Erstellung, Implementierung und Validierung intra- und postoperativer Risikovorhersagemodelle

Es wurde eine dreiphasige Studie konzipiert:

1. Phase 1: Ableitung und interne Validierung des Vorhersagemodells mittels einer reprospektiven Kohortenstudie, in der Patienten am Galdakao-Usansolo Hospital (HGU), Urduliz Hospital (HU), Basurto University Hospital (HUB) und Donostia University Hospital operiert wurden ( HUD) und das Araba University Hospital (HUA) werden rekrutiert. Hospital universitario de Donostia (HUD) und Hospital universitario de Araba (HUA) über XXX Jahre und Daten werden von der präoperativen Phase bis zum Monat der Entlassung aus der Operation erhoben. Zur Identifizierung und Erstellung dieser Modelle werden Techniken des maschinellen Lernens eingesetzt, deren Hauptzweck darin besteht, Variablen zu identifizieren, die in der Literatur nicht beschrieben sind. Maschinelles Lernen ist der wichtigste Zweig der Künstlichen Intelligenz. Innerhalb des maschinellen Lernens ist überwachtes Lernen der am weitesten verbreitete Bereich. Durch überwachtes Lernen können Computer lernen, Aufgaben auszuführen, indem sie komplexe Muster in großen Datenmengen entdecken und nutzen. Im speziellen Fall von Daten aus elektronischen Krankenakten ermöglichen uns Algorithmen des maschinellen Lernens, die historischen Daten jedes Patienten zu nutzen, damit der Computer lernt, zukünftige Ereignisse auf personalisierte Weise zu antizipieren.
2. Phase 2: Externe Validierung der in der ersten Phase erstellten Modelle in einer Kohorte von Patienten, die im Jahr 2020 in denselben Zentren operiert wurden. Die von Debray et al. Wird angewendet werden.
3. Dritte Phase: Auswertung der Ergebnisse nach der Implementierung der Modelle in die EHR des Galdakao-Usansolo-Krankenhauses in Form eines „Action Guide“. Basierend auf der in den vorangegangenen Phasen durchgeführten Risikostratifizierung erstellt die Anästhesieabteilung je nach Risikograd Handlungsempfehlungen. Die Prozentsätze der Mortalität sowie intra- und postoperativer Komplikationen werden mittels einer quasi-experimentellen Interventionsstudie verglichen, wobei die Ergebnisse des HGU-Krankenhauses, in dem die Risikoskala und die daraus resultierenden Empfehlungen implementiert werden, vor und nach der Implementierung sowie auch verglichen werden Vergleichen Sie sie mit den Prozentsätzen der Patienten, die in HU, HUB, HUD und HUA kompliziert werden und/oder sterben, wobei die übliche klinische Praxis auf der Grundlage der ASA-Skala befolgt wird. Diese prospektive Kohorte wird nach Implementierung der Risikoskala auch für die externe Validierung (2020-2021) verwendet.

Es werden soziodemografische und klinische Variablen (Hauptdiagnose, Komorbiditäten, Behandlungen, frühere Eingriffe, intraoperative Daten, postoperative Daten, während des Krankenhausaufenthalts durchgeführte Eingriffe und Komplikationen bis zu einem Monat nach der Entlassung aus dem Krankenhaus) sowie Laborparameter erhoben.

Diese Informationen werden aus dem globalen Datenauswertungssystem von Osabide, Oracle Business Intelligence, extrahiert, und die Labordaten werden aus den Informationssystemen der klinischen Labore der beteiligten Zentren extrahiert.