2024

Lecciones aprendidas y resultados de los premios Kaelin en Ciencias de la Salud del IETSI-ESSALUD (2015-2023): Un análisis de ocho años de fomento a la investigación. Reporte de Resultados de Investigación N° 12-2024

2025-09-02T08:00:49Z

Lecciones aprendidas y resultados de los premios Kaelin en Ciencias de la Salud del IETSI-ESSALUD (2015-2023): Un análisis de ocho años de fomento a la investigación. Reporte de Resultados de Investigación N° 12-2024 Coila Paricahua, Edgar Juan; Hijar, Gisely; Fiestas, Fabián El reporte analiza ocho años de los Premios Kaelin, una iniciativa de EsSalud que fomenta la investigación científica en salud desde 1993, reconociendo a investigadores que contribuyen al desarrollo de conocimiento útil para la toma de decisiones sanitarias. En el periodo 2015-2023, se financiaron 64 proyectos de investigación, de los cuales el 57.8% se concluyeron exitosamente, mientras que otros fueron cancelados (17.2%) o permanecen en desarrollo (25%). De los proyectos concluidos, 16 se publicaron en revistas científicas indexadas, con un tiempo promedio de 2.18 años desde su aprobación, mientras que 15 se difundieron en el repositorio institucional de EsSalud y 6 están en proceso de evaluación editorial. Las principales temáticas abordadas incluyeron el COVID-19, servicios de salud y enfermedades de alta carga como el cáncer. Sin embargo, no se evidenció que los resultados de estas investigaciones hayan influido directamente en la elaboración de guías clínicas o normas técnicas del Ministerio de Salud o EsSalud, lo que subraya la necesidad de fortalecer los mecanismos de transferencia de conocimiento hacia los decisores. En términos financieros, se ejecutó el 76% del presupuesto programado, equivalente a 1.41 millones de soles, con un costo promedio de 45,000 soles por publicación. Barreras como la pandemia y problemas administrativos dificultaron la ejecución de algunos proyectos, lo que llevó a la cancelación de 11 de ellos. A pesar de que el 54.6% de los proyectos estuvieron alineados a prioridades institucionales, áreas críticas como las enfermedades no transmisibles estuvieron subrepresentadas, lo que sugiere la necesidad de diversificar las temáticas abordadas. Este análisis resalta la importancia de optimizar los procesos administrativos, reducir tiempos de aprobación y transferencias, y fomentar colaboraciones internacionales para aumentar la visibilidad y aplicabilidad de los resultados.

Epidemiología de la Infección por el Virus del Dengue y Atención en los Establecimientos de Salud del Seguro Social de Salud, 2023-2024. Reporte de Resultados de Investigación 11-2024

2025-09-02T08:00:48Z

Epidemiología de la Infección por el Virus del Dengue y Atención en los Establecimientos de Salud del Seguro Social de Salud, 2023-2024. Reporte de Resultados de Investigación 11-2024 Contreras Marmolejo, Winnie Michelle; Coila Paricahua, Edgar Juan; Villena Romaní, Amalia Roscío; Aylas Barranca, Fabio; Fiestas Saldarriaga, Fabian Alejandro; Soto Becerra, Percy Objetivo: Este estudio tuvo como objetivo evaluar las características sociodemográficas de los casos confirmados de dengue que acudieron a establecimientos de salud (IPRESS) de EsSalud durante los años 2023 y 2024, asimismo, evaluar los factores asociados a los desenlaces de hospitalización y muerte asociada a dengue en estos casos. Método: Se empleó un diseño de cohorte retrospectiva utilizando como fuente de datos el Sistema de Servicio de Salud Inteligente (ESSI) para historias clínicas digitales. Se seleccionaron a todas las personas a quienes se les solicitó una prueba diagnóstica para dengue en una IPRESS de EsSalud entre enero de 2023 y setiembre de 2024. Se registró su información sociodemográfica, el resultado de la prueba para dengue, los CIE-10 asociados (para calcular el Índice de Comorbilidad de Elixhauser) y se obtuvo la información sobre su estado vital (fallecido o no) mediante la búsqueda complementaria en SINADEF y RENIEC. Las diferencias entre las variables continuas y categóricas entre los grupos de interés (desenlaces de hospitalización y muerte) se compararon mediante la prueba de t de Student o la prueba de Kruskal Wallis, y Chi-2, respectivamente. Finalmente, se desarrolló un modelo de regresión de Poisson para determinar el efecto independiente de las variables tanto para hospitalización como para muerte. Todos los análisis fueron realizados utilizando el programa estadístico Stata v17 y Python v3.12. Resultados: Durante el 2023, se realizaron exámenes para dengue en 141,603 casos con sospecha, de los cuales 45,320 resultaron positivos, es decir, confirmados. En el 2024 las cifras fueron de 176,091 y 60,198 respectivamente. El pico de casos se presentó en la semana 21 en el 2023 y en la semana 16 en el 2024. El análisis reveló mayor prevalencia de hospitalización en el sexo femenino, en la edad de 66 años a más, en tener un riesgo alto según el índice de comorbilidad de Elixhauser y en la macrorregión oriente. En cuanto a defunciones, la razón de prevalencia de muerte fue mayor en el sexo masculino, en la edad de 56 años o más, y principalmente de 66 años o más (Razón de prevalencia: 31.30, IC95%: 16.49-59.43, p<0.001), en aquellos que tuvieron antecedente de enfermedad neuropsiquiátrica, anemia, enfermedad pulmonar, neoplasia o enfermedad renal, y en la macroregión norte en comparación a Lima. Discusión y Conclusiones: El análisis nos permitió caracterizar a la población asegurada que asistió con síntomas de dengue, y se hospitalizó por dicha causa, así como las muertes asociadas a dengue durante un episodio confirmado, dentro de los cuales la edad de 66 años a más es el factor con mayor asociación. Los resultados sugieren priorizar un seguimiento cercano tanto en aquellos casos confirmados de dengue mayores de 66 años, e incluso, en los mayores de 56 años, como en aquellos con múltiples comorbilidades.

