Impact of Information technology on quality management in the clinical laboratory
DOI:
https://doi.org/10.62305/biosana.v4i4.231Keywords:
Task Automation, Process Efficiency, Quality Management, Artificial Intelligence, Clinical LaboratoriesAbstract
This research analyzes the impact of Information Technologies (IT) on quality management in clinical laboratories, highlighting their role in continuous improvement and process efficiency. IT, including advanced software and artificial intelligence (AI) applications, has revolutionized the sector by automating tasks, enhancing diagnostic accuracy, and optimizing data management. The aim of this work is to analyze the impact of Information Technologies. The study is based on a documentary and descriptive review of recent scientific literature, revealing the use of various software in laboratories, such as Epic EHR, Cerner Millennium, and LabWare, and recommending periodic training to maximize their effectiveness. Additionally, the study explored the use of AI and machine learning, emphasizing their relevance in analyzing large volumes of data (Big Data). However, ethical and privacy challenges associated with these technologies were recognized. It was concluded that the adoption of IT and AI has significantly improved quality and efficiency in clinical laboratories, though it is crucial to address privacy, security, and resistance to change issues to fully harness their benefits.
Downloads
References
Estevez M, Espinosa Y. Sistema de Gestión de Calidad: aplicación en la detección de fallas de un equipo del área de Química Clínica y su recambio. Bioquímica y Patología Clínica. 2020; 84(3).
García J. Fortalecimiento de la calidad del servicio de salud mediante un modelo de gestión institucional. Salud y Vida. 2024; 8(15): p. 16-27.
Panunzio A. EVALUACION EXTERNA DE LA CALIDAD DEL LABORATORIO CLÍNICO. Enfermería Investiga, Investigación, Vinculación, Docencia y Gestión. 2022; 7(2).
Rosa J, Frutos E. Ciencia de datos en salud: desafíos y oportunidades en América LatinaHealth data science: Challenges and opportunities in Latin America. Revista Médica Clínica Las Condes. 2022; 33(6): p. 591-597.
Aquieta D, Guangasig V. Impacto del desarrollo tecnológico en los servicios de laboratorio clínico. BIOSANA. 2024; 4(2): p. 106-121.
Robledo P. Impacto de la aplicación de las Tecnologías de la Información (TICs) en un modelo de atención médica. Rev Sanid Milit Mex. 2019; 73(2): p. 96-104.
Calderon A, Gavilanes F. Gestión de información y análisis de datos clínicos en los laboratorios de microbiología, una revisión de la literatura. Serie Científica de la Universidad de las Ciencias Informáticas. 2021; 14(10): p. 119-130.
Bazáez E, Mora J. Salud e inteligencia artificial: ¿cómo hemos evolucionado? Revista Médica Clínica Las Condes. ; 33(6): p. 556-561.
Gutiérrez C, López M. La salud en la era digital. Revista Médica Clínica Las Condes. 2022; 33(6): p. 562-567.
Rozillo E, Ortega G, Minian J, Basson M, Coutinho D, López D, et al. Inteligencia Artificial en Medicina, usos Actuales y Futuras Perspectivas. Ciencia Latina Revista Científica Multidisciplinar. 2023; 7(6): p. 6286-6303.
Centro de Escritura. [Online].; 2022 [cited 2024 07 29] Available from: https://facultades.unicauca.edu.co/centroescritura/sites/default/files/documentos/normas_vancouver.pdf.
Beltran A. ANÁLISIS COMPARATIVO DE LOS SOFTWARES CLÍNICOS MÁS USADOS EN COLOMBIA [Tesis] , [Bogotá]: UNIVERSIDAD ECCI; 2024.
Vukmir R. Medicolegal aspects of documentation and the electronic health record. Medicina Clinica. 2024; 162: p. e9-e14.
Marcillo M, Cantos J, Holguín J, Vera J. Seguridad de información en el mundode los negocios digitales. Journal TechInnovation. 2023; 2(1): p. 85-91.
