Esta fotograf\u00eda muestra colonias de Clostridium difficile despu\u00e9s de 48 horas de crecimiento en una placa de agar sangre; 4.8XC difficile ampliado, un bacilo grampositivo anaerobio, es la causa identificada con mayor frecuencia de diarrea asociada a antibi\u00f3ticos (DAA). Representa aproximadamente el 15-25% de todos los episodios de DAA. Cr\u00e9dito: CDC <\/p>\n
Nuevos datos publicados hoy sugieren que varios algoritmos de aprendizaje autom\u00e1tico (MLA) de uso com\u00fan pueden predecir con eficacia qu\u00e9 pacientes hospitalizados se infectar\u00e1n con Clostridiodes difficile (C. diff). Los hallazgos, que aparecen en el American Journal of Infection Control (AJIC), la revista de la Association for Professionals in Infection Control and Epidemiology (APIC), podr\u00edan respaldar la prevenci\u00f3n de infecciones y el diagn\u00f3stico temprano, as\u00ed como una implementaci\u00f3n m\u00e1s oportuna de las medidas de control de infecciones. para minimizar la propagaci\u00f3n de C. diff. <\/p>\n
\u00abLos hallazgos de nuestro estudio sugieren que los MLA podr\u00edan desempe\u00f1ar un papel importante en la reducci\u00f3n del impacto cl\u00ednico y econ\u00f3mico de las infecciones asociadas a la atenci\u00f3n de la salud, como C. diff, al proporcionar predicciones tempranas de pacientes en riesgo antes de que desarrollen complicaciones graves\u00bb, dijo Jana Hoffman, vicepresidenta de ciencia, Dascena, Inc. \u00abEstos datos son consistentes con un creciente cuerpo de evidencia que valida la inteligencia artificial y los MLA como componentes integrales de la gesti\u00f3n de la atenci\u00f3n m\u00e9dica que pueden mejorar los resultados del paciente y ayudar a los m\u00e9dicos con limitaciones de tiempo a brindar la mejor atenci\u00f3n al paciente. cuidado.\u00bb<\/p>\n
C. diff (CDI) es la principal causa de diarrea adquirida en el hospital y est\u00e1 asociada con una morbilidad, mortalidad y costos de atenci\u00f3n m\u00e9dica significativos. Actualmente no existe una herramienta est\u00e1ndar de oro para evaluar el riesgo de los pacientes individuales de adquirir CDI. Hoffman y sus colegas publicaron previamente datos que demuestran que los MLA pueden predecir los pacientes en riesgo de desarrollar otras HAI de alto impacto.<\/p>\n
Para el estudio publicado hoy, los investigadores utilizaron una base de datos que comprende registros de salud electr\u00f3nicos (EHR) datos de pacientes de m\u00e1s de 700 hospitales en todo el pa\u00eds para entrenar y luego evaluar sistem\u00e1ticamente tres m\u00e9todos cl\u00e1sicos diferentes de aprendizaje autom\u00e1tico y aprendizaje profundo. Inicialmente evaluaron varios modelos de cada uno de estos m\u00e9todos para determinar si pod\u00edan predecir de manera efectiva la CDI entre pacientes hospitalizados utilizando datos tempranos de pacientes hospitalizados, y luego usaron un conjunto de datos externo distinto para evaluar la generalizaci\u00f3n de los modelos MLA de mejor rendimiento.<\/p>\n
Los resultados sugieren que los MLA pueden predecir la CDI con excelente discriminaci\u00f3n utilizando solo las primeras seis horas de datos de pacientes hospitalizados. Entre los tres m\u00e9todos estudiados, un m\u00e9todo de aprendizaje autom\u00e1tico llamado XGBoost proporcion\u00f3 la mayor precisi\u00f3n general en la predicci\u00f3n de CDI, a pesar de ser el modelo menos complejo. XGBoost tambi\u00e9n demostr\u00f3 capacidad de generalizaci\u00f3n al mantener su rendimiento predictivo en un conjunto de datos externo. Los otros dos m\u00e9todos que evaluaron los investigadores, las redes neuronales conocidas como memoria profunda a largo y corto plazo (D-LSTM) y la red neuronal convolucional unidimensional (1D-CNN), tambi\u00e9n demostraron altos niveles de precisi\u00f3n predictiva, aunque eran menos generalizables.<\/p>\n
Los modelos XGBoost, D-LSTM y 1D-CNN de mejor desempe\u00f1o usaron caracter\u00edsticas similares para predecir la CDI entre los pacientes, todos los cuales se identificaron previamente como factores de riesgo. En este estudio, la edad fue el principal factor de riesgo de CDI, seguido de mediciones cl\u00ednicas como el sodio, el \u00edndice de masa corporal, el recuento de gl\u00f3bulos blancos y la frecuencia card\u00edaca; tratamiento activo con antibi\u00f3ticos o inhibidores de la bomba de protones; hemoglobina glicosilada; y raza.<\/p>\n
\u00abEste estudio respalda investigaciones anteriores que sugieren que los MLA brindan una predicci\u00f3n confiable del riesgo de infecci\u00f3n que puede empoderar a los equipos cl\u00ednicos para implementar medidas de control de infecciones adecuadas en puntos de tiempo m\u00e1s tempranos y, por lo tanto, mejorar los resultados de atenci\u00f3n m\u00e9dica\u00bb, dijo Linda Dickey. , RN, MPH, CIC, FAPIC y presidente de APIC 2022. <\/p>\n
Explore m\u00e1s<\/p>\n
Los investigadores crean un algoritmo de IA para mejorar la puntualidad y la precisi\u00f3n de las predicciones de sepsis M\u00e1s informaci\u00f3n:<\/strong> Saarang Panchavati et al, Un an\u00e1lisis comparativo de los enfoques de aprendizaje autom\u00e1tico para predecir la infecci\u00f3n por C. difficile en pacientes hospitalizados, American Journal of Infection Control (2022). DOI: 10.1016\/j.ajic.2021.11.012 Informaci\u00f3n de la revista:<\/strong> American Journal of Infection Control <\/p>\n Proporcionado por Association for Professionals in Infection Control Cita<\/strong>: Nuevos datos sugieren los algoritmos de aprendizaje autom\u00e1tico pueden predecir con precisi\u00f3n la infecci\u00f3n por C. diff en pacientes hospitalizados (20 de enero de 2022) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-01-machine-algorithms-accurately-diff-infection.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":" Esta fotograf\u00eda muestra colonias de Clostridium difficile despu\u00e9s de 48 horas de crecimiento en una placa de agar sangre; 4.8XC difficile ampliado, un bacilo grampositivo anaerobio, es la causa identificada con mayor frecuencia de diarrea asociada a antibi\u00f3ticos (DAA). Representa aproximadamente el 15-25% de todos los episodios de DAA. Cr\u00e9dito: CDC Nuevos datos publicados hoy … Continuar leyendo \u00abNuevos datos sugieren que los algoritmos de aprendizaje autom\u00e1tico pueden predecir con precisi\u00f3n la infecci\u00f3n por C. diff en pacientes hospitalizados\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-6299","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6299","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=6299"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/6299\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=6299"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=6299"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=6299"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}