Implementación de una estrategia de interoperabilidad entre equipos de alta gama en un servicio de cuidados intensivos del Hospital Nacional Edgardo Rebagliati Martins. Reporte de resultados de investigación RRI 10-2024

2025-09-02T08:00:48Z

Implementación de una estrategia de interoperabilidad entre equipos de alta gama en un servicio de cuidados intensivos del Hospital Nacional Edgardo Rebagliati Martins. Reporte de resultados de investigación RRI 10-2024 Lescano Alva, Carlos A.; Flores Vivanco, Jaime; Contreras Balbín, Ulises; Villena Romaní, Amalia Roscío; Ortiz Jara, Frank; Moscoso Porras, Miguel Giancarlo OBJETIVO: Proponer una metodología de trabajo para la implementación de la interoperabilidad entre equipos biomédicos de alta gama en una Unidad de Cuidados Intensivos (UCI), basada en la experiencia de un hospital de alta complejidad en Perú. MÉTODO: Se evaluó la infraestructura y recursos tecnológicos del Servicio UCI-I del Departamento de Cuidados Intensivos del Hospital Nacional Edgardo Rebagliati Martins, identificando monitores, ventiladores mecánicos y bombas de infusión. Se coordinó con proveedores para configuración de equipos y así interconectarlos y con ello se desarrolló bases de datos para almacenamiento de variables y se elaboró un prototipo de interfaz visual en tiempo real. RESULTADOS: La interconexión de los equipos permitió el almacenamiento de más de 100 variables clínicas con alta fiabilidad y actualización constante. Se evidenciaron carencias en la infraestructura de red y necesidades de coordinación con los fabricantes, lo que confirmó la factibilidad y retos de la implementación. DISCUSIÓN Y CONCLUSIONES: El proyecto piloto desarrollado en el HNERM demostró que es factible interconectar los equipos médicos heterogéneos. La integración logró capturar, procesar y almacenar en tiempo real las variables críticas generadas por los monitores, garantizando la continuidad y calidad de la información. Para escalar esta solución, se requiere mejorar la infraestructura de red, fortalecer la capacitación del personal y mantener la colaboración multidisciplinaria. Se sugiere replicar esta experiencia en otras áreas críticas y centros hospitalarios.

Desarrollo y validación de un algoritmo de predicción para la demanda de pacientes en el servicio de emergencia en los hospitales de Lima de nivel III de EsSalud: Un estudio multicéntrico basado en los registros electrónicos de atención, 2021-2023. Reporte de Resultados de Investigación 09-2024

2025-09-02T08:00:47Z

Desarrollo y validación de un algoritmo de predicción para la demanda de pacientes en el servicio de emergencia en los hospitales de Lima de nivel III de EsSalud: Un estudio multicéntrico basado en los registros electrónicos de atención, 2021-2023. Reporte de Resultados de Investigación 09-2024 Salvatore Aylas Barranca, Alejandro Fabio OBJETIVOS: Desarrollar y validar un algoritmo de predicción para la demanda de pacientes en el servicio de emergencia en los hospitales de Lima de nivel III de EsSalud. MÉTODOS: Este estudio utiliza series temporales basadas en registros históricos de atenciones en emergencias hospitalarias para desarrollar modelos predictivos. La población incluyó pacientes mayores de 18 años atendidos en los tres principales hospitales de Lima entre enero de 2021 y agosto de 2024. Siguiendo la metodología de Knowledge Discovery in Databases (KDD), se aplicaron cinco fases principales: selección de datos relevantes, preprocesamiento para limpieza y preparación, transformación en series temporales, minería de datos para identificar patrones de tendencia y estacionalidad mediante descomposición aditiva o multiplicativa, y evaluación de modelos predictivos ARIMA/SARIMA ajustados mediante métricas como el Porcentaje de Error Medio Absoluto (MAPE). RESULTADOS: Los modelos predictivos lograron un desempeño sobresaliente con valores MAPE menores a 5 % destacando el modelo SARIMA. CONCLUSIONES: La elección del modelo óptimo reflejó la importancia de un análisis personalizado que considere características específicas para cada serie temporal. Sin embargo, una limitación clave fue el uso exclusivo de la demanda histórica como única variable predictiva. El uso del enfoque KDD estructuró de manera sistemática el análisis desde la selección de datos hasta la evaluación de los modelos, sentando las bases para investigaciones futuras que integren técnicas avanzadas de machine learning.