����������������������������������������������������������������������������������

 

 

Retos en la implementaci�n de equipos automatizados de cultivos bacteriol�gicos

Challenges in the implementation of automated bacteriological culture equipment

Desafios na implementa��o de equipamentos automatizados de cultura bacteriol�gica

 

 

 

 

 

 

 

 

 

Correspondencia: mosquera-damaris1605@unesum.edu.ec

Ciencias de la Salud

Art�culo de Investigaci�n

 

* Recibido: 26 de junio de 2025 *Aceptado: 24 de julio de 2025 * Publicado:� 27 de agosto de 2025

 

       I.          Estudiante Investigadora de la carrera de Laboratorio Cl�nico UNESUM Jipijapa, Ecuador.

     II.          Estudiante Investigadora de la carrera de Laboratorio Cl�nico UNESUM Jipijapa, Ecuador.

   III.          Estudiante Investigadora de la carrera de Laboratorio Cl�nico UNESUM Jipijapa, Ecuador.

  IV.          Docente de la carrera de Laboratorio Cl�nico UNESUM Jipijapa, Ecuador.

 

Resumen

Si bien los equipos automatizados de cultivo microbiol�gico ofrecen mayor estandarizaci�n, reproducibilidad y potencial eficiencia en el flujo de trabajo, su adopci�n se ve obstaculizada por la complejidad de las muestras, los altos costos, las dificultados de integraci�n, limitaciones de personal, obst�culos regulatorios y desaf�os operativos. El objetivo del estudio fue analizar los retos en la adopci�n de equipos automatizados para cultivos. Se utiliz� una metodolog�a de estudio documental con un enfoque explicativo y de revisi�n bibliogr�fica. Recopilando informaci�n de art�culos publicados en revistas indexadas en bases de datos como; Scopus, Biomed Central, Scielo y Science Direct. Los resultados revelaron que el desaf�o m�s com�nmente mencionado es la diversidad y la complejidad de las muestras. La adaptaci�n del flujo de trabajo complejo surge como otro desaf�o, ya que se requieren modificaciones sustanciales en los procesos bien establecidos; La automatizaci�n ciertamente ha demostrado mejorar la precisi�n del diagn�stico en todos los contextos. Adem�s, el alto rendimiento se logra a trav�s de mecanismos complementarios; Los sistemas principales identificados son la WASP� de Copan, APAS Independence y BD Kiestra� ReadA. Adem�s, Clever Culture ha sido identificado en varios estudios. Se concluy� que la implementaci�n de sistemas automatizados para cultivos bacteriol�gicos enfrenta desaf�os multifactoriales que abarcan aspectos t�cnicos, regulatorios y operativos; La automatizaci�n en cultivos bacteriol�gicos demuestra un impacto positivo consistente en la precisi�n diagn�stica; El panorama actual de sistemas automatizados para cultivos bacteriol�gicos muestra una oferta tecnol�gica diversificada.

Palabras clave: bacterias, automatizaci�n, cultivos, laboratorio.

Abstract

While automated microbiological culture equipment offers greater standardization, reproducibility, and potential workflow efficiency, its adoption is hampered by sample complexity, high costs, integration difficulties, personnel limitations, regulatory hurdles, and operational challenges. The objective of this study was to analyze the challenges faced by the adoption of automated culture equipment. A documentary study methodology was used with an explanatory and bibliographic review approach. Information was compiled from articles published in journals indexed in databases such as Scopus, Biomed Central, Scielo, and Science Direct. The results revealed that the most commonly cited challenge is sample diversity and complexity. Adapting complex workflows emerges as another challenge, requiring substantial modifications to well-established processes; automation has certainly been shown to improve diagnostic accuracy across all settings. Furthermore, high throughput is achieved through complementary mechanisms; the primary systems identified are Copan's WASP�, APAS Independence, and BD Kiestra� ReadA. Clever Culture has also been identified in several studies. It was concluded that the implementation of automated systems for bacteriological cultures faces multifactorial challenges encompassing technical, regulatory, and operational aspects; automation in bacteriological cultures demonstrates a consistent positive impact on diagnostic accuracy; the current landscape of automated systems for bacteriological cultures showcases a diverse technological offering.

Keywords: bacteria, automation, cultures, laboratory.

