Investigación sobre el Desarrollo y Validación de un Modelo de Predicción Temprana para el Delirio

El delirio presenta una alta tasa de incidencia y afecta significativamente el pronóstico del paciente. El diagnóstico a menudo depende de la evaluación manual, que está sujeta a una fuerte subjetividad, altas tasas de diagnóstico erróneo y poca estabilidad. Este estudio emplea tecnología de identificación sin contacto basada en análisis de visión por computadora para analizar cuantitativamente datos de características biológicas como las microexpresiones. Luego investiga la correlación entre estas características y los subtipos de delirio. Al integrar datos fenotípicos clínicos y utilizar algoritmos de aprendizaje automático, se construye un modelo de predicción temprana multimodal para el delirio, con el fin de satisfacer la necesidad clínica de alerta temprana de los subtipos de delirio y mejorar la eficacia de la identificación del delirio.