Nueva herramienta predice el éxito de la extubación de pacientes en ventilación mecánica intensiva
Equipos de investigación de la URV y el Hospital Universitario Joan XXIII-IISPV han trabajado conjuntamente en este proyecto de investigación. Crédito: URV
Casi la mitad de los pacientes ingresados en una unidad de cuidados intensivos (UCI) requieren ventilación mecánica invasiva (VMI), un procedimiento médico que garantiza un aporte suficiente de oxígeno a sus órganos y tejidos. La terapia consiste en conectar a los pacientes a una máquina que sustituye su respiración espontánea. En los últimos meses ha sido de uso generalizado en pacientes de cuidados intensivos afectados por COVID-19.
Aunque a menudo puede salvar la vida de un paciente, la ventilación mecánica invasiva no está exenta de riesgos: puede haber lesiones accidentales durante la intubación o la extubación o los músculos involucrados en el proceso de respiración pueden atrofiarse. Por lo tanto, los médicos responsables de los pacientes de cuidados intensivos deben encontrar un equilibrio entre mantener a los pacientes intubados mientras no puedan respirar por sí mismos y no mantenerlos más tiempo del necesario para que puedan comenzar su recuperación. De acuerdo con los criterios actuales, se considera que una extubación ha fallado si los pacientes deben ser intubados nuevamente (reintubación) dentro de las 48 horas posteriores a la retirada de la ventilación mecánica invasiva.
Para evitar tantas reintubaciones como sea posible, un Un equipo de investigación formado por el grupo de investigación Ecommfit, del Departamento de Ingeniería Mecánica de la Universitat Rovira i Virgili y médicos de la UCI del Hospital Universitario Joan XXIII-Instituto de Investigación Sanitaria Pere Virgili ha desarrollado un modelo matemático que permite predecir el resultado de una extubación practicada en un paciente adulto crítico en ventilación mecánica invasiva.
El estudio se realizó con un conjunto masivo y heterogéneo de datos de diversas fuentes, como equipos de monitorización del paciente, datos demográficos (edad, sexo, peso, etc.), datos clínicos obtenidos al ingreso en UCI y registro de incidencias por parte del personal médico. Mediante el uso de técnicas de aprendizaje automático, los investigadores han podido determinar la compleja relación entre todas estas variables y crear modelos que pueden revelar parte de la complejidad de todo lo que sucede dentro del paciente.
El equipo de investigación del UCI del Hospital Universitario Joan XXIII, liderada por Maria Bod (jefa de la UCI) y el científico de datos Josep Gómez recopiló datos de aproximadamente 1.000 pacientes con dificultad respiratoria que habían ingresado en la UCI en los cinco años anteriores. Posteriormente estos datos fueron procesados y analizados por un grupo de investigación del Departamento de Ingeniería Mecánica dirigido por Alexandre Fabregat.
Los resultados del estudio, publicados en la revista Computer Methods and Programs in Biomedicine, muestran que la actual la tasa de reintubación del 9% se puede reducir al 1%, minimizando así el riesgo para los pacientes. El equipo ahora se está enfocando en incorporar este modelo en los sistemas de monitoreo de la UCI para que pueda accederse fácilmente y usarse para predicciones rápidas. Cuando se haya desarrollado por completo, el modelo se probará para demostrar su eficacia.
Explore más
El uso de ventilación menos invasiva crece drásticamente, sin datos necesarios Más información: Alexandre Fabregat et al, Una herramienta de toma de decisiones de aprendizaje automático para la extubación en pacientes de la Unidad de Cuidados Intensivos, Computadora Métodos y Programas en Biomedicina (2020). DOI: 10.1016/j.cmpb.2020.105869 Proporcionado por Universitat Rovira i Virgili Cita: Nueva herramienta predice el éxito de la extubación de pacientes en ventilación mecánica intensiva (2021, 16 de febrero) recuperado el 30 de agosto de 2022 de https:/ /medicalxpress.com/news/2021-02-tool-success-extubating-patients-intensive.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.