O novo modelo de avaliação de risco de IA, publicado hoje no BMJ Open, aumenta a precisão da previsão para mais de 74% – um aumento de mais de 20% em relação aos métodos existentes.
Práticas e diretrizes comuns para a prevenção de lesões por pressão são demoradas e onerosas para a equipe de enfermagem à beira do leito. A ferramenta padrão da indústria para prever o risco de úlceras por pressão, a Escala de Braden baseada em papel, não mudou desde sua introdução na década de 1980 e tem uma taxa de precisão de 54%, observam os pesquisadores.
O algoritmo de previsão desenvolvido pela equipe oferece economia aprimorada e economias significativas. Como a avaliação de risco pode levar de cinco a 15 minutos por paciente, isso pode significar até 250 horas de trabalho por dia em uma única instalação com 500 leitos e entre 30.000 e 90.000 horas de trabalho por ano.
Usando métodos de aprendizado de máquina, os pesquisadores vasculharam os prontuários eletrônicos de mais de 35.000 internações hospitalares ao longo de cinco anos em dois hospitais universitários para analisar as mudanças no risco de úlceras por pressão ao longo do tempo. Eles examinaram variáveis como códigos de diagnóstico de admissão, medicamentos prescritos, pedidos de exames de laboratório e outros fatores mais intimamente associados a fatores de risco para úlceras por pressão.
Os pesquisadores realizaram análises usando técnicas de aprendizado de máquina, como Random Forests e redes neurais, para refinar os pesos específicos dessas variáveis para as mudanças e o risco de um evento de úlcera por pressão, e criaram o modelo final. Eles também identificaram uma lista de medicamentos prescritos – betabloqueadores, eletrólitos, substitutos de fosfato, substitutos de zinco, agentes estimuladores da eritropoiese, tiazidas/diuréticos, vasopressores – que alteram o risco de lesões por pressão em pacientes.
https://bmjopen.bmj.com/content/14/4/e082540
