ralentiza la recuperación. Los resultados del estudio sugieren que se requiere una granularidad más gruesa para una recuperación óptima de información que para la entrada de datos estructurados. Se recomienda validar estas conclusiones en la práctica clínica de la vida real.