clinical_laboratory/issue_critical_selection.txt

# Determinar automáticamente valores críticos/anormales para parámetros de selección múltiple

## Descripción

Actualmente, el sistema puede determinar automáticamente si un valor numérico es crítico basándose en rangos mínimos y máximos. Sin embargo, para parámetros de tipo selección (como Positivo/Negativo, Reactivo/No Reactivo), no existe una forma dinámica de determinar cuándo un valor es crítico o anormal.

## Problema actual

Los parámetros de selección múltiple no tienen forma de indicar qué valores son:
- Normales
- Anormales
- Críticos

Ejemplos de parámetros afectados:
- Prueba de embarazo: Positivo/Negativo
- HIV: Reactivo/No Reactivo/Indeterminado
- Hepatitis: Reactivo/No Reactivo
- Otros marcadores infecciosos

## Solución propuesta

### Opción 1: Agregar campos al modelo `lims.analysis.parameter`

Agregar campos que permitan definir qué valores de selección son críticos:
```python
critical_values = fields.Text(
    string="Valores Críticos",
    help="Lista de valores separados por coma que se consideran críticos"
)
abnormal_values = fields.Text(
    string="Valores Anormales", 
    help="Lista de valores separados por coma que se consideran anormales"
)
```

### Opción 2: Crear modelo relacionado `lims.parameter.selection.value`

Crear un modelo que defina cada opción de selección con sus propiedades:
```python
class LimsParameterSelectionValue(models.Model):
    _name = 'lims.parameter.selection.value'
    
    parameter_id = fields.Many2one('lims.analysis.parameter')
    value = fields.Char(string="Valor")
    is_normal = fields.Boolean(string="Es Normal", default=True)
    is_critical = fields.Boolean(string="Es Crítico", default=False)
    sequence = fields.Integer(string="Secuencia")
    notes_template = fields.Text(string="Plantilla de Notas")
```

### Opción 3: Usar configuración JSON

Almacenar la configuración en un campo JSON:
```python
selection_config = fields.Json(
    string="Configuración de Valores",
    help="Configuración de valores normales, anormales y críticos"
)
```

## Beneficios esperados

1. **Automatización completa**: El sistema podrá determinar automáticamente si cualquier tipo de resultado es crítico
2. **Flexibilidad**: Cada laboratorio podrá configurar qué valores considera críticos según sus protocolos
3. **Consistencia**: Aplicación uniforme de criterios en todos los resultados
4. **Alertas mejoradas**: Mejor identificación de resultados que requieren atención inmediata

## Casos de uso

1. **Prueba de embarazo**:
   - Normal: Negativo (para pacientes no embarazadas)
   - Anormal: Positivo (puede requerir seguimiento)
   - Crítico: Indeterminado (requiere repetición)

2. **HIV**:
   - Normal: No Reactivo
   - Crítico: Reactivo, Indeterminado

3. **Marcadores tumorales**:
   - Normal: Negativo, No Detectado
   - Anormal: Débilmente Positivo
   - Crítico: Positivo, Fuertemente Positivo

## Consideraciones técnicas

- Mantener compatibilidad con el sistema actual
- Permitir migración de datos existentes
- Interfaz de usuario intuitiva para configuración
- Integración con el autocompletado de notas críticas existente

## Tareas propuestas

1. Análisis de la mejor opción de implementación
2. Diseño del modelo de datos
3. Implementación de campos/modelos necesarios
4. Actualización de la lógica de `is_critical` en `lims.result`
5. Creación de interfaz de configuración
6. Migración de parámetros existentes
7. Pruebas exhaustivas
8. Documentación

## Prioridad

Media-Alta: Esta mejora completaría la funcionalidad de detección automática de valores críticos para todos los tipos de parámetros.