Cordasco K, Gable A, Ganz D, Brunner J, Smith A, Fix G, et al. Cerner Millennium’s Care Pathways for Specialty Care Referrals: Provider and Nurse Experiences, Perceptions, and Recommendations for Improvements. Journal of General Internaal Medicine. 2023; 38: p. 1007-1014.
Chishtie J, Sapiro N, Wibe N, Rabatach L, Lorenzetti D, Leung A, et al. Use of Epic Electronic Health Record System for Health Care Research: Scoping Review. J Med Internet Res. 2023; 25(e51003).
Gonzales E, Quintero C. Implementación del sistema integrado de gestión mediante el software KAWAK. Ingenieria: Ciencia, Tecnologia e Innovación. 2022; 9(2): p. 205-217.
Rivera R. Experiencias sobre la implementación del Expediente Clínico Electrónico. Revista e-Ciencias de la Información. 2022; 12(1): p. 22-39.
Morejón J, Gonzáles R. Acercamiento a la historia clínica electrónica en el contexto de la informatización en salud. Rev Méd Electrón. 2022; 44(2).
Añel R, García I, Bravo R, Carballeira J. Historia clínica y receta electrónica: riesgos y beneficios detectados desde su implantación. Diseño, despliegue y usos seguros. Aten Primaria.. 2021; 53(1).
Bansler J. Challenges in user-driven optimization of EHR: A case study of a large Epic implementation in Denmark. International Journal of Medical Infromatics. 2021; 148: p. 104394.
Huapaya O, Palomino J, Calle C, Alvarez G, Montesinos R, Taype A. Experiencia del Complejo Hospitalario San Pablo (Perú) en la implementación de un sistema de historias clínicas electrónicas. An Fac med. 2021; 82(4): p. 349-54.
Fernandez A, Agostinelli M, Arias M, Urrutia M, Maestri W. La experiencia de implementar una historia clínica electrónica en siete centros en menos de un año. MetroCiencia. 2021; 29(3): p. 32-38.
Socarrás D, Vega L, Afonso Y. Propuesta de nuevas funcionalidades para la gestión de la Historia Clínica Electrónica en el sistema XAVIA HIS. RCIM. 2021; 13(1).
Scalia P, Ahmad F, Schubbe D, Forcino R, Durand M, Barr P, et al. Integrating Option Grid Patient Decision Aids in the Epic Electronic Health Record: Case Study at 5 Health Systems. Journal of Medical Internet Research. 2021; 23(5): p. e22766.
Gonzales J. La producción científica latinoamericana sobre historia clínica digital: un análisis desde Scopus. Rev Cubana Salud Pública. 2019; 45(3).
Doneva N, Dimitrov I. Viral Immunogenicity Prediction by Machine Learning Methods. Int. J. Mol. Sci. 2024; 25(5): p. 2949.
Sarkar C, Das B, Rawat V, Wahlang J, Nongpiur A, Tiewsoh L, et al. Artificial Intelligence and Machine Learning Technology Driven Modern Drug Discovery and Development. Int. J. Mol. Sci. 2023; 24(3): p. 2026.
Viesca C. Inteligencia artificial e investigación biomédica: reflexiones desde la bioética. Gac. Méd. Méx. 2023; 159(5): p. 379-381.
Sprockel J, Ramirez A, Jimenez C. Inteligencia artificial y aprendizaje automatizado, ¿oportunidad o amenaza? Rev Colomb Endocrinol Diabet Meta. 2023; 10(2): p. e797.
Diez J. Aplicaciones médico-sanitarias de la inteligencia artificial: una visión desde la práctica clínica. Anales de la Real Academia de Doctores de España. 2023; 8(4): p. 877-900.
Weckmann G, Kiel S, Chenot J, Angelow A. Asociación de la anemia con síntomas clínicos comúnmente atribuidos a la anemia: análisis de dos cohortes poblacionales. J. Clin. Med.. 2023; 12(2): p. 921.
Blazquez J. RIESGOS PARA LA PRIVACIDAD EN LA APLICACIÓN DE LA INTELIGENCIA ARTIFICIAL AL ÁMBITO BIOSANITARIO. IMPLICACIONES ÉTICAS Y LEGALES. Anales de la Cátedra Francisco Suárez. 2022;(56): p. 245-268.
