La telemonitorización de variables biológicas puede facilitar la detección precoz de descompensaciones de enfermedades crónicas (EC). El procesamiento de datos mediante herramientas digitales permite ofrecer una atención mediante sistemas automatizados de ayuda en la toma de decisiones como algoritmos diagnósticos o alertas en situaciones de riesgo. Todo ello puede mejorar los resultados en salud y optimizar la gestión sanitaria.

Se realizó un estudio de precisión diagnóstica con un diseño transversal retrospectivo, comparando el acuerdo al clasificar la gravedad de descompensación de pacientes con EC entre el algoritmo utilizado en el programa Tele-COMPARTE y el consenso entre tres observadores que se consideró como estándar de referencia. Se utilizó el índice Kappa ponderado.

El algoritmo modificado mostró un índice Kappa (intervalo de confianza (IC) 95%) de 0,76 (0,7-0,82). Por subgrupos, este valor fue 0,84 (0,74-0,94) en alertas de pacientes con insuficiencia cardiaca (IC), 0,71 (0-57-0,85) en enfermedad pulmonar obstructiva crónica (EPOC) y 0,69 (0,6-0-79) en alertas de pacientes con ambas patologías, siempre con p <0,001. La razón de verosimilitud positiva (RVP) fue 6,3 en alertas leve-moderadas, 10 en graves y 186,3 en muy graves. Los valores predictivos han resultado> 75% en todos los casos.

El grado de concordancia al estratificar la gravedad de descompensación de EC proporcionado por el algoritmo de Tele-COMPARTE y el establecido por el consenso clínico es «bueno», alcanzando el grado «muy bueno» en pacientes con IC. La aplicación del algoritmo es un procedimiento válido y seguro que avala su uso en nuestro programa de telemonitorización.

Telemonitoring of biological variables can facilitate the early detection of decompensation in chronic disease. Data processing through digital tools enables the delivery of care via automated decision-support systems, such as diagnostic algorithms or alerts in high-rink situations. These tools may improve health outcomes and optimize healthcare management.

A diagnostic accuracy study with a retrospective cross-sectional design was conducted. Agreement in classifying the severity of decompensation in patients with chronic diseases was compared between the algorithm used in the Tele-COMPARTE program and the consensus of three observers, which was considered the reference standard. The weighted Kappa index was used to assess agreement.

The final version of our algorithm achieved a Kappa index (95% CI) of 0,76 (0,7-0.82). By subgroups, the values were 0,84 (0,74-0,94) for alerts in patients with heart failure, 0,71 (0,57-0,85) in COPD, and 0,69 (0,6-0,79) in alerts involving both conditions, all with p <0,001. The positive likelihood ratios were 6,3 in low-level and moderate alerts, 10 for high-level alerts, and 186,3 for critical alerts. Predictive values exceeded 75% in all categories.

The level of agreement between the Tele-COMPARTE algorithm and clinical consensus in stratifying the severity of decompensation in chronic disease was “good”, reaching a “very good” level in patients with heart failure. The application of the algorithm is a valid and safe procedure that supports its use within our remote monitoring program.