Cr\u00e9dito: Pixabay\/CC0 Dominio p\u00fablico <\/p>\n
Un modelo de deterioro de paciente de fuente abierta recientemente desarrollado est\u00e1 mejorando la atenci\u00f3n en el sistema de salud de la Universidad de Michigan. <\/p>\n
Ahora, un estudio publicado en el British Medical Journal demuestra que es eficaz en otros 12 centros hospitalarios de los Estados Unidos, superando en m\u00e1s del 21 % la precisi\u00f3n del ampliamente utilizado \u00edndice de deterioro EPIC.<\/p>\n
Adem\u00e1s de la eficacia del modelo, la forma en que se hizo se\u00f1ala el camino hacia el desarrollo mucho m\u00e1s r\u00e1pido de modelos futuros, solucionando los desaf\u00edos de compartir datos confidenciales de pacientes.<\/p>\n
Los modelos de deterioro del paciente ayudan a los m\u00e9dicos y enfermeras a hacer mejores decisiones sobre la atenci\u00f3n, por ejemplo, mediante la transferencia proactiva de los pacientes de mayor riesgo a la UCI antes de que se deterioren. Tambi\u00e9n pueden ayudar a los proveedores a identificar a los pacientes con el menor riesgo de complicaciones graves, pacientes que pueden beneficiarse de un alta hospitalaria m\u00e1s temprana o de una transferencia a un entorno de atenci\u00f3n de menor intensidad.<\/p>\n
\u00abPudimos desarrollar el modelo M-CURES en una fracci\u00f3n del tiempo que tom\u00f3 construir modelos anteriores a trav\u00e9s de una estrecha colaboraci\u00f3n entre m\u00e9dicos y cient\u00edficos de datos y al permitir que otros sistemas de salud validen el modelo sin compartir ninguno de los datos de sus pacientes\u00bb, dijo Jenna Wiens, profesora asociada de ingenier\u00eda el\u00e9ctrica e inform\u00e1tica. ciencia en la UM y autor principal del art\u00edculo.<\/p>\n
Wiens explica que la capacidad de desarrollar modelos predictivos efectivos r\u00e1pidamente puede ser crucial en una situaci\u00f3n como una pandemia, donde la acci\u00f3n r\u00e1pida es esencial y la amenaza no se comprende bien. . El desarrollo del modelo M-CURES, dice, comenz\u00f3 a principios de 2020, al comienzo de la pandemia de COVID-19. El sistema de salud de la UM, Michigan Medicine, necesitaba una mejor manera de predecir los resultados de los pacientes con COVID-19.<\/p>\n
Los modelos predictivos usan algoritmos de aprendizaje autom\u00e1tico que analizan grandes cantidades de datos de pacientes, \u00abentren\u00e1ndose\u00bb a s\u00ed mismos usando correlaciones en datos pasados para predecir resultados futuros. Luego, los modelos prototipo se validan utilizando a\u00fan m\u00e1s datos de otros pacientes.<\/p>\n
El primer desaf\u00edo del equipo fue la falta de datos para entrenar el modelo, ya que COVID-19 era tan nuevo que los datos de pacientes anteriores normalmente se usaban para entrenar los modelos simplemente no exist\u00edan. Entonces, usaron datos de pacientes previos a la pandemia, identificaron un conjunto de s\u00edntomas respiratorios similares a los de la COVID-19 y extrajeron cinco a\u00f1os de datos de esos pacientes.<\/p>\n
Luego, el equipo trabaj\u00f3 en estrecha colaboraci\u00f3n con los m\u00e9dicos de Michigan Medicine para acortar el proceso, que suele durar meses, de reducir miles de puntos de datos a un pu\u00f1ado de indicadores predictivos clave. Desarrollaron un enfoque h\u00edbrido en el que los cient\u00edficos de datos y los m\u00e9dicos trabajaron juntos para eliminar variables potencialmente enga\u00f1osas. Eso les permiti\u00f3 validar la eficacia de M-CURES en Michigan Medicine en solo unas semanas.<\/p>\n
\u00abNuestro enfoque h\u00edbrido para la selecci\u00f3n de caracter\u00edsticas hizo uso tanto de t\u00e9cnicas basadas en datos como del conocimiento experto de los m\u00e9dicos\u00bb, dijo Fahad Kamran. , coautor del estudio junto con Shengpu Tang. Ambos son estudiantes de doctorado en inform\u00e1tica e ingenier\u00eda en la UM. \u00abEste tipo de colaboraci\u00f3n nos dio confianza en el modelo final, a pesar de que hab\u00eda datos limitados disponibles para la validaci\u00f3n al principio del proceso\u00bb.<\/p>\n
