Una aplicación de una Historia Clínica Electrónica (HCE) basado en modelos conceptuales para integrar datos clínicos y genómicos y orientar la estrategia terapéutica

Sipan Arevshatyan; José Fabián Reyes; Óscar Pastor; Verónica Burriel; Diego Boscá; Ita Yoffe; Cinthia Viviana Gauna; Silvia Sforza; Silvia Josefina Ayala; María Teresa Martínez; Tania Fleitas Kanonnikoff

doi:10.18004/anales/2020.053.01.17-030

Autores/as

Sipan Arevshatyan Universidad Politécnica de Valencia, PROS Research Center. Valencia, Spain
José Fabián Reyes Universidad Politécnica de Valencia, PROS Research Center. Valencia, Spain
Óscar Pastor Universidad Politécnica de Valencia, PROS Research Center. Valencia, Spain.
Verónica Burriel Utrecht University, Science department, Software Production. Utrecht, Netherlands
Diego Boscá VeraTech for Health, Valencia, Spain.
Ita Yoffe Universidad Nacional de Asunción, Facultad de Ciencias Médicas, Hospital de Clínicas. San Lorenzo, Paraguay.
Cinthia Viviana Gauna Instituto Nacional del Cáncer. Asunción, Paraguay.
Silvia Sforza Instituto Nacional del Cáncer. Asunción, Paraguay.
Silvia Josefina Ayala Instituto Nacional del Cáncer. Asunción, Paraguay.
María Teresa Martínez Laboratorios Curie SA. Asunción, Paraguay.
Dra. Tania Fleitas Kanonnikoff INCLIVA, Biomedical Research Institute. Valencia, Spain.

DOI:

https://doi.org/10.18004/anales/2020.053.01.17-030

Palabras clave:

Modelado conceptual, Asistencia sanitaria, Gestión de datos, HCE, Paraguay

Resumen

Actualmente, la gestión de datos en el departamento de oncología es compleja y requiere sistemas de información avanzados para procesar datos donde la información “ómica” debe integrarse junto con los datos clínicos del paciente para mejorar el análisis de datos y el proceso de toma de decisiones. Este trabajo de investigación presenta una experiencia práctica en este contexto. Se ha diseñado un Modelo Conceptual (MC) para desarrollar un Sistema de Información (SI) con el fin de gestionar datos clínicos, patológicos y moleculares de manera integral en el departamento de oncología de dos hospitales principales en Paraguay. Además, se han propuesto arquetipos basados en modelos para especificar la estrategia de interacción del usuario. El MC y los arquetipos asociados son la base para desarrollar un SI clínico con el fin de cargar -primero- y gestionar -segundo- todos los datos clínicos que requiere el dominio, mostrando cuán factible es el enfoque en la práctica y cuánto se mejora la gestión de datos. En este trabajo, queremos reforzar con esta experiencia real, cómo el uso correcto de un MC junto con los arquetipos ayuda a diseñar, desarrollar y administrar mejores sistemas de información, enfatizando la relevancia del dominio clínico seleccionado.

Referencias

1. World Health Organization (WHO) [Internet]. The problem; [cited 2019 Nov 11]. Available from: http://www.who.int/mediacentre/factsheets/fs297/en/

2. Electronic health record [Internet]. What is an electronic health record (EHR)? [cited 2019 Nov 11]. Available from: https://www.healthit.gov/faq/what-electronic-health-record-ehr

3. Multicenter Project of Multidisciplinary Training in Cancer and Application of Electronic Clinical History (ECH) [Internet]. Associative project within the Procience program of the National Council of Technology and Science (CONACYT-Paraguay); [cited 2019 Nov 11]. Available from: http://paraguay.pros.webs.upv.es/?page_id=1211&lang=en

4. International Organization for Standardization [Internet]. ISO 13606-1:2008 Health informatics – Electronic health record communication; [cited 2019 Nov 11]. Available from: https://www.iso.org/standard/40784.htm

5. Burriel V. Diseño y Desarrollo de un Sistema de Información para la Gestión de Información sobre Cáncer de Mama, PhD Thesis. Universitat Politècnica de València; [cited 2019 Nov 11]. Available from: https://riunet.upv.es/handle/10251/86158 doi:10.4995/Thesis/10251/86158.

6. Villanova P, et al. Orion Clinic. Un sistema de información orientado a transformar el uso de la información en la práctica clínica, administrativa y asistencial de los hospitales. IS Informática y Salud; 2011, vol. 85, pp. 18-26.