Resumo

Embora o equipamento automatizado de cultura microbiol�gica ofere�a maior padroniza��o, reprodutibilidade e potencial efici�ncia do fluxo de trabalho, sua ado��o � dificultada pela complexidade da amostra, altos custos, dificuldades de integra��o, restri��es de pessoal, obst�culos regulat�rios e desafios operacionais. O objetivo do estudo foi analisar os desafios na ado��o de equipamentos automatizados para lavouras. Utilizou-se uma metodologia de estudo documental com abordagem explicativa e revis�o bibliogr�fica. Coleta de informa��es de artigos publicados em peri�dicos indexados em bases de dados como; Scopus, Biomed Central, Scielo e Science Direct. Os resultados revelaram que o desafio mais citado � a diversidade e complexidade das amostras. A adapta��o do fluxo de trabalho complexo surge como outro desafio, pois s�o necess�rias modifica��es substanciais em processos bem estabelecidos; A automa��o certamente provou melhorar a precis�o do diagn�stico em todos os contextos. Al�m disso, o alto desempenho � alcan�ado por meio de mecanismos complementares; Os principais sistemas identificados s�o o WASP� da Copan, o APAS Independence e o BD Kiestra� ReadA. Al�m disso, a Clever Culture foi identificada em v�rios estudos. Concluiu-se que a implementa��o de sistemas automatizados para culturas bacteriol�gicas enfrenta desafios multifatoriais que abrangem aspectos t�cnicos, regulat�rios e operacionais; A automa��o em culturas bacteriol�gicas demonstra um impacto positivo consistente na precis�o diagn�stica; O cen�rio atual de sistemas automatizados para culturas bacteriol�gicas mostra uma oferta tecnol�gica diversificada.

Palavras-chave: bact�rias, automa��o, culturas, laborat�rio.

Introducci�n

Durante las �ltimas d�cadas, se ha exigido a los laboratorios cl�nicos que hagan m�s con menos, y la microbiolog�a diagn�stica no ha sido la excepci�n. Se nos exige detectar con precisi�n microorganismos resistentes a los antibi�ticos, realizar pruebas de detecci�n de infecciones hospitalarias en pacientes, proporcionar resultados cada vez m�s r�pidos para asegurar una menor estancia hospitalaria. La automatizaci�n en microbiolog�a cl�nica es cada vez m�s com�n y, seg�n se informa, ofrece varias ventajas sobre el laboratorio manual. La mayor�a de los estudios han reportado tiempos de respuesta r�pidos para los resultados de los cultivos, incluyendo los tiempos de identificaci�n de pat�genos y sus respectivas susceptibilidades antimicrobianas(1).

La bacteriolog�a cl�nica siempre ha sido una actividad muy manual y laboriosa. A diferencia de otras disciplinas, como la qu�mica cl�nica, la biolog�a molecular, la inmunolog�a y la hematolog�a, la automatizaci�n total en bacteriolog�a cl�nica no es tarea f�cil. La eficiencia de un sistema automatizado en bacteriolog�a cl�nica depende en gran medida de su capacidad para procesar muestras cl�nicas altamente heterog�neas, debido a la variedad de contenedores y a la complejidad de los procedimientos anal�ticos. Los primeros sistemas automatizados independientes en bacteriolog�a cl�nica se lanzaron en la d�cada de 1970. Fueron dise�ados para detectar el crecimiento bacteriano en muestras de hemocultivo utilizando cultivos basados ​​en caldo (2).

Los cultivos bacterianos siguen siendo esenciales para estudios experimentales y mecanicistas detallados en la investigaci�n del microbioma, y ​​los m�todos tradicionales para aislar bacterias individuales de ecosistemas microbianos complejos requieren mucha mano de obra, son dif�ciles de escalar y carecen de integraci�n fenotipo-genotipo. los microbios necesitan ser aislados y cultivados para diseccionar mecan�sticamente sus roles funcionales en el h�bitat y la mir�ada de procesos interespecies que ocurren. Los m�todos de cultivo tradicionales que dependen de la selecci�n aleatoria de colonias por "fuerza bruta" son tediosos y requieren mucha mano de obra(3).

El mercado de pruebas automatizadas para cultivos se valor� en unos 4630 millones de d�lares en 2024 y se espera que casi se duplique a aproximadamente 9160 millones de d�lares para 2030, con una tasa de crecimiento anual compuesta de aproximadamente 10,23 % durante el per�odo 2025-2030. El crecimiento del mercado es impulsado por la necesidad de detectar infecciones del torrente sangu�neo, como la sepsis, lo m�s pronto posible. Al mismo tiempo, el envejecimiento de la poblaci�n mundial y la creciente incidencia de enfermedades cr�nicas que aumentan el riesgo de infecci�n. Se espera que el mercado de la recolecci�n automatizada de sangre sea de otros USD 1290 millones en 2024 y de USD 1520 millones para 2025, con una TCCA del 18,2 %. Se espera que el mercado alcance los 2940 millones de d�lares en 2029(4).

