Envía por correo este artículo 
Impacto del Uso de Sistemas Automatizados en la Productividad y Precisión del Laboratorio Clínico
Resumen
Introducción: La integración de la automatización en los laboratorios clínicos ha mejorado la eficacia, el rendimiento y la calidad de diversos procesos industriales y científicos. Con el tiempo, las herramientas mecanizadas han sustituido a las tareas manuales, y los recientes avances en robótica y tecnología de la información han automatizado aún más procesos que antes dependían exclusivamente de la mano de obra humana, Objetivo: Es por ello que el objetivo fue determinar el Impacto del Uso de Sistemas Automatizados en la Productividad y Precisión del Laboratorio Clínico. Metodología: la metodología fue diseño documental, tipo descriptivo, basado principalmente en una revisión sistemática. Resultados: la automatización en los laboratorios clínicos mejora significativamente la calidad de los resultados, con un notable impacto en la reducción de errores, Conclusión: La automatización de los laboratorios clínicos ha mejorado la calidad y la eficiencia de los diagnósticos al reducir los errores y maximizar los recursos. Los sistemas autónomos y los analizadores automatizados son ejemplos de herramientas que mejoran la atención al paciente, estandarizan los resultados y aceleran los procedimientos.
Palabras clave
Referencias
Holland , Davies. Automation in the Life Science Research Laboratory. Front Bioeng Biotechnol. 2020 Agosto; 8.
Al Naam YA, Elsafi S, al e. The Impact of Total Automaton on the Clinical Laboratory Workforce: A Case Study. J Healthc Leadersh. 2022 Mayo; 14: p. 55–62.
Alowais S, Alghamdi S, Alsuhebany ,N, al e. Revolutionizing healthcare: the role of artificial intelligence in clinical practice. BMC Medical Education. 2023 Septiembre; 23(689).
Lippi G, Da Rin. Advantages and limitations of total laboratory automation: a personal overview. Clinical Chemistry and Laboratory Medicine (CCLM). 2019 Febrero.
Arifin , Mohd Yusof. Error evaluation in the laboratory testing process and laboratory information systems. J Med Biochem. 2022 Agosto; 41(1): p. 21-31.
Tom G, Schmid S, al e. Self-Driving Laboratories for Chemistry and Materials Science. Chemical Reviews. 2024 Agosto; 12(16).
Ayala Chauvin M, Avilés Castillo , Buele J. Exploring the Landscape of Data Analysis: A Review of Its Application and Impact in Ecuador. Computers. 2023 Julio; 12(7): p. 146.
Archetti , Esperanza , Garrafa. Gestión de un laboratorio clínico automatizado: desafíos y oportunidades de optimización. Revista EURO sobre procesos de decisión. 2020 Mayo; 8(1-2).
Naam Y, Elsafi S, Jahdali M, Shaman R, Qurouni B, Zahrani E. El impacto de la automatización total en el personal de laboratorio clínico: un estudio de caso. Líderes en salud J. 2020 Mayo; 14: p. 55–62.
Assaf D, Gutman Y, Neuman Y et al. Utilization of machine-learning models to accurately predict the risk for critical COVID-19. Intern Emerg Med. 2020; 15(1): p. 1435–1443.
Herman D, Bos J, Hebl V, Oberg A, et al. Inteligencia artificial y mapeo de una nueva dirección en la medicina de laboratorio: una revisión. Química clínica. 2021 Noviembre; 67(11).
Cheng Y, Assaf D, Gutman Y, et al. Utilización de modelos de aprendizaje automático para predecir con precisión el riesgo de COVID-19 crítico. Pasante Emerg Med. 2021; 15.
Hooman H, Nam T, Albahra Samer, Dang L. Aprendizaje automático en la atención médica y la medicina de laboratorio: descripción general del aprendizaje supervisado y Auto-ML. Revista Internacional de Hematología de Laboratorio. 2021 Diciembre; 43(1): p. 15–22.
Chadaga K, Chakraborty C, Prabhu S et al. Clinical and Laboratory Approach to Diagnose COVID-19 Using Machine Learning. Interdisciplinary Sciences: Computational Life Sciences. 2022; 14(1): p. 452–470.
Sudipta R, Tanushree M, Se-Jung L. Desmitificando el aprendizaje supervisado en la salud 4.0: una nueva realidad de transformación de la medicina diagnóstica. Diagnostics (Basel). 2022; 12(10): p. 2549.
Thomas S, Yingwei H, Pan J, Punit S et al. Caracterización proteómica y glicoproteómica integrada del carcinoma seroso de ovario de alto grado en humanos. Cell Rep. 2022 Octubre; 33(3): p. 108276.
Tariq M, Mirza H, Salman Q, Anwar T, al et. Una revisión exhaustiva del rendimiento de las plataformas de secuenciación de próxima generación. Biomedic Research International. 2022 Septiembre; 1(1): p. 1-12.
