Header Ads

Un algoritmo reduce en un 39% el riesgo de morir de sepsis



Una de las principales causas de mortalidad intra-hospitalaria son las sepsis producidas por infecciones severas y bacterias multirresistentes. La forma más eficaz de disminuir esta mortalidad es evitar las infecciones, con el lavado de manos y las medidas de higiene en primera línea. Pero una vez que la infección se produce es crucial actuar a tiempo.

El aspecto más importante es identificar rápido los signos de sepsis e iniciar el tratamiento cuanto antes. Para ello la formación del personal sanitario es fundamental, ya sea por métodos tradicionales o los menos ortodoxos juegos serios y canciones de rap que sensibilizan sobre los signos de alarma para sospechar una sepsis de forma precoz.

La tecnología puede ayudarnos a identificar de forma precoz los signos de sepsis en los pacientes hospitalizados. Desde Dascena han creado un algoritmo escrito en Python basado en machine-learning que ha sido aplicado para más de 75.000 pacientes en varios hospitales.

El sistema, llamado InSight, se ocupa de monitorizar seis parámetros vitales que extrae desde la Historia Clínica Electrónica. La vigilancia de los cambios en la tensión arterial, frecuencia cardíaca, temperatura, frecuencia respiratoria y saturación en oxígeno; permiten a InSight lanzar una alarma en caso de empeoramiento.

Esta detección precoz permite iniciar los tratamientos necesarios antes de que se desarrolle un shock séptico y en los 75.000 pacientes estudiados se observó una reducción de mortalidad hospitalaria del 1,5%, descendiendo la mortalidad de los pacientes con signos de sepsis en un 39,5%. Para los pacientes con signos de sepsis se logró disminuir en un tercio del tiempo de hospitalización y casi en un 8% el riesgo de nuevos ingresos.

Una nueva evidencia en favor de incorporar la Inteligencia Artificial en nuestras tomas de decisiones. Estos algoritmos son capaces de identificar patrones sutiles, que se asocian con cambios clínicos importantes, anticipando la respuesta del personal sanitario.

Mao Q, Jay M, Hoffman JL, et alMulticentre validation of a sepsis prediction algorithm using only vital sign data in the emergency department, general ward and ICUBMJ Open 2018;8:e017833. doi: 10.1136/bmjopen-2017-017833
Burdick H, Pino E, Gabel-Comeau D, et alEffect of a sepsis prediction algorithm on patient mortality, length of stay and readmission: a prospective multicentre clinical outcomes evaluation of real-world patient data from US hospitalsBMJ Health & Care Informatics 2020;27:e100109. doi: 10.1136/bmjhci-2019-100109

No hay comentarios

Siéntete libre de expresar tus opiniones pero muestra respeto por los demás y por nuestra politica de contenido.

Con la tecnología de Blogger.