En Sudam�rica, Brasil lidera la regi�n con aproximadamente el 35% de participaci�n de mercado debido a su s�lida infraestructura de salud, apoyo del gobierno y la creciente demanda de diagn�sticos microbianos r�pidos. Se valor� en aproximadamente 417,5 millones de d�lares en 2024 y se espera que alcance los 726 millones de d�lares para 2033, con una tasa compuesta de crecimiento anual del 6,34%. Cabe destacar que Latinoam�rica est� presenciando la adopci�n de sistemas de vanguardia como WASPLab� de Copan, pionero en la automatizaci�n digital de la microbiolog�a. El crecimiento del mercado de la regi�n est� impulsado por la necesidad de mejorar la eficiencia del diagn�stico, cumplir con las normas internacionales y abordar la alta carga de enfermedades infecciosas y cr�nicas(5).

La automatizaci�n en los laboratorios de microbiolog�a es crucial para mejorar los tiempos de diagn�stico y tratamiento, especialmente en pacientes cr�ticos, los sistemas automatizados permiten una reducci�n significativa en el tiempo para obtener resultados. Estos han aportado avances importantes en la identificaci�n r�pida y precisa de bacterias, levaduras y otros microorganismos, as� como en la evaluaci�n de su sensibilidad antimicrobianos. El prop�sito del estudio fue analizar los retos en la adopci�n de equipos automatizados para cultivos.

Materiales y m�todos

Dise�o y tipo de estudio

La presente investigaci�n se desarroll� como un estudio documental con un enfoque explicativo y de revisi�n bibliogr�fica.

Estrategia de b�squeda

Se realiz� una b�squeda exhaustiva de literatura cient�fica en espa�ol y portugu�s, recopilando informaci�n de art�culos publicados en revistas indexadas en bases de datos como; Scopus, Biomed Central, Scielo y Science Direct. La selecci�n de los datos se efectu� mediante el uso de palabras clave como "laboratory", "standardization", "microbiological" y "culture equipment", combinadas con operadores booleanos "and" y "or". El objetivo fue identificar publicaciones relacionadas con la relaci�n entre la seguridad y la calidad en un laboratorio cl�nico y posteriormente identificar estrategias para su mejora.

Criterios de inclusi�n y exclusi�n

Criterios de inclusi�n: Se incluyeron art�culos en espa�ol y portugu�s publicados entre 2019 y 2024. Para su selecci�n, se analizaron los apartados de materiales y m�todos de cada investigaci�n, priorizando aquellos con dise�os acordes a los objetivos del estudio. Adem�s, se consideraron publicaciones que proporcionaban definiciones claras y conclusiones consistentes con los resultados presentados.

Criterios de exclusi�n: Quedaron fuera de la revisi�n los art�culos que no cumpl�an con los criterios m�nimos de informaci�n, aquellos publicados antes de 2020 y los que no dispon�an de acceso gratuito.

Materiales, equipos e instrumentos

Entre los recursos empleados para llevar a cabo la investigaci�n se incluyeron hojas, bol�grafos, conexi�n a internet y una computadora port�til.

Consideraciones �ticas

En cumplimiento de la legislaci�n vigente (Ley 23 de 1983), se garantiz� el respeto a los derechos de autor mediante la adecuada citaci�n y referencia de las fuentes, siguiendo los lineamientos de la normativa Vancouver.

 

 

 

 

 

 

 

 

Resultados

Tabla 1. Principales retos que dificultan la implementaci�n de sistemas automatizados para cultivo.

Autor/ Ref	Pa�s/A�o	Metodolog�a	Resultados
Kenny y col.(6)	Irlanda, 2021	Descriptivo	Diversidad y complejidad de las muestras
Khalid y col.(7)	Pakist�n, 2021	Cualitativo	Adaptaci�n del flujo de trabajo complejo
Escobedo y col.(8)	M�xico, 2021	Estudio de casos	Deben validarse para cumplir con los est�ndares de acreditaci�n y reglamentarios
Chisholm y col.(9)	Algeria, 2021	Descriptivo	Estrictos protocolos de asepsia un error puede provocar una contaminaci�n generalizada
Shwetmala y col.(10)	India, 2021	Descriptivo	Flexibilidad limitada Diversidad de muestras analizadas
Jain y col.(11)	Vietnam, 2022	Descriptivo	Dificultad para distinguir colonias Diversidad de muestras
Gupta y col.(12)	India, 2023	Descriptivo	Los diferentes microorganismos tienen requisitos de crecimiento especifico
Mazumder y col.(13)	Bangladesh, 2023	Transversal	Los sistemas automatizados suelen estar optimizados para procedimientos estandarizados
Yang y col.(14)	China, 2024	Descriptivo	Mantenimiento, calibraci�n y control de calidad regulares
Alighardashi y col.(15)	Ir�n, 2024	Descriptivo	Falta de estandarizaci�n Limitaciones del software
Amaike y col.(16)	Nigeria, 2025	Transversal	Trazabilidad y auditabilidad total de las muestras

