Detecció de sèpsia a tot l'hospital

Marcio Borges, Andres Giglio, Maria Aranda Perez, Antonia Socias Mir, Alberto del Castillo Blanco, Lorenzo Socías, Victor Estrada i Roberto de la Rica, dels Serveis de Medicina Intensiva i Informàtica de l'Hospital Universitari Son Llàtzer i investigadors de l'IdISBa han participat a un estudi amb el títol "Hospital-Wide Sepsis Detection: A Machine Learning Model Based on Prospectively Expert-Validated Cohort" a la revista Journal of Clinical Medicine. 

La detecció de sèpsia continua sent un repte a causa de l'heterogeneïtat clínica i les limitacions dels sistemes de puntuació tradicionals. Aquest estudi va desenvolupar i validar un model d'aprenentatge automàtic a tot l'hospital per a la detecció de sèpsia utilitzant dades desenvolupades retrospectivament a partir de casos validats prospectivament per experts, amb l'objectiu de millorar la precisió diagnòstica més enllà dels enfocaments convencionals.

Aquest model d'aprenentatge automàtic a tot l'hospital, entrenat en casos validats prospectivament per experts i que integra extenses funcions derivades del PNL, demostra un rendiment superior en la detecció de sèpsia en comparació amb els sistemes de puntuació convencionals. Cal una validació externa i estudis d'impacte clínic prospectius abans de la implementació generalitzada.  

Referència de l'article

Noebauer-Huhmann IM, Vilanova JC, Papakonstantinou O, Weber MA, Lalam RK, Nikodinovska VV, et al. Soft tissue tumor imaging in adults: European Society of Musculoskeletal Radiology-Guidelines 2024: imaging immediately after neoadjuvant therapy in soft tissue sarcoma, soft tissue tumor surveillance, and the role of interventional radiology. Eur Radiol. 2024 Dec 18. doi: 10.3390/jcm15020855. PubMed PMID: 41598793.

Enllaços Bibliosalut | Text complet

Mètriques

Consulteu cites en Web of Science
Altmetric

[Font: Bibliosalut]

[Foto: vitelone / Workplace / CC BYND 2.0]