Madrid. Un nuevo estudio, dirigido por investigadores del Instituto de Salud Pilgrim de Harvard, en Estados Unidos, desarrolló un algoritmo que podría reducir en gran medida el uso de antibióticos de amplio espectro en entornos ambulatorios, un paso hacia la disminución de la resistencia a esos medicamentos, según publicaron en la edición en línea de Science Translational Medicine.
Como recuerdan los autores, la resistencia a los antibióticos es una enorme amenaza para la práctica de la medicina y está impulsada en gran parte por el consumo excesivo. En los entornos para pacientes ambulatorios se prescribe la gran mayoría de ellos, pero también donde hay menos herramientas disponibles para ayudar a los prescriptores a tomar decisiones óptimas de tratamiento.
Esto lleva a los proveedores a recetar antibióticos de amplio espectro en respuesta al aumento real, así como percibido, en las tasas de infección resistente a esos fármacos. Sin embargo, el uso de los que actúan contra una amplia gama de bacterias promueve un círculo vicioso en el que el abuso empeora el problema de la resistencia a través de un circuito de retroalimentación positiva. Un ejemplo es la infección del tracto urinario.
Herramientas eficaces
Se ha prestado poca atención al desarrollo de herramientas eficaces de apoyo a la toma de decisiones para los prescriptores ambulatorios. Los algoritmos se han utilizado en ese sentido para enfermedades infecciosas desde los años 70, pero aún no se han adoptado ampliamente debido a las dificultades para integrarlos en prácticas clínicas.
Sanjat Kanjilal, autor principal y profesor de medicina de poblaciones en el Instituto de Salud Pilgrim de Harvard y de la Escuela Médica de Harvard Medical, cree que ahora se tiene una herramienta para mejorar. “El apoyo de decisiones personalizado en el punto de atención puede ser eficaz para administrar la prescripción de antibióticos para los síndromes infecciosos comunes”, señala.
Su solución es utilizar modelos de aprendizaje automático para predecir la probabilidad de resistencia y luego traducir esas probabilidades en recomendaciones que ayuden a los prescriptores a tomar decisiones óptimas de tratamiento.
“Nuestro estudio desarrolló un algoritmo de apoyo para las infecciones urinarias como una solución al desafío de la prescripción de antibióticos en la era de la resistencia”, explica.
