PUBLICADO EN 'SCIENTIFIC REPORTS'
Desarrollado un modelo estadístico que predice la aparición de asincronías paciente-ventilador
JANO.ES · 06 febrero 2019 00:00
Investigadores del Centro de Investigación Biomédica en Red en Enfermedades Respiratorias (CIBERES) han desarrollado un modelo para predecir la aparición de asincronías paciente-ventilador en pacientes críticos.
La mala interacción paciente-ventilador puede tener consecuencias negativas y prolongar la ventilación mecánica y la estancia en Unidades de Cuidados Intensivos, aumentar la probabilidad de afectaciones musculares y pulmonares, entre otras complicaciones, e incrementar la mortalidad. La monitorización continua a pie de cama permite la detección automática de asincronías, pero no pueden predecirlas a tiempo real.
El estudio, publicado en Scientific Reports, se basa en los modelos ocultos de Markov, un enfoque estadístico que se aplica en minería de datos para reconocer patrones a lo largo del tiempo y predecir eventos futuros basados en observaciones pasadas. Actualmente, la incidencia de las asincronías se clasifica como baja o alta en función de un límite arbitrario situado en el 10%.
El paciente crítico ventilado requiere una monitorización intensa y continua y la explotación de grandes conjuntos de datos que aporten información predictiva para optimizar la toma de decisiones en este exigente entorno. "La detección temprana de una mayor frecuencia de asincronías podría alertar a los médicos para que diagnostiquen y manejen inmediatamente el problema", han indicado desde el CIBERES.
Basados en datos de series de tiempo discretas que representan el conteo total de asincronías, se definieron cuatro estados o niveles de riesgo de asincronías: z1 representaba muy bajo riesgo y z4 muy alto.
La mala interacción paciente-ventilador puede tener consecuencias negativas y prolongar la ventilación mecánica y la estancia en Unidades de Cuidados Intensivos, aumentar la probabilidad de afectaciones musculares y pulmonares, entre otras complicaciones, e incrementar la mortalidad. La monitorización continua a pie de cama permite la detección automática de asincronías, pero no pueden predecirlas a tiempo real.
El estudio, publicado en Scientific Reports, se basa en los modelos ocultos de Markov, un enfoque estadístico que se aplica en minería de datos para reconocer patrones a lo largo del tiempo y predecir eventos futuros basados en observaciones pasadas. Actualmente, la incidencia de las asincronías se clasifica como baja o alta en función de un límite arbitrario situado en el 10%.
El paciente crítico ventilado requiere una monitorización intensa y continua y la explotación de grandes conjuntos de datos que aporten información predictiva para optimizar la toma de decisiones en este exigente entorno. "La detección temprana de una mayor frecuencia de asincronías podría alertar a los médicos para que diagnostiquen y manejen inmediatamente el problema", han indicado desde el CIBERES.
Basados en datos de series de tiempo discretas que representan el conteo total de asincronías, se definieron cuatro estados o niveles de riesgo de asincronías: z1 representaba muy bajo riesgo y z4 muy alto.
Nivel de riesgo
Los modelos de Markov se aplicaron para predecir la probabilidad de que cada nivel de riesgo ocurriera en el siguiente período. El resultado del análisis concluye que los estados son persistentes, es poco común que ocurran grandes cambios de estado y la mayoría de los cambios se producen entre estados de riesgo contiguos. "Esto tiene gran interés clínico, ya que los pacientes que ingresan en estados con un alto número de asincronías son muy propensos a continuar en alto riesgo, lo que podría tener serias implicaciones", han destacado desde el CIBERES.
El líder del centro, Lluís Blanch, ha valorado el enfoque como "novedoso" y ha indicado que "constituye un primer paso en el desarrollo de alarmas inteligentes que alerten a los profesionales acerca de los pacientes que entran en estados de alto riesgo, de modo que puedan considerar acciones anticipatorias para mejorar la interacción paciente-ventilador".
Los modelos de Markov se aplicaron para predecir la probabilidad de que cada nivel de riesgo ocurriera en el siguiente período. El resultado del análisis concluye que los estados son persistentes, es poco común que ocurran grandes cambios de estado y la mayoría de los cambios se producen entre estados de riesgo contiguos. "Esto tiene gran interés clínico, ya que los pacientes que ingresan en estados con un alto número de asincronías son muy propensos a continuar en alto riesgo, lo que podría tener serias implicaciones", han destacado desde el CIBERES.
El líder del centro, Lluís Blanch, ha valorado el enfoque como "novedoso" y ha indicado que "constituye un primer paso en el desarrollo de alarmas inteligentes que alerten a los profesionales acerca de los pacientes que entran en estados de alto riesgo, de modo que puedan considerar acciones anticipatorias para mejorar la interacción paciente-ventilador".
No hay comentarios:
Publicar un comentario