Cr\u00e9dito: CC0 Public Domain <\/p>\n
Los investigadores han desarrollado un algoritmo que puede predecir si los sobrevivientes de un trauma tienen probabilidades de desarrollar un trastorno de estr\u00e9s postraum\u00e1tico (TEPT). La herramienta, que se basa en datos m\u00e9dicos recopilados de forma rutinaria, permitir\u00eda a los m\u00e9dicos intervenir de manera temprana para mitigar los efectos del TEPT. <\/p>\n
El estudio se public\u00f3 en l\u00ednea hoy en Nature Medicine.<\/p>\n
30 millones de pacientes con trauma cada a\u00f1o en los Estados Unidos<\/p>\n
Cada a\u00f1o, alrededor de 30 millones de pacientes en los Estados Unidos son tratados en un departamento de emergencias (ED) por lesiones traum\u00e1ticas debido a accidentes automovil\u00edsticos, ca\u00eddas, lesiones por armas de fuego y otras lesiones.<\/p>\n
Los expertos en salud estiman que entre el 10 % y el 15 % de los pacientes con trauma desarrollar\u00e1n s\u00edntomas duraderos de TEPT, generalmente dentro de un a\u00f1o de la lesi\u00f3n.<\/p>\n
Aunque existen tratamientos que reducen efectivamente el riesgo de desarrollar PTSD, las estrategias de prevenci\u00f3n temprana generalmente no se implementan debido a la falta de m\u00e9todos establecidos que puedan predecir qu\u00e9 pacientes tienen m\u00e1s probabilidades de desarrollar TEPT. desarrollar PTSD.<\/p>\n
\u00abPara muchos pacientes con trauma, la visita a la sala de urgencias suele ser su \u00fanico contacto con el sistema de atenci\u00f3n m\u00e9dica. El tiempo inmediatamente despu\u00e9s de una lesi\u00f3n traum\u00e1tica es una ventana cr\u00edtica para identificar a las personas en riesgo de PTSD y organizar tratamiento de seguimiento apropiado\u00bb, dice la autora principal Katharina Schul tebraucks, Ph.D., profesor asistente de ciencias conductuales y cognitivas en el Departamento de Medicina de Emergencia del Colegio de M\u00e9dicos y Cirujanos Vagelos de la Universidad de Columbia. \u00abCuanto antes podamos tratar a las personas en riesgo, mejores ser\u00e1n los resultados probables\u00bb.<\/p>\n
El aprendizaje autom\u00e1tico convierte 70 puntos de datos cl\u00ednicos en una \u00fanica puntuaci\u00f3n de riesgo de TEPT<\/p>\n
Numerosos biomarcadores biol\u00f3gicos y psicol\u00f3gicos, incluido el estr\u00e9s elevado hormonas, aumento de las se\u00f1ales inflamatorias, presi\u00f3n arterial alta e hiperexcitaci\u00f3n (un estado anormalmente elevado de ansiedad), a menudo preceden al PTSD en los sobrevivientes de trauma. Sin embargo, ninguna de estas medidas, solas o en combinaci\u00f3n, ha demostrado ser confiable para predecir el TEPT.<\/p>\n
En el nuevo estudio, el equipo de investigaci\u00f3n de varios sitios us\u00f3 el aprendizaje autom\u00e1tico supervisado para desarrollar un algoritmo que calcula un solo TEPT. puntuaci\u00f3n de riesgo a partir de una combinaci\u00f3n de 70 puntos de datos cl\u00ednicos y una breve evaluaci\u00f3n cl\u00ednica de la respuesta inmediata al estr\u00e9s del paciente. (El aprendizaje autom\u00e1tico supervisado es una forma de inteligencia artificial que le da a un sistema inform\u00e1tico la capacidad de reconocer patrones a partir de entradas de datos para hacer predicciones sobre nuevas observaciones sin programaci\u00f3n adicional).<\/p>\n
\u00abSeleccionamos medidas que se recopilan de forma rutinaria en el servicio de urgencias y se registr\u00f3 en el registro m\u00e9dico electr\u00f3nico, adem\u00e1s de respuestas a algunas preguntas breves sobre la respuesta al estr\u00e9s psicol\u00f3gico\u00bb, dice Schultebraucks. \u00abLa idea era crear una herramienta que estuviera disponible universalmente y agregara poca carga al personal de urgencias\u00bb.<\/p>\n
Algoritmo Discrimin\u00f3 el riesgo de TEPT con alta precisi\u00f3n<\/p>\n
Los investigadores desarrollaron el algoritmo con datos de 377 sobrevivientes de trauma adultos en Atlanta y luego probaron el algoritmo en 221 sobrevivientes de trauma adultos en la ciudad de Nueva York.<\/p>\n
