|

Boletín de Noticias SENSAR: Abril 2026

Newsletter Seguridad del Paciente en el Perioperatorio – Abril 2026
Seguridad del Paciente en el Perioperatorio – Portada Abril 2026
Boletín científico · Edición mensual

Seguridad del Paciente
en el Perioperatorio

Evidencia reciente para la práctica clínica
ABRIL 2026  |  PUBLICACIONES RECIENTES 2026
Selección de cinco publicaciones y actualizaciones científicas recientes en seguridad perioperatoria: el primer conjunto de medidas nucleares europeo para la evaluación de la seguridad perioperatoria (proyecto SAFEST), nuevas guías de práctica clínica AORN, modelos de inteligencia artificial para predicción de complicaciones, dispositivos wearable en pacientes diabéticos y revisiones sobre tecnología digital en el quirófano.
SAFEST logo
SAFEST
Proyecto europeo · Horizon Europe
safestsurgery.eu
01 · Int. J. Public Health · Marzo 2026

Conjunto de indicadores clave para la seguridad del paciente en el cuidado perioperatorio: estudio de consenso europeo (proyecto SAFEST)

Nunes AB, Teixeira JP, Leite A, Schäfer W, Valli C, Martínez-Nicolás I, Arnal-Velasco D et al. (SAFEST Consortium). Int. J. Public Health. 2026;71:1609159. DOI: 10.3389/ijph.2026.1609159. Publicado: 2 marzo 2026.

Este estudio de consenso, fruto del proyecto europeo SAFEST (financiado por Horizon Europe), presenta el primer conjunto de indicadores clave —Core Measure Set (CMS)— para evaluar de forma estandarizada la seguridad del paciente en el ámbito perioperatorio a escala europea. Partiendo de una revisión sistemática tipo paraguas, el equipo multinacional desarrolló una lista inicial de indicadores que fue sometida a un proceso eDelphi de dos rondas con un panel internacional de expertos —clínicos, gestores, investigadores y representantes de pacientes— de cinco países de la Unión Europea. El conjunto resultante incluye indicadores de proceso, resultado y experiencia del paciente, seleccionados por su importancia para la seguridad clínica y su viabilidad de implementación en entornos hospitalarios reales. El trabajo integra perspectivas multidisciplinares —anestesiología, cirugía, enfermería, salud pública— y coloca al paciente en el centro del proceso de medición. La participación de SENSAR en el consorcio subraya la relevancia de este trabajo para la práctica perioperatoria española y europea. Los autores concluyen que este conjunto de indicadores clave constituye una base común para la monitorización, la mejora continua y la investigación comparada en seguridad perioperatoria.

ssph-journal.org → DOI: 10.3389/ijph.2026.1609159 pmc.ncbi.nlm.nih.gov → PMC12989447 (acceso abierto)
AORN 2026
Energía Quirúrgica
02 · AORN Journal / AORN Guidelines 2026

Actualización 2026 de la guía AORN para el uso seguro de dispositivos de energía quirúrgica

AORN Journal · 2026 · DOI: 10.1002/aorn.70006 · Fischer et al.

La edición 2026 de las Guías AORN para la Práctica Perioperatoria introduce una revisión sustancial de la normativa sobre dispositivos de energía quirúrgica. El nuevo título —Safe Use of Surgical Energy Devices— amplía el alcance más allá del electrobisturí clásico, incorporando tecnologías avanzadas de coagulación. Las principales novedades incluyen recomendaciones actualizadas sobre el manejo de dispositivos electrónicos implantables (IED) en pacientes sometidos a electrocirugía, nuevos protocolos de evaluación del riesgo de incendio quirúrgico mediante el triángulo del fuego, directrices para la gestión de pacientes con joyería no extraíble, y la incorporación de un plan de gestión de calidad específico para el registro y análisis de incidentes y cuasi-incidentes relacionados con estos dispositivos. La guía establece que la consulta preoperatoria con el equipo que gestiona el IED del paciente es esencial antes de cualquier procedimiento que implique electrocirugía.

aornjournal.onlinelibrary.wiley.com → DOI: 10.1002/aorn.70006
IA · JMIR AI
Complicaciones quirúrgicas · 2026
03 · JMIR AI · 2026

Modelos de IA para prevención de complicaciones quirúrgicas: revisión de barreras clínicas a su implementación

JMIR AI · 2026;5:e75064 · DOI: 10.2196/75064 · Mevik K et al.