Para acelerar el paso crucial de validar su modelo en otros sistemas de salud, El equipo de Weins fue pionero en un enfoque para evitar el proceso de meses de obtener acceso a datos confidenciales de pacientes. En su lugar, simplemente enviaron su c\u00f3digo reci\u00e9n desarrollado a equipos de otros hospitales, que aplicaron el modelo internamente e informaron los resultados. Esto permiti\u00f3 al equipo de Wiens validar r\u00e1pidamente el modelo M-CURES en una docena de hospitales de los Estados Unidos con diferentes estructuras y datos demogr\u00e1ficos, lo que ayud\u00f3 a garantizar que el algoritmo sea preciso y equitativo.<\/p>\n
El siguiente paso es para M -CURES para ser utilizado por los equipos de respuesta r\u00e1pida de Michigan Medicine como una herramienta en tiempo real para identificar a los pacientes en riesgo de deterioro. <\/p>\n
\u00abLos equipos de respuesta r\u00e1pida son equipos cl\u00ednicos especializados que pueden actuar r\u00e1pidamente para intervenir a los pacientes antes de que experimenten malos resultados\u00bb, dijo Michael Sjoding, profesor asistente de medicina pulmonar y de cuidados cr\u00edticos en Michigan Medicine y l\u00edder cl\u00ednico de la Desarrollo de M-CURES. \u00abEstamos entusiasmados de que el modelo M-CURES apoye este esfuerzo\u00bb.<\/p>\n
Quiz\u00e1s el resultado m\u00e1s significativo del proyecto es la capacidad de usar las t\u00e1cticas desarrolladas para el modelo M-CURES para desarrollar modelos predictivos para amenazas emergentes para la salud m\u00e1s r\u00e1pidamente en el futuro.<\/p>\n
\u00abModelos como M-CURES tienen una gran promesa tanto para mejorar la atenci\u00f3n cl\u00ednica como para la asignaci\u00f3n de recursos en los entornos de atenci\u00f3n m\u00e9dica\u00bb, dijo Erica Shenoy, especialista en enfermedades infecciosas en el Hospital General de Massachusetts. y un autor en el papel. \u00abPueden proporcionar informaci\u00f3n de pron\u00f3stico importante a los m\u00e9dicos en el punto de atenci\u00f3n\u00bb. <\/p>\n
Explore m\u00e1s<\/p>\n
M\u00e1s r\u00e1pido que COVID: un modelo inform\u00e1tico que predice el pr\u00f3ximo paso de la enfermedad M\u00e1s informaci\u00f3n:<\/strong> Jenna Wiens et al, Identificaci\u00f3n temprana de pacientes hospitalizados con COVID-19 en riesgo de Deterioro: desarrollo de modelos y estudio de validaci\u00f3n externa en varios sitios, British Medical Journal (2022), DOI: DOI: 10.1136\/bmj-2021-068576 Informaci\u00f3n de la revista:<\/strong> British Medical Journal (BMJ) <\/p>\n Proporcionado por la Cita<\/strong> de la Universidad de Michigan: El modelo de paciente de c\u00f3digo abierto supera el est\u00e1ndar de la industria (17 de febrero de 2022) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-02-open-source -patient-tops-industry-standard.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: Pixabay\/CC0 Dominio p\u00fablico Un modelo de deterioro de paciente de fuente abierta recientemente desarrollado est\u00e1 mejorando la atenci\u00f3n en el sistema de salud de la Universidad de Michigan. Ahora, un estudio publicado en el British Medical Journal demuestra que es eficaz en otros 12 centros hospitalarios de los Estados Unidos, superando en m\u00e1s del … Continuar leyendo \u00abModelo de paciente de fuente abierta supera el est\u00e1ndar de la industria\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-8231","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8231","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=8231"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8231\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=8231"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=8231"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=8231"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}