Hanna M, Ardon O, Reuter V, Sirintrapun S et al. Integración de la patología digital en la práctica clínica. Patología Moderna. 2022 Febrero; 35(2).
Haro G, Venkatesan V. Transiciones personificadas de la atención médica con un sistema automatizado de citas médicas: logística. Revista de Resultados Negativos Farmacéuticos. 2023; 14(3): p. 2832-2839.
Aminizadeh S, Heidari A, Toumaj S, Darbandi M et al. Las aplicaciones de técnicas de machine learning en el procesamiento de datos médicos basadas en computación distribuida e Internet de las Cosas. Métodos y Programas Computacionales en Biomedicina. 2023 Noviembre; 241.
Anis B, Ahmed H, Muhammed E, Mohammed A. Evaluación de los niveles de preparación y concienciación de los trabajadores sanitarios con respecto a la infección por COVID-19 en entornos de bajos recursos. Soy J Trop Med Hyg. 2024; 103(2): p. 828–33.
Wang S, Xu K, Ling Z. Predicción y optimización de la potencia de los chips basada en el aprendizaje profundo: un enfoque EDA inteligente. Revista Internacional de Investigación Innovadora en Ciencia y Tecnología de la Computación. 2024; 12(4): p. 77-87.
Chaochao M, Wang X, Wu J, Cheng X et al. Estudios de big data del mundo real en medicina de laboratorio: estado actual, aplicación y consideraciones futuras. Bioquímica Clínica. 2020 Octubre; 84: p. 21-30.
ujan G, Quigley J, Hartman D, Parwani A et al. Diseccionando el caso de negocio para la adopción e implementación de la patología digital: un documento técnico de la Asociación de Patología Digital. Revista de Informática de Patología. 2021 Diciembre; 12(1).
Apostu S, Vasile V, Veres C. Externalidades de la implementación de Lean en laboratorios médicos. Optimización de procesos vs. adaptación y flexibilidad para el futuro. Int J Environ Res Public Health. 2021; 18(23): p. 12309.
Mohd J, Abid H, Ravi P, Rajiv S. Importancia de la Calidad 4.0 para la mejora integral del sector manufacturero. Sensores Internacionales. 2021; 2: p. 100109.
López J, Salvador P, Acevedo D, Estañ N. Anticuerpos anti-receptor de TSH (TRAb): Comparación de dos inmunoensayos automatizados de tercera generación ampliamente utilizados en laboratorios clínicos e interpretación de resultados. PLoS One. 2023; 17(7): p. E0270890.
Halstead D, Sautter R. Una revisión de la literatura sobre cómo podemos abordar la escasez de personal de los científicos de laboratorio médico. Medicina de laboratorio. 2023; 54(1): p. e31–e36.
Nwakamma E, Alaba O, Daraojimba C, Ofonagoro K et al. Xplorando la integración de materiales innovadores en la fabricación moderna para promover la competitividad de los ee. uu. en una economía global sostenible. Revista de Ciencia y Tecnología de la Ingeniería. 2023; 4(3): p. 140-168.
Nishad N, Hemalatha A, Barani K, Vijayakumar G. La adopción de la inteligencia artificial en las prácticas de gestión de recursos humanos. Revista Internacional de Información de Gestión de Datos. 2024 Abril; 4(1): p. 100208.
Adedamola J, Sarkodie G, Apatu V. Stimulating Economic Growth and Innovations by Leveraging Bioinformatics in Biotechnology SMEs. World Journal of Advanced Research and Reviews. 2024 Julio; 23(2): p. 211–221.
Zhaoxia Y, Shirley A. The impact of ai innovation management on organizational productivity and economic growth: an analytical study. International Journal of Business Management and Economic Review. 2024; 7(3).
Amankwah J, Abdalla S, Mogaji E, Elbanna A et al. La inminente disrupción de las industrias creativas por la IA generativa: oportunidades, desafíos y agenda de investigación. Revista Internacional de Gestión de la Información. 2024 Diciembre; 79: p. 102759.
Lim S, Syazwani F, Rasheedul H, Noorliza B et al. Exploring the Impact of Marketing Mix Products Transformation. Pakistan Journal of Life and Social Sciences. 2024; 22(2): p. 1477-1492.
Purwaningsih E, Muslikh M, Suhaeri S, Basrowi B. Utilizing blockchain technology in enhancing supply chain efficiency and export performance, and its implications on the financial performance of SMEs. Uncertain Supply Chain Manag. 2024; 12(1): p. 449-460.
Islam I, Magda S, Omaima G, Adel Z et al. Uso de Lean Six Sigma para mejorar la puntualidad de los resultados de las pruebas de laboratorio clínico en un hospital universitario de Egipto. Revista Internacional de Lean Six Sigma. 2024 Marzo; 13(5): p. 13.