Esta revisión de alcance, publicada en febrero de 2026, analiza la adopción de modelos de inteligencia artificial para la predicción y prevención de complicaciones quirúrgicas. Los autores examinaron literatura publicada entre 2013 y 2025 en múltiples bases de datos. Los estudios de validación mostraron alta precisión en los modelos de IA, pero la implementación rutinaria en la práctica clínica sigue siendo limitada por barreras de usabilidad, desalineación con los flujos de trabajo asistenciales, dudas sobre la confianza en los resultados automatizados y restricciones económicas y éticas. El estudio identifica que la fragmentación de los datos, la fatiga de alertas y la falta de validación prospectiva con datos en tiempo real son los principales obstáculos. Los autores concluyen que el desarrollo futuro debe priorizar modelos prospectivamente validados, con características fisiológicas adicionales y que respondan a las preocupaciones de los clínicos sobre generalización.

ai.jmir.org → DOI: 10.2196/75064
SpO₂ 97% Glucosa 118 mg/dL CGM
APSF · WEARABLE
CGM · AID · Diabetes periop.
04 · APSF Newsletter · Febrero 2026

Cuidado perioperatorio de pacientes con dispositivos wearable para diabetes: nuevas recomendaciones de la APSF

APSF Newsletter · 2026 · Cruz P, McKee AM, et al. Anesth Analg. 2025;140(1):2-12 · DOI: 10.1213/ANE.0000000000007115

La Fundación para la Seguridad del Paciente en Anestesia (APSF) publicó en su número de febrero de 2026 una revisión sobre el cuidado perioperatorio de pacientes portadores de dispositivos tecnológicos para el manejo de la diabetes, incluyendo monitores continuos de glucosa (CGM) y sistemas de administración automatizada de insulina (AID). La revisión subraya que los monitores de glucosa deben complementar, pero no sustituir, la monitorización puntual mediante glucómetro durante la cirugía. Se describen interferencias potenciales con electrocauterio y fluoroscopia que pueden alterar las lecturas. Cuando los sistemas AID pierden la conexión con el CGM, revierten a tasas de insulina basales preprogramadas que pueden no corresponder a las necesidades actuales del paciente, constituyendo un riesgo de disglucemia grave. Los autores proponen el desarrollo de políticas institucionales estandarizadas para el manejo de estos dispositivos en el entorno quirúrgico.

apsf.org → Resumen y enlace al artículo original
WHO CHECKLIST Sign In Time Out ! Alerta fatiga Sign Out Datos frag.
IA · CHECKLIST DIGITAL
Seguridad perioperatoria · 2026
05 · PMC / Frontiers in Bioengineering · 2026

Tecnologías digitales e inteligentes para mejorar la seguridad del paciente perioperatorio: revisión narrativa

Frontiers in Bioengineering and Biotechnology · Vol. 14, 2026 · DOI: 10.3389/fbioe.2026.1749600 · Gong, Zhao & Zong

Esta revisión narrativa publicada en 2026 analiza el impacto de las tecnologías digitales en la seguridad perioperatoria, examinando herramientas como sistemas de soporte a la decisión clínica, sensores wearable, checklists electrónicos de la OMS y aplicaciones de inteligencia artificial. Las evidencias indican que estas herramientas pueden mejorar la detección de complicaciones, la adherencia a protocolos y la comunicación entre equipos. Sin embargo, su efectividad se ve limitada por la fatiga de alertas, la fragmentación de los sistemas de datos y la carga de trabajo digital adicional para el personal sanitario. Los autores concluyen que, para alcanzar su pleno potencial, las implementaciones futuras deben priorizar la usabilidad, la interoperabilidad y la integración fluida en los flujos de trabajo asistenciales, y que se precisan ensayos clínicos rigurosos y estudios de coste-efectividad que establezcan el valor real de estas tecnologías en la mejora de los resultados quirúrgicos.

frontiersin.org → DOI: 10.3389/fbioe.2026.1749600

Referencias bibliográficas

  1. Nunes AB, Teixeira JP, Leite A, Schäfer W, Valli C, Martínez-Nicolás I, Paixão M, Seyfulayeva A, Abelenda DT, Rodríguez A, Carvalho PC, Heideveld-Chevalking A, Emond Y, Põlluste K, Calsbeek H, Arnal-Velasco D et al. (SAFEST Consortium). Core Measure Set for Patient Safety in Perioperative Care: A Clinical Practice-Oriented Consensus Study. Int. J. Public Health. 2026;71:1609159. DOI: 10.3389/ijph.2026.1609159. PMC: PMC12989447. Publicado: 2 marzo 2026.
  2. Fischer S et al. Guideline for the Safe Use of Surgical Energy Devices. AORN Journal. 2026. DOI: 10.1002/aorn.70006. En: Guidelines for Perioperative Practice. AORN Inc; 2026: 143-168. Noticia explicativa: aorn.org
  3. Mevik K, Woldaregay AZ, Jonsson EL, Tejedor M, Temple-Oberle C. Application of AI Models for Preventing Surgical Complications: Scoping Review of Clinical Readiness and Barriers to Implementation. JMIR AI. 2026;5:e75064. DOI: 10.2196/75064. PMID: 41701931.
  4. Cruz P, McKee AM, Chiang HH, McGill JB, Hirsch IB, Ringenberg K, Wildes TS. Perioperative Care of Patients Using Wearable Diabetes Devices. Anesth Analg. 2025;140(1):2-12. DOI: 10.1213/ANE.0000000000007115. PMID: 38913575. Destacado en APSF Newsletter feb. 2026: apsf.org
  5. Gong X, Zhao Y, Zong X. Artificial Intelligence and Precision Nursing in the Operating Room: Transforming Perioperative Safety and Surgical Outcomes. Front. Bioeng. Biotechnol. 2026;14. DOI: 10.3389/fbioe.2026.1749600

Publicaciones Similares