Modelo de aprendizaje automático para predecir insuficiencia respiratoria posoperatoria

Se sabe que las complicaciones pulmonares posoperatorias aumentan la duración de la estancia hospitalaria y el costo de la atención médica. Una de las formas más graves de estas complicaciones es la insuficiencia respiratoria posoperatoria, que también se asocia con morbilidad y mortalidad. Se han desarrollado muchos modelos de estratificación de riesgo para identificar pacientes con mayor riesgo de insuficiencia respiratoria posoperatoria. Sin embargo, estos modelos se construyeron utilizando un análisis de regresión logística tradicional. Un análisis de regresión logística tuvo la desventaja de asumir la relación entre las variables dependientes e independientes como lineal. Los recientes avances en inteligencia artificial hacen posible la gestión y el análisis de big data. El modelo de predicción que utiliza una técnica de aprendizaje automático y datos a gran escala puede mejorar la precisión del rendimiento de la predicción en comparación con los modelos anteriores que utilizan estadísticas tradicionales. Además, una técnica de aprendizaje automático puede ser una herramienta auxiliar útil en la toma de decisiones clínicas o la predicción en tiempo real si se integra en el sistema de atención médica. Sin embargo, hasta donde sabemos, no hubo ningún estudio que investigara los factores predictivos de la insuficiencia respiratoria posoperatoria mediante un enfoque de aprendizaje automático. Por lo tanto, el objetivo principal de este estudio es desarrollar un modelo de aprendizaje automático que prediga la insuficiencia respiratoria posoperatoria dentro de los 7 días posteriores a la operación utilizando registros de salud electrónicos preoperatorios e intraoperatorios locales del mundo real, no códigos administrativos y evaluar su desempeño prospectivamente.