Browsing by Author "Coico Lama, Abdiel Haniel"

Now showing 1 - 2 of 2
  • Thumbnail Image
    Item
    Alteración en la duración del sueño, hora de acostarse e insomnio como predictor de síntomas depresivos y ansiosos en estudiantes de medicina de una universidad privada de Lima durante la cuarentena del año 2020
    (Universidad Peruana Unión, 2022-04-10) Coico Lama, Abdiel Haniel; Diaz Chingay, Lady Lucía; Soriano Moreno, Anderson Nelver Elias
    Introducción: Los estudiantes de medicina son una población vulnerable a la mala calidad de sueño y a la privación del mismo; estos problemas se acentuaron durante la pandemia por COVID-19. Nuestro objetivo es evaluar la asociación entre las alteraciones en el sueño con la presencia de depresión y ansiedad en estudiantes de medicina durante la pandemia. Materiales y Métodos: Estudio observacional, analítico, transversal, en estudiantes de medicina de una universidad privada de Perú. Se recolectó los datos desde el 22 de mayo al 14 de junio del 2020, después de 3 meses de aislamiento social obligatorio debido a la pandemia. La muestra fue de 431 alumnos. Para evaluar la depresión, ansiedad e insomnio se emplearon el Patient Health Questionnaire (PHQ-9; ≥10), el Generalized Anxiety Disorder (GAD-7; ≥10) scale y el Insomnia Severity Index (ISI; ≥8) respectivamente. Se usaron regresiones de Poisson con varianza robusta para calcular las razones de prevalencia con un intervalo de confianza al 95% Resultados: La prevalencia de depresión, ansiedad e insomnio fue de 28.5%, 29.5% y 60.1% respectivamente. Se encontró que quienes tuvieron sueño corto (RPa: 1.40, IC: 1.05-1.87, p: 0.024), que dormían después de las 2:00 horas (RPa: 2.24, IC: 1.31-3.83, p: 0.003) y que presentaban insomnio (RPa: 7.12, IC: 3.70-13.73, p: <0.001) tenían una mayor prevalencia de ansiedad a comparación de aquellos que no tenían estos factores. Del mismo modo, los que dormían después de las 2:00 horas (RPa: 2.13, IC: 1.24-3.64, p: 0.006) y los que presentaban insomnio (RP: 8.82, IC: 4.17-18.68, p: <0.001) tenían una mayor prevalencia de depresión a comparación de aquellos que no tenían estos factores. Conclusiones: El sueño corto, la hora en la que va a dormir y el insomnio son factores asociados a la prevalencia de depresión y ansiedad.
  • Thumbnail Image
    Item
    Beneficios de la implementación de un registro electrónico de pacientes de cuidados intensivos: una revisión de alcance
    (Universidad Peruana Unión, 2021-07-06) Coico Lama, Abdiel Haniel; Diaz Chingay, Lady Lucía; Soriano Moreno, Anderson Nelver Elias
    Objetivos: Esta revisión trató de identificar y describir la importancia de los registros médicos electrónicos y algunas herramientas para su implementación en la UCI. Diseño: Revisión de alcance. Fuentes de datos: Se hicieron búsquedas en las siguientes bases de datos Pubmed, SCOPUS, EBSCO y Web of Science. Métodos de revisión: Se utilizó las recomendaciones del Instituto Joanna Briggs para realizar e informar esta revisión de alcance, apoyado por la lista de verificación de PRISMA-ScR. Dos revisores independientes examinaron 2904 registros por título y resumen para determinar su pertinencia para los objetivos de la revisión, y un tercer revisor independiente resolvió las controversias. Tras la evaluación de 67 documentos de texto completo, se incluyeron 26 en la revisión. Resultados: Artículos reportaron que el uso de los registros electrónicos en la UCI se asoció con la disminución del 28% de mortalidad, 37% estancia hospitalaria, 50% estancia en UCI y 85% infecciones asociadas a catéter central. Las herramientas que se pueden usar en estos registros son las que involucran inteligencia artificial para predecir desenlaces como mortalidad y readmisión a la UCI. Por otro lado, las listas de verificación para el control de calidad y prevención de infección incluidas en la historia clínica electrónica parecen ser una herramienta adecuada para los medios que no cuenten con la experticia en el procesamiento de datos. Conclusiones: Encontramos evidencia de que los registros médicos electrónicos podrían ser una herramienta que ayude a mejorar el cuidado del paciente en la UCI. Además, los ricos datos capturados, abren la posibilidad de crear sistemas de alerta y predicción usando inteligencia artificial.