PPGPAT - Teses

URI Permanente para esta coleção

https://repositorio.ufcspa.edu.br/handle/123456789/2340

Navegar

Navegando PPGPAT - Teses por Assunto "[en] Artificial Intelligence"

Agora exibindo 1 - 1 de 1
  • Imagem de Miniatura
    Item
    Robô Laura como preditor de sepse/deterioração clínica em adultos internados
    (2022) Scherer, Juliane de Souza; Bica, Claudia Giuliano
    Introdução: A alta morbimortalidade da sepse exige uma rápida identificação. O tempo é um fator determinante e está associado a uma melhor evolução do quadro e um prognóstico mais favorável. Dessa forma, detectar precocemente ou predizer a deterioração clínica utilizando Inteligência Artificial (IA) é uma alternativa para alertar a equipe de profissionais sobre o risco de sepse dos seus pacientes. Objetivo: Analisar os alarmes críticos preditores de deterioração clínica/sepse para tomada de decisão clínica nos pacientes internados em complexo hospitalar de referência. Método: Trata-se de uma coorte retrospectiva. Foram avaliados os alarmes registrados pelo robô no período de março a setembro de 2020. A ferramenta de Machine Learning (ML), Robô Laura®, pontua alterações nos parâmetros vitais e exames laboratoriais. Primeiramente, os dados foram exportados da plataforma manualmente, tabulados e organizados em tabelas do programa Microsoft Excel®; após, foi realizada uma pesquisa no prontuário eletrônico do paciente em busca do tempo de resposta da equipe, intervenções realizadas, tempo de internação e desfechos. Resultados: Extraíram-se 122.703 alarmes da plataforma, classificados de 2 até 9. A pré- seleção dos alarmes críticos (6 a 9) apontou 263 alertas urgentes (0,2%), dos quais, após o filtro de critérios de exclusão, delimitaram-se 254 alertas para 61 pacientes internados. Todos os alarmes foram respondidos na primeira hora, conforme preconizado pelo protocolo de sepse institucional, e 82% dos pacientes receberam alguma intervenção. A mortalidade dos pacientes por sepse foi de 75%, dos quais 52% devido à sepse relacionada ao novo Coronavírus. Após os alarmes serem atendidos, 82% dos pacientes permaneceram nos setores. Conclusão: Os resultados sugerem que a IA pode sustentar decisões clínicas assertivas, desde que respeitados alguns pré-requisitos: adaptação dos protocolos com base nos perfis dos pacientes-alvo e envolvimento da equipe multiprofissional, com destaque aos enfermeiros, pela presença ininterrupta ao lado dos pacientes.