Medicare OASIS-C evaluación del riesgo de caídas

durante más de una década, los centros de servicios de Medicare y Medicaid (CMS) han requerido que las agencias de salud en el hogar certificadas por Medicare recopilen y transmitan los datos del conjunto de información de resultados y evaluación (OASIS) para todos los pacientes adultos de 18 años de edad que reciben servicios calificados, cuya atención es reembolsada por Medicare y Medicaid, con la excepción de los pacientes que reciben servicios pre o posnatales solamente (CMS, 2010).,

The OASIS dirige a las agencias de salud en el hogar para evaluar el riesgo de caídas en todos los pacientes mayores de 65 años. La evaluación multifactorial incluye elementos como el historial de caídas, el uso de múltiples medicamentos, la discapacidad mental, la frecuencia de ir al baño, la discapacidad general de movilidad/Transferencia y los peligros ambientales (CMS, 2010).,

durante la evaluación del riesgo de caídas multifactoriales, la agencia:

• Puede utilizar la única herramienta de evaluación del riesgo de caídas multifactoriales estandarizada y validada
• puede incorporar varias herramientas siempre que una de ellas esté estandarizada y validada

El propósito es promover la evaluación del riesgo de caídas entre los discípulos y en los entornos de atención médica.,

evaluación del riesgo de caídas en hogares de ancianos

alrededor de 1,800 adultos mayores que viven en hogares de ancianos mueren cada año por lesiones relacionadas con caídas y aquellos que sobreviven a las caídas con frecuencia sufren fracturas de cadera y lesiones en la cabeza que resultan en discapacidad permanente y reducción de la calidad de vida (CDC, 2012B).

en los hogares de ancianos, las enfermeras evalúan a los residentes por riesgo de caídas al ingresar en el centro y de manera regular después de la admisión. Para evaluar el riesgo de caídas, las enfermeras pueden elegir entre una variedad de herramientas de evaluación del riesgo de caídas, que generalmente no están estandarizadas o reguladas., La mayoría de las herramientas de evaluación contienen un sistema de puntuación que evalúa el efecto acumulativo de los factores de riesgo con el fin de identificar a aquellos con mayor riesgo de caerse o sufrir una lesión relacionada con la caída (Wagner, 2011).

un estudio canadiense que involucró a 137 hogares de ancianos en la provincia de Ontario preguntó sobre qué herramientas de evaluación del riesgo de caídas se estaban utilizando y trató de identificar puntos en común entre las herramientas de evaluación (Wagner, 2011). Las herramientas de evaluación del riesgo de caídas más utilizadas fueron la escala de caídas de Morse y la escala de movilidad orientada al rendimiento., En todas las instalaciones, los dominios comunes evaluados incluyeron:

• factores intrínsecos
• factores extrínsecos o relacionados con el tratamiento
• Estado de movilidad
• estado cognitivo
• Estado sensorial
• Historia de caídas
• comportamientos y actitudes (Wagner, 2011)

en este estudio, los investigadores notaron la necesidad de una herramienta basada en la evidencia para la evaluación del riesgo de caídas escala de Braden con excepción universal para predecir el riesgo de úlcera por presión., Señalan que las herramientas de evaluación mal diseñadas dificultan el desarrollo de un programa de reducción del riesgo de caídas y no abordan las necesidades de los pacientes individuales (Wagner, 2011).

una barrera particular para los programas de mejora de la calidad es que muchos no abordan completamente las formas en que las obligaciones del personal se superponen al intentar abordar el riesgo de caídas entre sus pacientes. Los síndromes complejos como el riesgo de caídas son el resultado de múltiples factores de riesgo y requieren intervenciones multifactoriales e interdisciplinarias para mejorar los resultados., Reducir múltiples factores de riesgo puede ser difícil porque requiere que muchos miembros del personal tengan conexiones fuertes que permitan un flujo de información efectivo y la resolución de problemas desde perspectivas variadas; por lo tanto, se necesita una intervención para ayudar al personal a establecer una relación de trabajo y una mejor comunicación para apoyar las nuevas prácticas introducidas por los programas de reducción de caídas (Anderson et al., 2012).,

clasificación de caídas usando un teléfono móvil

Una forma novedosa de documentar las caídas de los pacientes es a través del uso de teléfonos móviles; la mayoría de los teléfonos inteligentes están equipados con acelerómetros que se pueden usar para detectar cuando los pacientes caen con una precisión excepcionalmente alta. Las caídas son generalmente eventos de alto impacto, lo que hace que la detección sea más simple que la identificación de otras actividades diarias. La detección automática de caídas puede permitir una respuesta rápida a posibles emergencias; además, conocer la causa o la forma de una caída puede ser beneficioso para los estudios de prevención o una respuesta de emergencia más personalizada.,

un estudio del Instituto de rehabilitación de Chicago buscó demostrar técnicas que no solo detectan de manera confiable una caída, sino que también clasifican automáticamente el tipo. Quince sujetos simularon cuatro tipos diferentes de caídas—lateral izquierda y derecha, viajes hacia adelante y resbalones hacia atrás—mientras usaban teléfonos móviles y acelerómetros. Nueve sujetos también usaron los dispositivos durante diez días, para proporcionar datos para la comparación con las caídas simuladas. Los investigadores fueron capaces de identificar una caída con una precisión del 98% y clasificar el tipo de caída con una precisión del 99% (Albert, 2012).,

(A) Cuatro tipos diferentes de simulación de caídas, colocada según dirección de la caída. B) el teléfono móvil android G1 que se utilizó para la grabación y la colocación del teléfono en la parte posterior de los sujetos. C) los ejes del acelerómetro. El teléfono se colocó en la parte posterior del sujeto para que los tres ejes apuntaran hacia arriba, hacia la izquierda y hacia la parte posterior del sujeto., Fuente: Albert, 2012. Usado con permiso.

este trabajo demuestra cómo los enfoques actuales de aprendizaje automático pueden simplificar la recopilación de datos, así como mejorar la respuesta rápida a posibles lesiones debido a caídas (Albert, 2012).

volver siguiente