Ueli T, Witte H, Nakas C, Benedikt A. Big Data in Laboratory Medicine—FAIR Quality for AI? Diagnóstic. 2022; 12(8): p. 1923.
Achuthan K, Raghavan D, Shankar B, Francis S, Kani V. Impact of remote experimentation, interactivity and platform effectiveness on laboratory learning outcomes. Int J Educ Technol High Educ. 2021; 18(38).
Gruson D. Big Data, inteligencia artificial y medicina de laboratorio: la hora de la integración. Adv Lab Med. 2021; 2(1): p. 5–7.
Al Jallad K, Aljnidi M, Desouki M. Anomaly detection optimization using big data and deep learning to reduce false-positive. Journal of Big Data. 2020; 7(68): p. 2-12.
Schwalbe N, Wahl B. Artificial intelligence and the future of global health. Lancet. 2020; 395: p. 1579-1586.
De Lecuona I. ASPECTOS ÉTICOS, LEGALES Y SOCIALES DEL USO DE LA INTELIGENCIA ARTIFICIAL Y EL BIG DATA EN SALUD EN UN CONTEXTO DE PANDEMIA. Revista Internacional de Pensamiento Político-I Época. 2020; 15: p. 139-166.
Greaves R, Bernardini S, Ferrari M, Fortina P, Gouget B, Gruson D, et al. Key questions about the future of laboratory medicine in the next decade of the 21st century: A report from the IFCC-Emerging Technologies Division. Clinica Chimica Acta. 2019; 495: p. 570-589.
Aljuhani K, Sonbul M, Althabiti M, Meccawy M. Creating a Virtual Science Lab (VSL): the adoption of virtual labs in Saudi schools. Smart Learning Environments. 2018; 5(16).
Arguelles E. Ventajas y desventajas del uso de la Inteligencia Artificial en el ciclo de las políticas públicas: análisis de casos internacionales. Acta univ. 2024; 33: p. e3891.
Lanzagorta D, Carrillo D, Carrillo R. Inteligencia artificial en medicina: presente y futuro. Gac. Méd. Méx. 2022; 158(1): p. 17-21.
Herman D, Rhoads D, Sschulz W, Durant T. Artificial Intelligence and Mapping a New Direction in Laboratory Medicine: A Review. Clinical Chemistry. 2021; 67(11): p. 1466–1482.
Khope S, Elias S. Strategies of Predictive Schemes and Clinical Diagnosis for Prognosis Using MIMIC-III: A Systematic Review. Healthcare. 2023; 11(5): p. 710.
Lu H, Uddin S. Disease Prediction Using Graph Machine Learning Based on Electronic Health Data: A Review of Approaches and Trends. Helthcare. 2023; 11(7): p. 1031.
Hsi C, Eghdam A, Davoody N, Wrigth G, Flowerday S, Koch S. Effects of Electronic Health Record Implementation and Barriers to Adoption and Use: A Scoping Review and Qualitative Analysis of the Content. Life. 2020; 10(12): p. 327.
Han Y, Zhang Y, Vermund S. Blockchain Technology for Electronic Health Records. Int. J. Environ. Res. Public Health. 2022; 19(23): p. 15577.
Arnold C, Sonn B, Meyers F, Vest A, Puls R, Zirkler E, et al. Accessing and utilizing clinical and genomic data from an electronic health record data warehouse. Translational Medicine Communications. 2023; 8(7): p. 2-6.
Mayo C, Matuszak M, Schipper M, Jolly S, JA H, Ten H. Big Data in Designing Clinical Trials: Opportunities and Challenges. Front. Oncol. 2017; 7(3): p. 187.
Wen W, Yuan L, Feng AZ, Tao LL, Xu AD, Lyu J. Data mining in clinical big data: the frequently used databases, steps, and methodological models. Military Medical Research. 2021; 8(44).
Published
How to Cite
Issue
Section
License
Copyright (c) 2024 BIOSANA Health Scientific Journal. ISSN 2960-8481
This work is licensed under a Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