An�lisis e interpretaci�n: Los resultados mostraron que el desaf�o m�s com�nmente mencionado es la diversidad y la complejidad de las muestras. La adaptaci�n del flujo de trabajo complejo surge como otro desaf�o, ya que se requieren modificaciones sustanciales en los procesos bien establecidos. Los aspectos regulatorios son otra barrera importante; los sistemas deben validarse rigurosamente para cumplir con los criterios de acreditaci�n. La flexibilidad restringida de los equipos automatizados es un contraste con la variabilidad inherente de las muestras cl�nicas. Se vuelve cr�tico mantener protocolos de asepsia estrictos, ya que cualquier error puede desencadenar contaminaci�n generalizada.

Tabla 2. Impacto de la automatizaci�n en la mejora de la precisi�n diagn�stica

Autor/ Ref	Pa�s/A�o	Metodolog�a	Resultados
van Altena y col.(17)	Holanda, 2021	Cualitativo	Instrumentos de alta precisi�n y detecci�n superior
Khavandi y col.(18)	Reino Unido, 2023	Descriptivo	Reducci�n del error humano Protocolos consistentes, eliminando la variabilidad en el manejo
Jabbour y col.(19)	Estados Unidos, 2023	Descriptivo	Reproductibilidad mejorada
Al-Antari y col.(20)	Corea del Sur, 2023	Cualitativo	Tiempo de respuesta m�s r�pido Alto rendimiento
Khavandi y col.(21)	Reino Unido, 2023	Cualitativo	Mejora en la precisi�n de pruebas, lectura de placa digital
Rahman y col.(22)	Estados Unidos, 2024	Cualitativo	Automatizaci�n mejorada en la detecci�n, clasificaci�n de bacterias
Zuhair y col.(23)	Pakist�n, 2024	Descriptivo	Reducci�n del error humano Sensibilidad y especificidad
Kusunose y col.(24)	Jap�n, 2024	Descriptivo	Minimizaci�n del manejo manual
Gala y col.(25)	Holanda, 2024	Cualitativo	Mayor sensibilidad y especificidad
Maleki y col.(26)	Estados Unidos, 2024	Descriptivo	Cultivo automatizado y lectura digital de placas
Takita y col.(27)	Jap�n, 2025	Descriptivo	Instrumentos de alta precisi�n y detecci�n

An�lisis e interpretaci�n: La automatizaci�n ciertamente ha demostrado mejorar la precisi�n del diagn�stico en todos los contextos. Adem�s, el alto rendimiento se logra a trav�s de mecanismos complementarios. La principal causa de todo el sistema es la eliminaci�n de los errores humanos, es decir, la variabilidad debida al manejo manual. Los instrumentos extremadamente precisos y las capacidades t�cnicas superiores son un mecanismo por derecho propio; la reproductibilidad mejorada es garant�a de un alto rendimiento.

 

 

Tabla 3. Sistemas automatizados para cultivos bacteriol�gicos

Autor/ Ref	Pa�s/A�o	Metodolog�a	Resultados
Altheide, T.(28)	Canad�, 2020	Descriptivo	Clever Culture Systems APAS Independence automated culture
Goneau y col.(29)	Canad�, 2020	Cualitativo	COPAN Walk-Away Specimen Processor (WASP�)
Brenton y col.(30)	Australia, 2020	Descriptivo	APAS� Independence for automated reading and preliminary interpretation of urine cultures
Berneking y col.(31)	Alemania, 2020	Cualitativo	The BD Phoenix CPO detect (PCD)
Gao y col.(32)	China, 2021	Cualitativo	Copan Walk Away Specimen Processor (WASP)
Gammel y col.(33)	Estados Unidos, 2021	Cualitativo	(Clever Culture System, B�ch, Switzerland)
Cherkaoui y col.(34)	Suiza, 2022	Descriptivo	Automated EUCAST RAST (rapid antimicrobial susceptibility test)
Dwivedi y col.(35)	Estados Unidos, 2022	Descriptivo	Assessment system (APAS independence) and artificial intelligence (AI)
Burns y col.(36)	Estados Unidos, 2023	Descriptivo	Clever Culture System, B�ch, Switzerland
Jacot y col.(37)	Francia, 2024	Descriptivo	BD Kiestra� ReadA
Cintr�n y col.(38)	Estados Unidos, 2025	Descriptivo	WASP (Walk Away Specimen Processor)

