Herramienta pronostica para la COVID-19 habilitada con aprendizaje automático apoya la toma de decisiones clínicas para el alta en los departamentos de urgencias
Por el equipo editorial de HospiMedica en español Actualizado el 31 Jan 2022 |
Ilustración
Los investigadores que evaluaron el desempeño en tiempo real de una herramienta de pronóstico para la COVID-19 habilitada con aprendizaje automático (ML), descubrieron que apoyaba la toma de decisiones clínicas para el alta del departamento de emergencias en los hospitales.
Un equipo multidisciplinario de intensivistas, médicos hospitalarios, médicos de urgencias e informáticos, de la Facultad de Medicina de la Universidad de Minnesota (Minneapolis, MN, EUA), evaluó la herramienta que brindó apoyo en la toma de decisiones clínicas a los proveedores del departamento de emergencias para facilitar la toma de decisiones compartida con los pacientes con respecto al alta.
El equipo de investigación de la universidad desarrolló e implementó con éxito un modelo de predicción de COVID-19 que funcionó bien en función del género, la raza y el origen étnico, para tres resultados diferentes. El algoritmo de regresión logística creado para predecir la COVID-19 grave funcionó bien en las personas bajo investigación, aunque se desarrolló en una población positiva de COVID-19.
Se puede desarrollar, validar e implementar un modelo de regresión logística habilitado para ML como soporte de decisiones clínicas en múltiples hospitales mientras se mantiene un alto rendimiento en la validación en tiempo real y se mantiene equitativo. Los investigadores recomiendan que el efecto sobre los resultados de los pacientes y el uso de recursos se evalúe y se siga investigando con el modelo de ML.
“COVID-19 ha sobrecargado los sistemas de atención médica desde múltiples facetas diferentes y, encontrar formas de aliviar el estrés, es crucial”, dijo la Dra. Mónica Lupei, profesora asistente en la Facultad de Medicina de la U de M y directora médica del Centro Médico M Health Fairview de la Universidad de Minnesota -Margen Occidental. “Los sistemas de decisiones clínicas a través de modelos predictivos habilitados para ML pueden contribuir a la atención de los pacientes, reducir las variaciones indebidas en la toma de decisiones y optimizar la utilización de recursos, especialmente durante una pandemia”.
Enlace relacionado:
Facultad de Medicina de la Universidad de Minnesota
Un equipo multidisciplinario de intensivistas, médicos hospitalarios, médicos de urgencias e informáticos, de la Facultad de Medicina de la Universidad de Minnesota (Minneapolis, MN, EUA), evaluó la herramienta que brindó apoyo en la toma de decisiones clínicas a los proveedores del departamento de emergencias para facilitar la toma de decisiones compartida con los pacientes con respecto al alta.
El equipo de investigación de la universidad desarrolló e implementó con éxito un modelo de predicción de COVID-19 que funcionó bien en función del género, la raza y el origen étnico, para tres resultados diferentes. El algoritmo de regresión logística creado para predecir la COVID-19 grave funcionó bien en las personas bajo investigación, aunque se desarrolló en una población positiva de COVID-19.
Se puede desarrollar, validar e implementar un modelo de regresión logística habilitado para ML como soporte de decisiones clínicas en múltiples hospitales mientras se mantiene un alto rendimiento en la validación en tiempo real y se mantiene equitativo. Los investigadores recomiendan que el efecto sobre los resultados de los pacientes y el uso de recursos se evalúe y se siga investigando con el modelo de ML.
“COVID-19 ha sobrecargado los sistemas de atención médica desde múltiples facetas diferentes y, encontrar formas de aliviar el estrés, es crucial”, dijo la Dra. Mónica Lupei, profesora asistente en la Facultad de Medicina de la U de M y directora médica del Centro Médico M Health Fairview de la Universidad de Minnesota -Margen Occidental. “Los sistemas de decisiones clínicas a través de modelos predictivos habilitados para ML pueden contribuir a la atención de los pacientes, reducir las variaciones indebidas en la toma de decisiones y optimizar la utilización de recursos, especialmente durante una pandemia”.
Enlace relacionado:
Facultad de Medicina de la Universidad de Minnesota
Últimas COVID-19 noticias
- Sistema de bajo costo detecta el virus SARS-CoV-2 en el aire del hospital mediante burbujas de alta tecnología
- China aprueba la primera vacuna inhalable contra la COVID-19 del mundo
- Vacuna en parche contra la COVID-19 combate variantes del SARS-CoV-2 mejor que las agujas
- Pruebas de viscosidad sanguínea predicen riesgo de muerte en pacientes hospitalizados con COVID-19
- ‘Computadora Covid’ usa IA para detectar COVID-19 en exámenes de TC de tórax
- Técnica de resonancia magnética muestra la causa de los síntomas de COVID prolongada
- TC del tórax de los pacientes con COVID-19 podrían ayudar a diferenciar entre las variantes del SARS-CoV-2
- Resonancia magnética especializada detecta anormalidades pulmonares en pacientes no hospitalizados con COVID prolongada
- Algoritmo de IA identifica a los pacientes hospitalizados con mayor riesgo de morir por COVID-19
- Estudio evalúa el impacto de la COVID-19 sobre la gammagrafía de ventilación/perfusión
- Sensor de sudor detecta biomarcadores claves que suministran una alarma precoz de la COVID-19 y la influenza
- Modelo de IA para seguimiento de COVID-19 predice mortalidad durante los primeros 30 días del ingreso
- ECG puede señalar pacientes hospitalizados con COVID-19 con riesgo más alto de muerte
- IA predice pronóstico de COVID a un nivel casi experto con base en tomografías computarizadas
- Examen de TC muestra evidencia de daño pulmonar persistente mucho tiempo después de neumonía por COVID-19
- Plataforma órgano-en-un-chip ayuda a diseñar estrategia para tratar complicaciones severas de la COVID-19