Accidentes biológicos por exposición percutánea y contacto cutáneo-mucoso en el personal de enfermería del Instituto Autónomo Hospital Universitario de Los Andes, Mérida, Venezuela, 2003

Autores/as

  • Reyla Moreno B
  • Rafael Barreto A
  • Dania Mora M
  • María Morales Z
  • Fernando Rivas P

Palabras clave:

Tiempo de internación, cadenas de Markov, trauma, barreras absortoras

Resumen


Objetivo: estimar el número esperado de pacientes con trauma en los servicios de hospitalización, cirugía y unidad de cuidados intensivos y en la condición de egreso vivo y muerto, luego de ingresar por urgencias a un hospital de tercer nivel de complejidad. Materiales y métodos: con base en la información derivada de un estudio de seguimiento con 2.084 registros correspondientes a ingresos a urgencias por trauma en un hospital de tercer nivel de complejidad, se estimó la matriz de probabilidades de transición y el número esperado de pacientes en cada estado en una unidad de tiempo de 12 horas para todas las cohortes de pacientes, mediante el análisis de cadenas de Markov. Resultados: se obtuvo un análisis de sensibilidad para la probabilidad de permanecer en el servicio de cirugía y de ser trasladado de la unidad de cuidados intensivos a hospitalización. Conclusión: el modelo utilizado es adecuado para la reproducción de lo observado y puede utilizarse para predecir configuraciones observables si se conoce el ritmo de ingreso de las cohortes de pacientes o si se tiene un modelo teórico para ellas.
|Resumen
= 16 veces | PDF
= 8 veces|

Descargas

Los datos de descargas todavía no están disponibles.

Biografía del autor/a

Reyla Moreno B

Profesor Facultad Nacional de Salud Pública

Citas

(1). Navarro V, Parker R. Models in health servicesplanning. Data handling in epidemiology Lon-don: Oxford University Press, 1970.

(2). Hendriks JC, Satten GA, Longini IM, van Dru-ten HA, Schellekens PT, Coutinho RA, vanGriensven GJ. Use of immunological markersand continuous-time Markov models to estima-te progression of HIV infection in homosexualmen. AIDS 1996;10(6):649-656.

(3). Schechter MT, Le N, Craib KJ, Le TN, O’Shaugh-nessy MV, Montaner JS. Use of the Markovmodel to estimate the waiting times in a modi-fied WHO staging system for HIV infection. JAcquir Immune Defic Syndr Hum Retrovirol1995 15;8(5):474.

(4). Lu Y, Stitt FW. Using Markov processes to des-cribe the prognosis of HIV-1 infection. MedDecis Making 1994 ;14(3):266-272.

(5). Kuo HS, Chang HJ, Chou P, Teng L, Chen TH.A Markov chain model to assess the efficacy ofscreening for non-insulin dependent diabetesmellitus (NIDDM). Int J Epidemiol 1999;28(2):233-240.

(6). Garg SK, Marshall G, Chase HP, Jackson WE,Archer P, Crews MJ. The use of the Markov pro-cess in describing the natural course of diabeticretinopathy. Arch Ophthalmol 1990;108 (9):1245-1247.

(7). Schaubel DE, Morrison HI, Desmeules M, Par-sons D, Fenton SS. End-stage renal disease projections for Canada to 2005 using Poisson andMarkov models. Int J Epidemiol 1998; 27: 274-281.

(8). Desmeules M, Schaubel D, Fenton SS, Mao Y.New and prevalent patients with end-stage re-nal disease in Canada. A portrait of the year2000. ASAIO J 1995;41(2):230-233.

(9). Duffy SW, Chen HH, Tabar L, Day NE. Estima-tion of mean sojourn time in breast cancer scree-ning using a Markov chain model of both entryto and exit from the preclinical detectable pha-se. Stat Med 1995 30;14(14):1531-1543.

(10). Duffy SW, Day NE, Tabar L, Chen HH, SmithTC. Markov models of breast tumor progression:some age-specific results. J Natl Cancer InstMonogr 1997; 22:93-97.

(11). Boult C, Kane RL, Louis TA, Ibrahim JG. Fore-casting the number of future disabled elderlyusing Markovian and mathematical models. JClin Epidemiol 1991;44(9):973-980.

(12). Biritwum RB, Odoom SI. Application of Mar-kov process modelling to helth status switchingbehaviour of infants. Int J Epidemiol 1995; 24:177-182.

(13). Pérez A, Chan W, Dennis R. Predicción de lalongitud de estancia en pacientes admitidos aunidades de cuidado intensivo en Colombia,usando un modelo Markoviano discreto. En: XIIISimposio de Estadística. Universidad Nacionalde Colombia, Armenia, agosto de 2003.

(14). Valencia M, Morales M, Arroyave ML, Montoya WD, Colorado SM, González G. Factores deriesgo de infección intrahospitalaria en pacientes mayores de 12 años hospitalizados por cau-sa traumática en el Hospital Universitario SanVicente de Paúl, 1999. Trabajo de grado (maes-tría en epidemiología). Universidad de Antio-quia. Facultad Nacional de Salud Pública. Me-dellín, 1999.

(15). Ibáñez J. (Ed). Nuevos avances en la investiga-ción social: la investigación social de segundoorden. Suplementos Anthropos 1990; 22: 130-180.

(16). Ross D, McKeown P. Modelos cuantitativos paraadministración, México: Iberoamericana, 1986.

(17). Prawda J. Métodos y modelos de investigaciónde operaciones. Vol 2. Modelos estocásticos.México, DF: Limusa; 1993.

(18). Caswell Hal. Matrix population models: cons-truction, analysis and interpretation. 2nd ed.Sunderland, Mass: Sinauer Assoc; 2001.

Descargas

Publicado

2009-02-13

Cómo citar

1.
Moreno B R, Barreto A R, Mora M D, Morales Z M, Rivas P F. Accidentes biológicos por exposición percutánea y contacto cutáneo-mucoso en el personal de enfermería del Instituto Autónomo Hospital Universitario de Los Andes, Mérida, Venezuela, 2003. Rev. Fac. Nac. Salud Pública [Internet]. 13 de febrero de 2009 [citado 8 de diciembre de 2021];22(1). Disponible en: https://revistas.udea.edu.co/index.php/fnsp/article/view/709

Número

Sección

Investigación