7. OpenEMR [Internrt]. Free open-source electronic medical record and practice management software; [cited 2019 Nov 11]. Available from: http://www.open-emr.org/

8. RITA [Internet]. Institutional Registry of Tumors of Argentina; [cited 2019 Nov 11]. Available from: http://www.msal.gov.ar/inc/epidemiologia-y-registros/rita/

9. Valencia Health Agency [Internet]. Generalitat Valenciana; [cited 2019 Nov 11]. Available from: http://www.san.gva.es/web_estatica/index_es.html

10. Hospital de clínicas [Internet]. Universidad Nacional de Asunción, Facultad de Ciencias Médicas; [cited 2019 Nov 11]. Available from: http://www.med.una.py/index.php/hospital-hc/directivos-del-hospital-de-clinicas

11. Instituto Nacional del Cáncer (INCAN) [Internet]. Asunción, Paraguay; [cited 2019 Nov 11]. Available from: https://www.mspbs.gov.py/incan

12. Multicenter Project of Multidisciplinary Training in Cancer and Application of Electronic Clinical History (ECH) [Internet]. Results of the project: [cited 2019 Nov 11]. Available from: http://paraguay.pros.webs.upv.es/?page_id=583&lang=es

13. Hamilton K, Miles R. Learning UML 2.0: A Pragmatic Introduction to UML. Published by O’Reilly; 2008. 288 p.

14. Burriel V, Pastor Ó. Conceptual Schema of Breast Cancer: The background to design an efficient information system to manage data from diagnosis and treatment of breast cancer patients, IEEE-EMBS International Conference on Biomedical and Health Informatics (BHI); 2014. pp. 432-435.

15. Carboplatin AUC Dose Calculation [Internet]. Calvert Formula; [cited 2019 Nov 11]. Available from: https://reference.medscape.com/calculator/carboplatin-auc-dose-calvert

16. MASCC [Internet]. Multinational Association for Supportive Care in Cancer; [cited 2019 Nov 11]. Available from: http://www.mascc.org/mascc-fn-risk-index-score

17. CISNE [Internet]. Clinical Index of Stable Febrile Neutropenina; [cited 2019 Nov 11]. Available from: http://www.iricom.es/prognostictools/cisne/inicio.aspx

18. Purewal S. Learning Web App Development. Published by O’Reilly Media Inc; 2014.

19. Rudis B, Jacobs J. Data-Driven Security Analysis, Visualization and Dashboards. Published by John Wiley & Sons, Inc., Indianapolis, Indiana; 2014.

20. Distante D, Pedone P, Rossi G, and Canfora G. Model-Driven Development of Web Applications with UWA, MVC and JavaServer Faces, International Conference on Web Engineering. Published by Springer; 2007. pp 457-472.

21. The Gang of Four: Gamma E, Helm R, Johnson R, Vlissides J. Design Patterns: Elements of Reusable Object-Oriented Software; 1994.

22. Beydeda S, Book M, Gruhn V. Model-Driven Software Development. Published by Springer; 2005.

23. Hailpern B, Tarr P. Model-driven development: The good, the bad, and the ugly. IBM System Journal; 2006. Vol 45. No 3. p 451-461.

24. Bloch J. Effective Java, Best practices for Java Performance. Published by Pearson Education Inc; 2018.

25. Vohra D. Java EE Development with Eclipse. Published by Packt Publishing Ltd; 2012.

26. Grönroos M. Book of Vaadin: 4th Edition, 1st Revision Edition. Vaadin Ltd; 2012.

27. Williams H, Tahaghoghi S. Learning MySQL. Published by O’Reilly Media, Inc; 2009.

28. M2T transformation [Internet]. Eclipse IDE components for Model to Text transformation; [cited 2019 Nov 11]. Available from: https://www.eclipse.org/modeling/m2t/

29. Marcos M, Maldonado Segura JA, Martinez-Salvador B, Boscá Tomás D, Robles Viejo M. Interoperability of clinical decision-support systems and electronic health records using archetypes: a case study in clinical trial eligibility. Journal of Biomedical Informatics; 2013. 46(4): p 676-689.

30. Maldonado JA, Moner D, Boscá D, Fernández-Beris J, Angulo C, Robles M. LinkEHR-Ed: A multi-reference model archetype editor based on formal semantics, International Journal of Medical Informatics; 2009. Vol. 78. Issue 8. p 559-570.