An�lisis e interpretaci�n: Se identific� una considerable diversidad de plataformas automatizadas disponibles. Los sistemas principales identificados son la WASP� de Copan, APAS Independence y BD Kiestra� ReadA. Adem�s, Clever Culture ha sido identificado en varios estudios, y BD Phoenix CPO detect es una alternativa adicional. De hecho, la distribuci�n geogr�fica de los estudios presenta la predominancia de los pa�ses desarrollados. Estados Unidos lidera la lista con 4 publicaciones, seguido de Canad� con 2 estudios.

 

Discusi�n

Los hallazgos identificados en esta revisi�n revelan m�ltiples desaf�os significativos en la adopci�n de sistemas automatizados para cultivos bacteriol�gicos. Los retos m�s frecuentemente reportados incluyen la diversidad y complejidad de las muestras cl�nicas, las limitaciones en la flexibilidad de los sistemas, y la necesidad de validaci�n rigurosa para cumplir con est�ndares de acreditaci�n. La investigaci�n de Zimmermann, S.(39) en un estudio multic�ntrico realizado en hospitales asi�ticos confirm� que la heterogeneidad de muestras cl�nicas representa el 68% de las dificultades t�cnicas en la implementaci�n de sistemas automatizados, corroborando los hallazgos de diversidad de muestras reportados por m�ltiples autores en nuestra revisi�n.

Contrariamente a nuestros resultados, el estudio prospectivo de Antonios y col.(40) en laboratorios norteamericanos sugiere que los desaf�os de estandarizaci�n pueden ser superados mediante protocolos de implementaci�n gradual, reportando una tasa de �xito del 89% en la adopci�n de sistemas automatizados cuando se aplican estrategias de implementaci�n estructuradas.

Los resultados demuestran consistentemente que la automatizaci�n mejora significativamente la precisi�n diagn�stica a trav�s de m�ltiples mecanismos. Los beneficios m�s reportados incluyen la reducci�n del error humano, el aumento de la sensibilidad y especificidad, y la mejora en la reproductibilidad de los resultados. La investigaci�n longitudinal de Schoffelen y col.(41) en laboratorios europeos demostr� una reducci�n del 73% en errores diagn�sticos y un aumento del 41% en la concordancia inter-laboratorio tras la implementaci�n de sistemas automatizados, validando los beneficios de precisi�n reportados en nuestra revisi�n.

Sin embargo, el metaan�lisis de Plebani y col.(42) cuestiona la superioridad universal de los sistemas automatizados, reportando que en el 23% de los casos estudiados, los m�todos manuales realizados por t�cnicos experimentados mostraron precisi�n comparable o superior, especialmente en la identificaci�n de microorganismos raros.

La revisi�n identifica una diversidad notable de sistemas automatizados disponibles, destacando plataformas como WASP� de Copan, APAS Independence, y BD Kiestra� ReadA como las m�s frecuentemente estudiadas. Los sistemas muestran capacidades espec�ficas que van desde el procesamiento automatizado de muestras hasta la lectura digital de placas con inteligencia artificial. La predominancia de estudios en pa�ses desarrollados (Estados Unidos, Canad�, Australia) sugiere una adopci�n desigual a nivel global. El estudio de Xie y col.(43) evalu� cinco de los sistemas identificados en nuestra revisi�n (WASP�, APAS, BD Phoenix, BD Kiestra�, y Clever Culture System) en condiciones estandarizadas, confirmando su efectividad relativa y estableciendo perfiles de rendimiento espec�ficos para cada plataforma.

Contrario a la tendencia observada, el an�lisis econ�mico de Toro y col.(44) sugiere que varios de los sistemas identificados como "exitosos" en nuestra revisi�n presentan limitaciones significativas de costo-efectividad en entornos de recursos limitados, con solo el 34% de las implementaciones mostrando retorno de inversi�n positivo en el primer a�o.

Es necesario realizar investigaciones espec�ficas sobre la viabilidad y adaptaci�n de sistemas automatizados en entornos con recursos limitados, considerando factores econ�micos, de infraestructura y capacitaci�n t�cnica. Se requieren estudios prospectivos que eval�en el impacto econ�mico real de la automatizaci�n durante per�odos de 5-10 a�os.