Entre los pacientes que fueron clasificados por el algoritmo como riesgos de TEPT, el 90 % desarroll\u00f3 s\u00edntomas de TEPT de larga duraci\u00f3n dentro de un a\u00f1o. Solo el 5% de los pacientes que no ten\u00edan s\u00edntomas de TEPT de larga duraci\u00f3n hab\u00edan sido identificados como en riesgo. De los pacientes que se predijo que tendr\u00edan pocos o ning\u00fan s\u00edntoma de TEPT, el 29 % desarroll\u00f3 TEPT de larga duraci\u00f3n (falsos negativos).<\/p>\n
Se necesitan m\u00e1s pruebas<\/p>\n
\u00abDebido a que los modelos anteriores para predecir el riesgo de TEPT han no han sido validados en muestras independientes como nuestro modelo, no han sido adoptados en la pr\u00e1ctica cl\u00ednica\u00bb, dice Schultebraucks. \u00abSer\u00e1 necesario probar y validar nuestro modelo en muestras m\u00e1s grandes para que el algoritmo est\u00e9 listo para usar en la poblaci\u00f3n general\u00bb.<\/p>\n
El algoritmo actual se cre\u00f3 utilizando pacientes a los que se les extrajo sangre. Esto posiblemente limita la posibilidad de generalizaci\u00f3n ya que el algoritmo solo se aplicar\u00eda a pacientes que se someten a an\u00e1lisis de sangre, como aquellos con lesiones m\u00e1s graves.<\/p>\n
En estudios futuros, el equipo planea probar si el algoritmo puede predecir el TEPT en pacientes que experimentar otros eventos de salud potencialmente traum\u00e1ticos, incluidos ataques card\u00edacos y accidentes cerebrovasculares.<\/p>\n
Pronto, predice Schultebraucks, el algoritmo podr\u00eda incorporarse a los registros de salud electr\u00f3nicos.<\/p>\n
\u00abActualmente, solo el 7% del nivel- 1 centros de trauma eval\u00faan rutinariamente el TEPT\u00bb, dice ella. \u00abEsperamos que el algoritmo proporcione a los m\u00e9dicos de urgencias una lectura r\u00e1pida y autom\u00e1tica que puedan usar para la planificaci\u00f3n del alta y la prevenci\u00f3n del TEPT\u00bb.<\/p>\n
El estudio se titula \u00abUn algoritmo predictivo validado del estr\u00e9s postraum\u00e1tico\u00bb. Curso posterior al ingreso en Urgencias tras un estresor traum\u00e1tico. <\/p>\n
Explore m\u00e1s<\/p>\n
Estr\u00e9s postraum\u00e1tico de moderado a alto com\u00fan despu\u00e9s de la exposici\u00f3n a trauma, violencia M\u00e1s informaci\u00f3n:<\/strong> Katharina Schultebraucks et al, Un algoritmo predictivo validado del curso de estr\u00e9s postraum\u00e1tico despu\u00e9s de una emergencia ingreso al departamento despu\u00e9s de un estresor traum\u00e1tico, Nature Medicine (2020). DOI: 10.1038\/s41591-020-0951-z Informaci\u00f3n de la revista:<\/strong> Nature Medicine <\/p>\n Proporcionado por el Centro M\u00e9dico Irving de la Universidad de Columbia Cita<\/strong>: El algoritmo predice el riesgo de TEPT despu\u00e9s de un lesion (6 de julio de 2020) consultado el 31 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2020-07-algorithm-ptsd-traction-injury.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Cr\u00e9dito: CC0 Public Domain Los investigadores han desarrollado un algoritmo que puede predecir si los sobrevivientes de un trauma tienen probabilidades de desarrollar un trastorno de estr\u00e9s postraum\u00e1tico (TEPT). La herramienta, que se basa en datos m\u00e9dicos recopilados de forma rutinaria, permitir\u00eda a los m\u00e9dicos intervenir de manera temprana para mitigar los efectos del TEPT. … Continuar leyendo \u00abAlgoritmo predice el riesgo de TEPT despu\u00e9s de una lesi\u00f3n traum\u00e1tica\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-32891","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/32891","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=32891"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/32891\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=32891"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=32891"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=32891"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}