Características preoperatorias para la predicción de la falla de las vías respiratorias supraglóticas mediante el aprendizaje automático (ERICA) (ERICA)

Un cambio de procedimiento intraoperatorio no sólo conlleva retrasos en el tiempo, sino que también implica medidas que resultan estresantes para el paciente, como profundizar la anestesia y manipular nuevamente las vías respiratorias.

Por lo tanto, el objetivo de ERICA es desarrollar un algoritmo de aprendizaje automático basado en información preoperatoria 1) que pueda predecir con precisión el riesgo de una conversión SGA no planificada y 2) identifica las características que conducen a la conversión de SGA a tubo traqueal.

I. Desarrollando el modelo

• El conjunto de datos final se dividirá en una cohorte de capacitación, prueba y validación. Se crearán cinco modelos para predecir la conversión intraoperatoria de SGA a tubo traqueal, incluidos modelos lineales generalizados (GLM), aprendizaje profundo, bosque aleatorio distribuido (DRF), xgboost y máquina de refuerzo de gradiente (GBM). Luego, se construirá un modelo de conjunto apilado mediante la combinación de los cinco modelos. Finalmente se elegirá el mejor modelo de inteligencia artificial.

II. Identificar las características que conducen a la conversión y categorización de las vías respiratorias.

• Los cambios intraoperatorios de posición del paciente pueden alterar el riesgo de conversión, por lo que se deben considerar operaciones con cambios posicionales.
• Identificar las características dependientes del paciente y del procedimiento que conducen a la conversión de SGA a tubo traqueal y su importancia.