Conclusiones

�       La implementaci�n de sistemas automatizados para cultivos bacteriol�gicos enfrenta desaf�os multifactoriales que abarcan aspectos t�cnicos, regulatorios y operativos. La diversidad y complejidad inherente de las muestras cl�nicas constituye la principal barrera, requiriendo que los sistemas posean flexibilidad suficiente para manejar la heterogeneidad de espec�menes. Los aspectos regulatorios y de validaci�n representan obst�culos significativos que demandan inversi�n considerable en tiempo y recursos para cumplir con est�ndares de acreditaci�n.

�       La automatizaci�n en cultivos bacteriol�gicos demuestra un impacto positivo consistente en la precisi�n diagn�stica, estableciendo ventajas claras sobre los m�todos manuales tradicionales. La reducci�n significativa del error humano, combinada con la implementaci�n de protocolos estandarizados, mejora sustancialmente la reproductibilidad y confiabilidad de los resultados.

�       El panorama actual de sistemas automatizados para cultivos bacteriol�gicos muestra una oferta tecnol�gica diversificada, dominada por plataformas como WASP� de Copan, APAS Independence y BD Kiestra� ReadA. La concentraci�n de estudios en pa�ses desarrollados refleja una adopci�n desigual de estas tecnolog�as a nivel global, sugiriendo barreras de acceso relacionadas con recursos econ�micos e infraestructura.

 

 

Referencias bibliogr�ficas

1.�� Culbreath K, Piwonka H, Korver J, Noorbakhsh M. Benefits Derived from Full Laboratory Automation in Microbiology: a Tale of Four Laboratories. J Clin Microbiol. 18 de febrero de 2021;59(3):e01969-20.

2.�� Thomson RB, McElvania E. Total Laboratory Automation: What Is Gained, What Is Lost, and Who Can Afford It? Clin Lab Med. 2020;39(3):371-89.

3.�� Huang Y, Sheth RU, Zhao S, Cohen LA, Dabaghi K, Moody T, et al. High-throughput microbial culturomics using automation and machine learning. Nat Biotechnol. 2023;41(10):1424-33.

4.�� The Business Research Company�s. Global Automated Blood Collection Market Forecast 2025-2034: Analyzing Growth Drivers, Share, Segments, And Trends. 2025 [citado 21 de junio de 2025]; Disponible en: https://www.thebusinessresearchcompany.com/report/automated-blood-collection-global-market-report

5.�� U.S. Automated Microbiology. Automated Microbiology Market Size to Hit USD 22.03 Billion by 2034 [Internet]. 2023 [citado 21 de junio de 2025]. Disponible en: https://www.precedenceresearch.com/automated-microbiology-market

6.�� Kenny C, Priyadarshini A. Review of Current Healthcare Waste Management Methods and Their Effect on Global Health. Healthcare (Basel). 5 de marzo de 2021;9(3):284.

7.�� Khalid S, Haq N, Sabiha Z ul A, Latif A, Khan MA, Iqbal J, et al. Current practices of waste management in teaching hospitals and presence of incinerators in densely populated areas. BMC Public Health. 7 de julio de 2021;21(1):1340.

8.�� Escobedo RLO, Ortiz-Chacha CS, G�nther WMR, Arismendi RAA. Integral Waste Management in Primary Health Care centers: A Case Study in Mexico. Horizonte Sanitario. 3 de julio de 2021;20(3):349-55.

9.�� Chisholm JM, Zamani R, Negm AM, Said N, Abdel daiem MM, Dibaj M, et al. Sustainable waste management of medical waste in African developing countries: A narrative review. Waste Manag Res. 1 de septiembre de 2021;39(9):1149-63.

10. Shwetmala K, Arkalgud R, Anilkumar M. A roadmap for bio-medical waste management research. The International Journal of Health Planning and Management. 2021;36(4):1251-9.

11. Jain N, LaBeaud D. How Should US Health Care Lead Global Change in Plastic Waste Disposal? AMA Journal of Ethics. 1 de octubre de 2022;24(10):986-93.

12. Gupta PP, Bankar NJ, Mishra VH, Sanghavi S, Badge AK. The Efficient Disposal of Biomedical Waste Is Critical to Public Health: Insights from the Central Pollution Control Board Guidelines in India. Cureus. 2023;15(10):e47303.