Kehinde A, Oladiran K, Emmanuel C, Adeniyi K et al. El papel de la metrología de precisión en la mejora de la calidad de fabricación: una revisión exhaustiva. Revista de Ciencia y Tecnología de la Ingeniería. 2024; 5(3): p. 728-739.
Keping Y, Largo L, Mamoun A, Liang T et al. Solución de seguridad vial basada en Deep Learning para una combinación de vehículos autónomos y manuales en un sistema de transporte inteligente habilitado para 5G. IEEE Transactions on Intelligent Transportation Systems. 2020; 22(7): p. 4337 - 4347.
Beshears J, Kosowsky H. Empujones: Progreso hasta la fecha y direcciones futuras. Comportamiento Organizacional y Procesos de Decisión Humana. 2020 Noviembre; 161(1): p. 3-19.
Kwan J, Lo L, Ferguson J, Goldberg H et al. Sistemas informatizados de apoyo a la toma de decisiones clínicas y mejoras absolutas en la atención: metaanálisis de ensayos clínicos controlados. BMJ. 2020.
Kapilan N, Vidhya P, Gao X. Laboratorio virtual: una bendición para la educación en ingeniería mecánica durante la pandemia de Covid-19. Educación Superior para el Futuro. 2020; 8(1): p. 31-46.
Nichols J, Alter D, Chen Y, Isbell T et al. Documento de orientación de la AACC sobre la gestión de las pruebas en el punto de atención. J Appl Lab Med. 2020; 5(4): p. 762-787.
Iddrisu B, Ondigi S, Kiio M. Preparación de los instructores de escuelas secundarias superiores de Ghana para la aplicación del aprendizaje en línea en la enseñanza de estudios sociales en medio de la pandemia de Covid-19. Investigación en Educación Social. 2020; 2(1): p. 52–64.
Benjy M, Jacqueline T. Adopción de la tecnología de realidad virtual en la educación superior: una evaluación de cinco semestres de enseñanza en un laboratorio especialmente diseñado. Educ inf technol. 2021; 27: p. 1287–1305.
Karrar H, Mazin A, Ahmad S, Muhammad A et al. Realización de un sistema eficaz de diagnóstico de COVID-19 basado en el aprendizaje automático y el IoT en un entorno hospitalario inteligente. Revista de Internet de las Cosas del IEEE. 2021; 8(21): p. 15919-15928.
Miqueas S JE. Reexaminar las tasas de mejora de la tecnología de baterías de iones de litio y la disminución de costos. Energy Environ Sci. 2021; 14(4): p. 1635–51.
Atheer A, Sarah J, Tomás D, Jun J et al. Atención sanitaria conectada: Mejorar la atención al paciente mediante tecnologías de salud digital. Revisiones avanzadas de administración de medicamentos. 2021; 178: p. 113958.
Stranneheim H, Lagerstedt K, Magnusson M et al. Integración de la secuenciación del genoma completo en un entorno sanitario: altas tasas de diagnóstico en múltiples entidades clínicas en 3219 pacientes con enfermedades raras. Genoma Medical. 2021; 13(40).
Ahmad Z, Rahim S, Zubair M et al. Inteligencia artificial (IA) en medicina, aplicaciones actuales y papel futuro con especial énfasis en su potencial y promesa en patología: impacto presente y futuro, obstáculos, incluidos los costos y la aceptación entre los patólogos, consideraciones pr. Diagn Pathol. 2021; 16(24).
Miao C, Zhang D. Inteligencia artificial y patología computacional. Investigación de laboratorio. 2021; 101(4): p. 412-422.
Ashraf A. Empleo de robots de aprendizaje adaptativo y tutoría inteligente para aulas virtuales y campus inteligentes: reforma de la educación en la era de la inteligencia artificial. Computación Avanzada y Tecnologías Inteligentes. 2022; 914: p. 395-406.
Ahmed W, Simpson S, Bertsch P, Bibby K et al. Minimización de errores en la detección y cuantificación de RT-PCR del ARN del SARS-CoV-2 para la vigilancia de aguas residuales. Ciencia del Medio Ambiente Total. 2022 Enero; 805(20): p. 149877.
DOI: https://doi.org/10.23857/pc.v10i1.8745
Enlaces de Referencia
- Por el momento, no existen enlaces de referencia
Polo del Conocimiento
Revista Científico-Académica Multidisciplinaria
ISSN: 2550-682X
Casa Editora del Polo
Manta - Ecuador
Dirección: Ciudadela El Palmar, II Etapa, Manta - Manabí - Ecuador.
Código Postal: 130801
Teléfonos: 056051775/0991871420
Email: polodelconocimientorevista@gmail.com / director@polodelconocimiento.com
URL: https://www.polodelconocimiento.com/
