Descarga la app Emergencing

Cuantificación de las curvas de aprendizaje de la residencia en medicina de emergencia mediante el procesamiento del lenguaje natural: estudio de cohorte retrospectivo

Revista

Emergencing

Fecha de publicación

9 de diciembre de 2025

JMIR Educación Médica. 9 de diciembre de 2025; 11: e82326. doi: 10.2196/82326.

ANTECEDENTES: La duración óptima de la formación de residencia en medicina de emergencia (EM) sigue siendo un tema de debate nacional, y el Consejo de Acreditación para la Educación Médica de Graduados está considerando estandarizar todos los programas a 4 años. Sin embargo, los datos empíricos sobre cómo los residentes acumulan exposición clínica a lo largo del tiempo son limitados. Las medidas tradicionales, como los registros de casos y los códigos de diagnóstico, a menudo no logran captar la amplitud y profundidad del razonamiento diagnóstico. El procesamiento del lenguaje natural (PLN) de la documentación clínica ofrece un enfoque novedoso para cuantificar las experiencias clínicas de manera más integral.

OBJETIVO: Este estudio tuvo como objetivo (1) cuantificar cómo los residentes de ME adquieren exposición a temas clínicos durante el transcurso de la capacitación, (2) evaluar la variación en los patrones de exposición entre residentes y clases, y (3) evaluar los cambios en la carga de trabajo y la complejidad de los casos a lo largo del tiempo para informar la discusión sobre la duración óptima del programa.

MÉTODOS: Realizamos un estudio de cohorte retrospectivo de residentes de EM en el Hospital Stanford, analizando 244,255 encuentros en el departamento de emergencias desde el 1 de julio de 2016 hasta el 30 de noviembre de 2023. La muestra incluyó a 62 residentes de 4 promociones de graduados (2020-2023), que representan todos los encuentros en sitios de capacitación primarios donde los residentes sirvieron como proveedores primarios o de supervisión. Utilizando un canal de PNL de generación aumentada de recuperación, asignamos la documentación clínica de los residentes a las 895 subcategorías del Modelo 2022 para la práctica clínica de la medicina de emergencia (MCPEM) a través de un mapeo intermedio al subconjunto de listas de problemas de Nomenclatura Sistematizada de Medicina, Términos Clínicos, Observaciones Clínicas, Registros y Codificación. Generamos curvas de exposición acumulativa a temas, cuantificamos la diversidad de la cobertura de temas, evaluamos la variabilidad entre residentes y analizamos la progresión en la complejidad clínica utilizando las puntuaciones del Índice de gravedad de emergencia (ESI) y las tasas de admisión.

RESULTADOS: Los residentes encontraron el mayor aumento en temas nuevos durante el año 1 de posgrado (PGY1), con un promedio de 376,7 (42,1%) temas únicos entre un total de 895 subcategorías MCPEM. En el PGY4, promediaron 565,9 (63,2%) temas, lo que representa un aumento del 9,9% (51/515) con respecto al PGY3. Las mesetas de exposición generalmente ocurrieron entre los 39 y 41 meses, aunque se observó una variación individual sustancial, y algunos residentes continuaron adquiriendo nuevos temas hasta la graduación. El volumen de casos anual se triplicó con creces desde PGY1 (media 445,7, DE 112,7 encuentros) a PGY4 (media 1528,4, DE 112,7 encuentros). La complejidad de los casos aumentó, como lo demuestra una disminución en la puntuación ESI media de 2,94 a 2,79 y un aumento en los casos de alta agudeza (ESI 1-2) del 16 % (4374/27 340) al 30,9 % (9418/30 466).

CONCLUSIONES: El análisis de la documentación clínica por parte de la PNL proporciona un método escalable y detallado para rastrear la exposición clínica y la progresión de los residentes de EM. Muchos residentes continúan adquiriendo nuevas experiencias hasta el cuarto año, particularmente en casos de mayor gravedad. Estos hallazgos sugieren que un modelo de capacitación de 4 años puede ofrecer un valor educativo adicional significativo, al tiempo que resalta la importancia de la evaluación individualizada dada la variabilidad en las trayectorias de aprendizaje.

PubMed:41364786 | DOI:10.2196/82326

Descarga la app Emergencing!

Accede a los abstracts en español de las revistas científicas más importantes en medicina de urgencias, emergencias y paciente crítico.

Descargo de responsabilidad
El idioma original es este artículo es el inglés. Mediante el sistema de traducción automático de la IA de emergencing, el contenido se ha traducido al español. Esta es una traducción no supervisada por lo que puede que alguna parte del contenido no refleje con exactitud la publicación original del autor/autores.