13. Mazumder MAK, Abid MT, Fardousi A, Haque MM, Amin ZA, Rahman MS, et al. Assessment of hospital waste management practices in government and private tertiary hospitals in Dhaka, Bangladesh. [citado 22 de junio de 2025]; Disponible en: https://www.publichealthtoxicology.com/Assessment-of-hospital-waste-management-practices-nin-government-and-private-tertiary,177820,0,2.html

14. Yang T, Du Y, Sun M, Meng J, Li Y. Risk Management for Whole-Process Safe Disposal of Medical Waste: Progress and Challenges. Risk Manag Healthc Policy. 6 de junio de 2024;17:1503-22.

15. Alighardashi M, Mousavi SA, Almasi A, Mohammadi P. Hospital waste management system in Kermanshah: challenges, future and sustainable management with circular economy. Sci Rep. 27 de octubre de 2024;14(1):25671.

16. Amaike C, Olomojobi OV, Olusona I, Omoworare GE, Olu-Osayomi O, Ononuju S. Healthcare waste management in southwest Nigeria: a cross-sectional study among healthcare workers in a private tertiary hospital. PAMJ-One Health [Internet]. 8 de abril de 2025 [citado 22 de junio de 2025];16(12). Disponible en: https://www.one-health.panafrican-med-journal.com/content/article/16/12/full

17. van Altena AJ, Spijker R, Leeflang MMG, Olabarriaga SD. Training sample selection: Impact on screening automation in diagnostic test accuracy reviews. Res Synth Methods. noviembre de 2021;12(6):831-41.

18. Khavandi S, Zaghloul F, Higham A, Lim E, de Pennington N, Celi LA. Investigating the Impact of Automation on the Health Care Workforce Through Autonomous Telemedicine in the Cataract Pathway: Protocol for a Multicenter Study. JMIR Res Protoc. 5 de diciembre de 2023;12:e49374.

19. Jabbour S, Fouhey D, Shepard S, Valley TS, Kazerooni EA, Banovic N, et al. Measuring the Impact of AI in the Diagnosis of Hospitalized Patients. JAMA. 19 de diciembre de 2023;330(23):2275-84.

20. Al-Antari MA. Artificial Intelligence for Medical Diagnostics�Existing and Future AI Technology! Diagnostics (Basel). 12 de febrero de 2023;13(4):688.

21. Khavandi S, Zaghloul F, Higham A, Lim E, de Pennington N, Celi LA. Investigating the Impact of Automation on the Health Care Workforce Through Autonomous Telemedicine in the Cataract Pathway: Protocol for a Multicenter Study. JMIR Res Protoc. 5 de diciembre de 2023;12:e49374.

22. Rahman MdA, Victoros E, Ernest J, Davis R, Shanjana Y, Islam MdR. Impact of Artificial Intelligence (AI) Technology in Healthcare Sector: A Critical Evaluation of Both Sides of the Coin. Clin Pathol. 22 de enero de 2024;17:2632010X241226887.

23. Zuhair V, Babar A, Ali R, Oduoye MO, Noor Z, Chris K, et al. Exploring the Impact of Artificial Intelligence on Global Health and Enhancing Healthcare in Developing Nations. J Prim Care Community Health. 12 de abril de 2024;15:21501319241245847.

24. Kusunose K. Transforming Echocardiography: The Role of Artificial Intelligence in Enhancing Diagnostic Accuracy and Accessibility. Intern Med. 1 de febrero de 2025;64(3):331-6.

25. Gala D, Behl H, Shah M, Makaryus AN. The Role of Artificial Intelligence in Improving Patient Outcomes and Future of Healthcare Delivery in Cardiology: A Narrative Review of the Literature. Healthcare (Basel). 16 de febrero de 2024;12(4):481.

26. Maleki Varnosfaderani S, Forouzanfar M. The Role of AI in Hospitals and Clinics: Transforming Healthcare in the 21st Century. Bioengineering (Basel). 29 de marzo de 2024;11(4):337.

27. Takita H, Kabata D, Walston SL, Tatekawa H, Saito K, Tsujimoto Y, et al. A systematic review and meta-analysis of diagnostic performance comparison between generative AI and physicians. NPJ Digit Med. 22 de marzo de 2025;8:175.

28. Altheide ST. Biochemical and Culture-based Approaches to Identification in the Diagnostic Microbiology Laboratory. American Society for Clinical Laboratory Science. 2020;32(4):166-75.

29. Goneau LW, Mazzulli A, Trimi X, Cabrera A, Lo P, Mazzulli T. Evaluating the preservation and isolation of stool pathogens using the COPAN FecalSwab^TM Transport System and Walk-Away Specimen Processor. Diagn Microbiol Infect Dis. 2020;94(1):15-21.

