-DigiFabⓇ: 40 mg por vial 

FARMACOLOGÍA

Es el anticuerpo de origen ovino que se une a la digoxina por tener mayor afinidad que la de su receptor situado en la bomba de sodio-potasio. Tras unirse a las moléculas de digoxina, es excretado por los riñones.

INDICACIONES

*La concentración sérica no refleja las concentraciones miocárdicas hasta 4-6 horas después y, por tanto, una concentración inicial elevado no indica el uso de anticuerpos antidigoxina en ausencia de toxicidad evidente, pero una concentración inicial >10 ng/ml puede ser predictiva de toxicidad.

DOSIS Y VÍA 

• Administrar siempre por vía intravenosa

• Cada 40 mg de antídoto fijan aproximadamente 0,5 mg de digoxina ingerida

• Tras el cálculo de la dosis, administrar inicialmente el 50% de las dosis neutralizantes. Si al cabo de 1 hora persisten los criterios que justifican la indicación, administrar el 50% restante. 

• Reconstituir cada vial con 4 ml de agua para inyección y diluir en 100 ml de suero fisiológico y administrar en 15-30 minutos (si tarda >30 minutos, su eficacia disminuye). En caso de parada cardiovascular administrar en bolus.

• Una vez reconstituidos, deben ser empleados inmediatamente o, si se refrigeran, administrarse antes de 4 horas

• La respuesta inicial se produce a los 30-60 minutos tras la administración y la respuesta completa antes de las 3-4 horas

CONTRAINDICACIONES

• Hipersensibilidad a productos ovino

• Hipersensibilidad a productos de papaya

REACCIONES ADVERSAS

Pueden ocurrir hasta 14 días después de la administración. 

PREOCUPACIONES E INTERACCIONES

• Tras su administración no pida niveles en sangre de digoxina

• No se ha establecido el riesgo fetal tras la administración de los anticuerpos antidigitálicos en embarazadas ni su excreción en leche materna. Valorar el beneficio-riesgo de su administración. 

BIBLIOGRAFIA

1. https://www.aeped.es/comite-medicamentos/pediamecum/anticuerpos-antidigoxina (Asociación Española de Pediatría)

2. https://redantidotos.org/antidoto/anticuerpos-antidigoxina/ (Red de antídoto))

3. González V. Revisión sistemática sobre la efectividad e indicaciones de los anticuerpos antidigoxina en la intoxicación digitálica. Revista Española de Cardiología. Vol. 53. Núm.1. Páginas 49-58 (Enero 2000)

4. Nogué S. Toxicología Clínica: Bases para el diagnóstico y el tratamiento de las intoxicaciones en servicios de urgencias, áreas de vigilancia intensiva y unidades de toxicología. Elsevier. ISBN: 978-84-9113-340-7

En está página vamos a explorar el ecosistema de datos de investigación y repasar ideas erróneas que podremos encontrar en el campo del análisis de datos. Una forma fácil de definir el ecosistema es que es un grupo de elementos que interactúan uno con el otro, que pueden ser grandes (Aparato digestivo, Aparato cardiovascular) o diminutos (Bacterias en una uña, Sangre en una herida). 

ECOSISTEMAS DE DATOS

Con respecto a los datos, los ecosistemas de datos de investigación se podría definir como los elementos que interactúan entre sí para producir, gestionar, almacenar, organizar, analizar y compartir datos (incluyen hardware, software y las personas que los usan).

Por otra parte, los datos también se pueden encontrar en una nube. La nube es un lugar para mantener los datos en línea y poder acceder a ellos a través de internet, en vez de un disco duro de un ordenador. Esta estructura desempeña un papel importante en el ecosistema, y como analista de datos es importante aprovechar a buscar la información correcta, y proporcionar análisis al equipo que los ayude a tomar decisiones inteligentes. Por ejemplo, podríamos aprovechar la base de datos de una enfermedad, que es un ecosistema de número de historias clínicas, pruebas complementarias y tratamientos. Como analista de datos, se podría usar esta información para predecir lo que estos pacientes necesitarán en el futuro y asegurarse del tratamiento y pruebas complementarias necesarias. Al igual que este ejemplo también se puede aplicar en otros ámbitos como industrias farmacéuticas, centro sanitarios, entre otros. 

IDEAS ERRÓNEAS

Vamos a hablar de algunas ideas erróneas frecuentes. En primer lugar, es la diferencia entre científicos de datos y analistas de datos. Es muy fácil confundirlos, pero son dos conceptos muy diferentes. La ciencia de datos se define como crear nuevas formas de modelar y entender lo desconocido mediante el uso de datos sin procesar, es decir, crean nuevas preguntas con los datos, mientras que los analistas de datos encuentran respuestas a las preguntas existentes y crean información a partir de las fuentes de datos.

Otros conceptos fáciles de confundir serían el análisis de datos y el análisis computacional. El análisis de datos es la recopilación, transformación y organización de los datos para sacar conclusiones, hacer predicciones e impulsar una toma de decisiones informada. El análisis computacional de datos es la ciencia de los datos, este es un concepto muy amplio que abarca todo, desde el trabajo de gestión y el uso de los datos hasta las herramientas y los métodos que los trabajadores de datos usan todos los días. En resumen, los datos, análisis de datos y el ecosistema de datos todo esto encaja en la definición de análisis computacional de datos.