Análisis de los factores humanos que afectan la morbilidad materna grave (SMM) utilizando redes bayesianas difusas...

Área de la Ciencia:

• Obstetricia y Ginecología
• Mejora de la Calidad Médica
• Ingeniería de Factores Humanos

Sus antecedentes:

• La morbilidad materna grave (SMM) es un indicador crítico de la calidad de la atención obstétrica.
• El error humano se asocia frecuentemente con eventos de SMM.
• La comprensión de los factores humanos es crucial para mejorar los resultados maternos.

Objetivo del estudio:

• Analizar los factores humanos que contribuyen a la SMM.
• Aplicar el análisis de árbol de fallos (FTA) y las redes bayesianas difusas (FBN) para el análisis de causas de SMM.
• Identificar errores humanos específicos que impactan la calidad de la atención obstétrica.

Principales métodos:

• Se utilizaron datos de morbilidad y entrevistas a expertos.
• Se empleó el análisis de árbol de fallos (FTA) para estructurar las relaciones causales.
• Se aplicaron redes bayesianas difusas (FBN) con y sin fallos de causa común (CCF) para estimar las probabilidades de error.
• Se incorporó la puerta L-NOR para simplificar las tablas de probabilidad condicional (CPT).

Principales resultados:

• Los contribuyentes clave a la SMM incluyeron la reanimación tardía, el manejo inadecuado de la hemorragia y la mala coordinación del equipo.
• Estos factores demostraron la mayor influencia en la ocurrencia de SMM.
• Las probabilidades finales de SMM se estimaron en 0,0196 (FFT), 0,0193 (FBN sin CCF) y 0,0167 (FBN con CCF).

Conclusiones:

• El enfoque integrado FTA y FBN, especialmente con la puerta L-NOR, ofrece un modelado más preciso de las complejas relaciones de causa y efecto en la SMM.
• Las estrategias para reducir la SMM incluyen mejorar la coordinación del equipo, mejorar el manejo de la hemorragia y aplicar protocolos estándar.
• Los hallazgos respaldan la toma de decisiones basada en evidencia para elevar los estándares de atención obstétrica.