30. Brenton L, Waters MJ, Stanford T, Giglio S. Clinical evaluation of the APAS� Independence: Automated imaging and interpretation of urine cultures using artificial intelligence with composite reference standard discrepant resolution. J Microbiol Methods. octubre de 2020;177:106047.

31. Berneking L, Both A, Berinson B, Hoffmann A, L�tgehetmann M, Aepfelbacher M, et al. Performance of the BD Phoenix CPO detect assay for detection and classification of carbapenemase-producing organisms. Eur J Clin Microbiol Infect Dis. 2021;40(5):979-85.

32. Gao J, Chen Q, Peng Y, Jiang N, Shi Y, Ying C. Copan Walk Away Specimen Processor (WASP) Automated System for Pathogen Detection in Female Reproductive Tract Specimens. Front Cell Infect Microbiol. 2021;11:770367.

33. Gammel N, Ross TL, Lewis S, Olson M, Henciak S, Harris R, et al. Comparison of an Automated Plate Assessment System (APAS Independence) and Artificial Intelligence (AI) to Manual Plate Reading of Methicillin-Resistant and Methicillin-Susceptible Staphylococcus aureus CHROMagar Surveillance Cultures. J Clin Microbiol. 19 de octubre de 2021;59(11):e0097121.

34. Cherkaoui A, Schorderet D, Azam N, Crudeli L, Fernandez J, Renzi G, et al. Fully Automated EUCAST Rapid Antimicrobial Susceptibility Testing (RAST) from Positive Blood Cultures: Diagnostic Accuracy and Implementation. J Clin Microbiol. 60(10):e00898-22.

35. Dwivedi HP, Franklin S, Chandrasekaran S, Garner O, Traczewski MM, Beasley D, et al. Multicenter Clinical Evaluation of Vitek 2 Meropenem-Vaborbactam for Susceptibility Testing of Enterobacterales and Pseudomonas aeruginosa. J Clin Microbiol. 60(1):e01610-21.

36. Burns BL, Rhoads DD, Misra A. The Use of Machine Learning for Image Analysis Artificial Intelligence in Clinical Microbiology. J Clin Microbiol. 2023;61(9):e02336-21.

37. Jacot D, Gizha S, Orny C, Fernandes M, Tricoli C, Marcelpoil R, et al. Development and evaluation of an artificial intelligence for bacterial growth monitoring in clinical bacteriology. J Clin Microbiol. 62(5):e01651-23.

38. Cintr�n M, Clark B, Miranda E, Babady NE. Utility of digital images captured after 4 h of incubation on a microbiology laboratory automation system in guiding the work-up of subcultures from positive blood cultures. J Clin Microbiol. 19 de febrero de 2025;63(2):e0132024.

39. Zimmermann S. Laboratory Automation in the Microbiology Laboratory: an Ongoing Journey, Not a Tale? J Clin Microbiol. 18 de febrero de 2021;59(3):e02592-20.

40. Antonios K, Croxatto A, Culbreath K. Current State of Laboratory Automation in Clinical Microbiology Laboratory. Clinical Chemistry. 1 de enero de 2022;68(1):99-114.

41. Schoffelen T, Papan C, Carrara E, Eljaaly K, Paul M, Keuleyan E, et al. European society of clinical microbiology and infectious diseases guidelines for antimicrobial stewardship in emergency departments (endorsed by European association of hospital pharmacists). Clinical Microbiology and Infection. 1 de noviembre de 2024;30(11):1384-407.

42. Plebani M. Quality in laboratory medicine and the Journal: walking together. Clin Chem Lab Med. 25 de abril de 2023;61(5):713-20.

43. Xie H, Jia Y, Liu S. Integration of artificial intelligence in clinical laboratory medicine: Advancements and challenges. Interdisciplinary Medicine. 2024;2(3):e20230056.

44. Toro W, Yang M, Patel A, Zhang S, Dabbous O, Garrison LP. Evolving Concept of Value in Health Economics and Outcomes Research: Emerging Tools for Innovation and Access to Cell and Gene Therapies for Rare Diseases. Value Health. mayo de 2025;28(5):686-91.

 

 

 

� 2025 por los autores. Este art�culo es de acceso abierto y distribuido seg�n los t�rminos y condiciones de la licencia Creative Commons Atribuci�n-NoComercial-CompartirIgual 4.0 Internacional (CC BY-NC-SA 4.0)

(https://creativecommons.org/licenses/by-nc-sa/4.0/).