Predicción del ingreso de pacientes COVID-19 en la Unidad de Cuidados Intensivos basada en el marco de la Enfermería de Precisión
DOI:
https://doi.org/10.59681/2175-4411.v16.2024.1027Palabras clave:
Predicción, Medicina de Precisión, COVID-19Resumen
Objetivo: aplicar y comparar algoritmos de aprendizaje automático para predecir el ingreso de pacientes COVID-19 en la Unidad de Cuidados Intensivos desde el marco teórico de la Enfermería de Precisión. Métodos: Estudio retrospectivo con 180 pacientes notificados en la ciudad de Florianópolis. Se evaluó el desempeño de los siguientes algoritmos: perceptrón multicapa - red neuronal, AdaBoost, regresión logística, random forest, kNN, Naive Bayes, SVM y árbol de decisión. Resultados: Las variables predictoras que más influyeron en el modelo fueron el ingreso hospitalario, la raza y el dolor de garganta. El modelo perceptrón multicapa obtuvo mejores resultados en cuanto a AUC (0,917), sensibilidad (0,861) y especificidad (0,825). Conclusión: Esta aplicación demostró ser un método factible para predecir el ingreso de pacientes infectados con COVID-19 en la UCI y los biomarcadores clínicos demostraron ser relevantes para la práctica clínica de Enfermería porque son fácilmente observables y pueden implementarse rápidamente.
Descargas
Citas
Cheng FY, Joshi H, Tandon P, Freeman R, Reich DL, Mazumdar M, et al. Using Machine Learning to Predict ICU Transfer in Hospitalized COVID-19 Patients. Journal of Clinical Medicine 2020, Vol 9, Page 1668 [Internet]. 2020 Jun 1 [cited 2022 Jan 20];9(6):1668. Available from: https://www.mdpi.com/2077-0383/9/6/1668/htm DOI: https://doi.org/10.3390/jcm9061668
Hou W, Zhao Z, Chen A, Li H, Duong TQ. Machining learning predicts the need for escalated care and mortality in COVID-19 patients from clinical variables. Int J Med Sci [Internet]. 2021 [cited 2022 Jan 20];18(8):1739. Available from: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC7976594/ DOI: https://doi.org/10.7150/ijms.51235
Covino M, Sandroni C, Santoro M, Sabia L, Simeoni B, Bocci MG, et al. Predicting intensive care unit admission and death for COVID-19 patients in the emergency department using early warning scores. Resuscitation [Internet]. 2020 Nov 1 [cited 2022 Mar 20];156:84–91. Available from: www.sciencedirect.com DOI: https://doi.org/10.1016/j.resuscitation.2020.08.124
Cheng J, Cui J, Yu W, Kang H, Tian Y, Jiang X. Factors influencing nurses’ behavioral intention toward caring for COVID-19 patients on mechanical ventilation: A cross-sectional study. PLoS One [Internet]. 2021 Nov 1 [cited 2022 Jan 20];16(11):e0259658. Available from: https://journals.plos.org/plosone/article?id=10.1371/journal.pone.0259658 DOI: https://doi.org/10.1371/journal.pone.0259658
Cuocolo R, Caruso M, Perillo T, Ugga L, Petretta M. Machine Learning in oncology: A clinical appraisal. Cancer Lett. 2020 Jul 1; 481:55–62. DOI: https://doi.org/10.1016/j.canlet.2020.03.032
Sá GCB, Silva AV, Lima NCA, Nascimento SM. Predicting bed occupancy rate of ICU’s in brazilian regions considering vaccination. J. Health Inform [Internet]. 2022 Apr-Sep [ cited 2023 Mar 27];14(2):89-95. Available from: https://jhi.sbis.org.br/index.php/jhi-sbis/article/view/919/508
Alimadadi A, Aryal S, Manandhar I, Munroe PB, Joe B, Cheng X. Artificial intelligence and machine learning to fight covid-19. Physiol Genomics [Internet]. 2020 Apr 1 [cited 2022 Jan 20];52(4):200-2. Available from: https://journals.physiology.org/doi/abs/10.1152/physiolgenomics.00029.2020 DOI: https://doi.org/10.1152/physiolgenomics.00029.2020
Yuan C. Precision Nursing: New Era of Cancer Care. Cancer Nurs. 2015;38(5):333–4. DOI: https://doi.org/10.1097/NCC.0000000000000290
Izquierdo JL, Ancochea J, Soriano JB. Clinical Characteristics and Prognostic Factors for Intensive Care Unit Admission of Patients With COVID-19: Retrospective Study Using Machine Learning and Natural Language Processing. J Med Internet Res [Internet]. 2020 Oct 1 [cited 2022 Jan 20];22(10). Available from: /pmc/articles/PMC7595750/ DOI: https://doi.org/10.2196/21801
Kwong JC, Khondker A, Kim JK, Chua M, Keefe DT, dos Santos J, et al. Posterior Urethral Valves Outcomes Prediction (PUVOP): a machine learning tool to predict clinically relevant outcomes in boys with posterior urethral valves. Pediatric Nephrology [Internet]. 2021 Oct 22 [cited 2023 Fev 5];1:1–8. Available from: https://link.springer.com/article/10.1007/s00467-021-05321-3 DOI: https://doi.org/10.1007/s00467-021-05321-3
Moghadas SM, Vilches TN, Zhang K, Wells CR, Shoukat A, Singer BH, et al. The impact of vaccination on COVID-19 outbreaks in the United States. medRxiv [Internet]. 2020 Nov 30 [cited 2022 Jan 20]; Available from: /pmc/articles/PMC7709178/
Maltezou HC, Basoulis D, Bonelis K, Gamaletsou MN, Giannouchos T v., Karantoni E, et al. Effectiveness of full (booster) COVID-19 vaccination against severe outcomes and work absenteeism in hospitalized patients with COVID-19 during the Delta and Omicron waves in Greece. Vaccine [Internet]. 2023 [cited 2023 Feb 19]; Available from: https://pubmed.ncbi.nlm.nih.gov/36740558/ DOI: https://doi.org/10.1016/j.vaccine.2023.01.067
Corwin EJ, Ferranti EP. Integration of biomarkers to advance precision nursing interventions for family research across the life span. Nurs Outlook. 2016;64(4):292–8. DOI: https://doi.org/10.1016/j.outlook.2016.04.007
Fu MR, Kurnat-Thoma E, Starkweather A, Henderson WA, Cashion AK, Williams JK, et al. Precision health: A nursing perspective. Int J Nurs Sci [Internet]. 2020 Jan 10 [cited 2022 Jan 26];7(1):5. Available from: /pmc/articles/PMC7031154/ DOI: https://doi.org/10.1016/j.ijnss.2019.12.008
Descargas
Publicado
Cómo citar
Número
Sección
Licencia
Derechos de autor 2024 Greici Capellari Fabrizzio, Alacoque Lorenzini Erdmann, Lincoln Moura de Oliveira, Elisiane Lorenzini, Rodrigo Jensen, José Luís Guedes dos Santos
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-CompartirIgual 4.0.
La sumisión de un artículo a el Journal of Health Informatics es entendida como exclusiva y que no esta siendo considerado para publicación en otro periódico. La permisión de los autores para la publicación de su artículo en lo JHI implica en la exclusiva autorización concedida a los editores para su inclusión en la revista. Al someter un artículo, a lo autor será solicitada la permisión electrónica de una Nota de Copyright. Una mensaje electrónica será enviada a lo autor correspondiente confirmando el recibo del manuscrito y lo aceite de la Nota de Copyright.
