Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros
Sekisui Diagnostics UK Ltd.

Deascargar La Aplicación Móvil




Modelo de aprendizaje automático identifica con precisión pacientes quirúrgicos de alto riesgo

Por el equipo editorial de HospiMedica en español
Actualizado el 24 Jul 2023
Print article
Imagen: El modelo de aprendizaje automático preciso y flexible predice a los pacientes con un alto riesgo de complicaciones después de la cirugía (Fotografía cortesía de Freepik)
Imagen: El modelo de aprendizaje automático preciso y flexible predice a los pacientes con un alto riesgo de complicaciones después de la cirugía (Fotografía cortesía de Freepik)

Antes de la pandemia de COVID-19, las complicaciones ocurridas dentro de los 30 días después de la cirugía eran la tercera causa principal de muerte en todo el mundo, responable de aproximadamente 4,2 millones de vidas al año. Reconocer a los pacientes con alto riesgo de complicaciones posquirúrgicas es crucial para mejorar las tasas de supervivencia y reducir los costos de atención médica. Los investigadores ahora han empleado el aprendizaje automático para desarrollar e implementar un modelo eficiente y adaptable para identificar pacientes hospitalizados con alto riesgo de complicaciones posquirúrgicas.

Investigadores y médicos de la Universidad de Pittsburgh (Pittsburgh, PA, EUA) y UPMC (Pittsburgh, PA, EUA) desarrollaron este modelo entrenando el algoritmo con los registros médicos de más de 1,25 millones de pacientes quirúrgicos. El modelo se centró en la mortalidad y la incidencia de eventos cerebrales o cardíacos importantes, como un accidente cerebrovascular o un ataque cardíaco, después de la cirugía. Luego, el modelo se validó utilizando los registros de otros 200.000 pacientes quirúrgicos de UPMC. Después de la validación, el modelo se implementó en 20 hospitales UPMC. Cada mañana, el programa revisa los registros médicos electrónicos de los pacientes programados para cirugía y marca a aquellos identificados como de alto riesgo. Esta alerta permite a los equipos clínicos mejorar la coordinación de los cuidados e introducir medidas de prehabilitación antes de la cirugía, como opciones de estilo de vida más saludables o una derivación al Centro de Atención Perioperatoria de la UPMC, disminuyendo así el riesgo de complicaciones. Los médicos también pueden activar el modelo a pedido en cualquier momento.

Además, el equipo de investigación comparó su modelo con el estándar de la industria, el Programa Nacional de Mejora de la Calidad Quirúrgica (ACS NSQIP) del Colegio Americano de Cirujanos, para medir aún más su eficacia. El ACS NSQIP, utilizado en hospitales de todo el país, requiere que los médicos ingresen manualmente la información del paciente y no puede hacer predicciones si faltan datos. Los investigadores encontraron que su modelo era más efectivo para identificar pacientes de alto riesgo que el ACS NSQIP. A medida que el modelo continúa ajustándose y desarrollándose, los investigadores planean entrenar el programa para predecir la probabilidad de otras complicaciones, como sepsis y problemas respiratorios, que a menudo resultan en hospitalizaciones prolongadas después de la cirugía.

“Diseñamos nuestro modelo pensando en el trabajador de la salud”, dijo Aman Mahajan, MD, Ph.D., MBA, presidente de Anestesiología y Medicina Perioperatoria, Escuela de Medicina de Pitt, y director de Servicios Quirúrgicos y Perioperatorios de UPMC. “Dado que nuestro modelo está completamente automatizado y puede hacer predicciones informadas incluso si faltan algunos datos, casi no agrega una carga adicional a los médicos y les brinda una herramienta confiable y útil”.

Enlaces relacionados:
Universidad de Pittsburgh  
UPMC

Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
Miembro Oro
SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test
SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)
New
Double Door Pharmacy Refrigerator
iPR256-GX
New
Mobile Cart
MS550

Print article

Canales

Cuidados de Pacientes

ver canal
Imagen: La plataforma de biosensores portátil utiliza sensores electroquímicos impresos para la detección rápida y selectiva de Staphylococcus aureus (foto cortesía de AIMPLAS)

Plataforma de biosensores portátiles reducirá infecciones adquiridas en el hospital

En la Unión Europea, aproximadamente 4 millones de pacientes adquieren infecciones asociadas a la atención de la salud (IAAS), o infecciones nosocomiales, cada año, lo que provoca alrededor de 37.... Más

TI

ver canal
Imagen: Un sensor de sudor portátil basado en la tecnología de nanopartículas de núcleo-capa (Foto cortesía de Caltech)

Nanopartículas imprimibles permiten la producción masiva de biosensores portátiles

Es probable que el futuro de la medicina se centre en la personalización de la atención médica, comprendiendo exactamente lo que cada individuo necesita y proporcionando la combinación... Más

Pruebas POC

ver canal
Imagen: El lector de inmunoensayo cuantitativo RPD-3500 (Fotografía cortesía de BK Electronics)

Lector de inmunoensayo de pruebas POC proporciona análisis cuantitativo de kits de prueba para diagnóstico más preciso

Un lector de inmunoensayos cuantitativos pequeño y liviano que proporciona un análisis cuantitativo de cualquier tipo de kits o tiras de prueba rápida, y se puede conectar a una PC... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.