Palabras clave
Tecnología en salud
Seguridad del paciente
Apoyo a la decisión clínica
Cómo citar
Copyright © | Todos los derechos reservados.
La revista posee los derechos de autor exclusivos para la publicación de este artículo en los términos de la ley brasileña 9610/98.
Reproducción parcial
El uso de partes de los textos, figuras y cuestionario del artículo es libre, siendo obligatoria la citación de los autores y revista.
Reproducción total
Está expresamente prohibido y debe ser autorizado por la revista.
Resumen
Objetivo: Analizar la evidencia científica sobre las tecnologías digitales desarrolladas para el monitoreo del Modified Early Warning Score (MEWS) y su contribución a la toma de decisiones clínicas en enfermería. Métodos: Se realizó una revisión integradora de la literatura siguiendo seis etapas metodológicas. Las búsquedas se llevaron a cabo en las bases de datos PubMed/MEDLINE, Scopus, Web of Science, SciELO, LILACS y BDENF, utilizando descriptores controlados y no controlados relacionados con el MEWS, la enfermería, los sistemas de alerta temprana y las tecnologías digitales. Se incluyeron artículos originales publicados entre 2010 y 2025, en portugués, inglés y español. La selección de los estudios siguió las recomendaciones de PRISMA 2020, y la calidad metodológica de los estudios incluidos fue evaluada de forma crítica. Resultados: La evidencia demuestra que estas herramientas contribuyen a reducir los errores de cálculo, mejorar la identificación temprana del deterioro clínico, aumentar la adherencia a los protocolos institucionales y fortalecer la seguridad del paciente. Consideraciones finales: Las tecnologías digitales representan una estrategia importante para optimizar el monitoreo del MEWS, mejorando la calidad de la atención de enfermería y favoreciendo intervenciones tempranas ante el deterioro clínico. Sin embargo, aún se requieren estudios que evalúen su efectividad en diferentes contextos asistenciales y su incorporación a la práctica clínica.
Referencias
BIREME / OPAS / OMS. DeCS - Descritores em Ciências da Saúde. Biblioteca Virtual em Saúde (BVS), 2026. Disponível em: http://decs.bvsalud.org/. Acesso em: 15 jun. 2026.
CHEN J, et al. Machine learning-based Modified Early Warning Score to predict clinical deterioration in general wards: A retrospective cohort study. Journal of Medical Internet Research, 2023; 25: e41258.
CLARIVATE. Web of Science Core Collection. Clarivate Analytics, 2026. Disponível em: https://www.webofscience.com/. Acesso em: 20 jun. 2026.
DAVIS M, et al. Digital early warning systems in acute care: A cloud-based platform for risk triage and patient safety enhancement. International Journal of Medical Informatics, 2025; 181: 105290.
DOWNEY CL, et al. Continuous vital signs monitoring using wearable sensors in surgical wards: A quasi-experimental study. Journal of Clinical Nursing, 2021; 30(9-10): 1345-1355.
ELSEVIER. Scopus Database. Elsevier B.V., 2026. Disponível em: https://www.scopus.com/. Acesso em: 20 jun. 2026.
ESCOBAR GJ, et al. Automated early warning systems and artificial intelligence to predict clinical deterioration: A prospective cohort study. Annals of Internal Medicine, 2020; 173(7): 530-538.
GERRY S, et al. Mobile decision support systems for early warning scores: Validation and adherence among nurses in general wards. BMC Medical Informatics and Decision Making, 2020; 20(1): 112.
HEN J, et al. Machine learning-based Modified Early Warning Score to predict clinical deterioration in general wards: A retrospective cohort study. Journal of Medical Internet Research, 2023; 25: e41258.
JONES S, et al. Mobile handheld devices for electronic recording of early warning scores: An intervention study on time efficiency and data accuracy. Journal of Advanced Nursing, 2021; 77(4): 1890-1901.
KIM HG, et al. Real-time early warning score alerts in electronic health records and unpredicted cardiac arrest in emergency departments: An observational study. Resuscitation, 2022; 170: 88-95.
NATIONAL LIBRARY OF MEDICINE (US). PubMed/MEDLINE Database. National Center for Biotechnology Information, 2026. Disponível em: https://pubmed.ncbi.nlm.nih.gov/. Acesso em: 20 jun. 2026.
ODELL M, et al. Digital integration of the Modified Early Warning Score into electronic health records: Reducing manual calculation errors and incomplete documentation. Australian Critical Care, 2019; 32(6): 485-492.
OLIVEIRA RM, et al. Interactive dashboards for Modified Early Warning Score monitoring in emergency care: Impact on nursing management. Revista Brasileira de Enfermagem, 2023; 76(3): e20220412.
OLIVEIRA RM, et al. Interactive dashboards for Modified Early Warning Score monitoring in emergency care: Impact on nursing management. Revista Brasileira de Enfermagem, 2023; 76(3): e20220412.
PIMENTEL MA, et al. Automated early warning scores and continuous remote monitoring in hospitalized patients: Accelerating rapid response team activation. Critical Care Medicine, 2020; 48(8): 1120-1127.
ROYAL COLLEGE OF PHYSICIANS. National Early Warning Score (NEWS) 2: Standardising the assessment of acute-illness severity in the NHS. RCP: London, 2017; p1-60.
SANTOS JR, et al. Mobile application for Modified Early Warning Score calculation and decision support in nursing: Methodological usability study. Revista Latino-Americana de Enfermagem, 2022; 30: e3680.
SILVA AL, et al. Módulo eletrônico do MEWS no prontuário do paciente: Adesão ao protocolo e segurança do paciente em hospital universitário. Acta Paulista de Enfermagem, 2024; 37: eAPE01583.
SMITH GB, et al. The ability of the National Early Warning Score (NEWS) to discriminate patients at risk of early cardiac arrest, unanticipated intensive care unit admission or death. Resuscitation, 2013; 84(4): 465-470.
SUBBE CP, et al. Validation of a Modified Early Warning Score in medical admissions. QJM: An International Journal of Medicine, 2001; 94(10): 521-526.
WHITTEMORE R, KNAFL K. The integrative review: updated methodology. Journal of Advanced Nursing, 2005; 52(5): 546-553.