Modelo de aprendizaje profundo que detecta lesiones por presión

Hoy en día, con el uso cada vez mayor de la tecnología, se ve que se necesitan datos más grandes para resolver problemas complejos. Para satisfacer esta necesidad, han surgido las redes neuronales convolucionales, que se utilizan en muchas áreas, como el reconocimiento de objetos, el reconocimiento de voz y el procesamiento del lenguaje natural, y pueden aprender automáticamente a partir de los símbolos de datos pertenecientes a imágenes, videos, audio y textos, en lugar de aprender con reglas codificadas, a diferencia de los métodos tradicionales de aprendizaje automático, basados ​​en Redes Neuronales Artificiales. Las redes neuronales convolucionales son uno de los métodos de aprendizaje profundo, que es una subrama de los métodos de aprendizaje automático y tiene la capacidad de aprender a partir de ejemplos. Las redes neuronales convolucionales son métodos que también pueden aprender de datos de imágenes o texto sin procesar y cuya precisión de predicción aumenta según el tamaño de los datos. Se ha demostrado en la literatura que la inteligencia artificial y los modelos de aprendizaje profundo son eficaces en el análisis de riesgo de lesiones por presión. Sin embargo, no se ha encontrado ningún estudio sobre la clasificación de las lesiones por presión. Raju, Su, Patrician et al. (2015), proporcionaron una predicción más precisa y rápida de las puntuaciones de la escala de riesgo de Braden con el modelo de aprendizaje profundo que desarrollaron como resultado de un seguimiento de cuatro años en un hospital militar. Alderden, Pepper, Wilson et al. (2018) desarrollaron un modelo de aprendizaje profundo que revela el análisis de riesgo de lesiones por presión en pacientes de cuidados intensivos y proporcionaron un análisis de riesgo de lesiones por presión más preciso y significativo con mediciones más sensibles para pacientes de cuidados intensivos que se consideran de alto riesgo según las herramientas de evaluación de riesgos. Demircan, Yücedağ, Toz et al. (2016) desarrollaron un modelo matemático que analiza los factores de riesgo en el proceso de formación de lesiones por presión y aseguró que las lesiones por presión se detectaran en una etapa temprana. El uso de estas aplicaciones innovadoras, que se incluyen y utilizan en la literatura mundial, es limitado en nuestro país. En un entorno donde la tecnología se desarrolla y consume rápidamente, no permanecer indiferente ante las iniciativas innovadoras e integrar la tecnología en las prácticas de enfermería aumentará la visibilidad de nuestra profesión mediante la formación de enfermeras innovadoras. A la luz de esta información, se realizó el estudio para desarrollar un modelo de aprendizaje profundo en la detección y clasificación de lesiones por presión y determinar el efecto del modelo en los niveles de conocimiento y satisfacción de las enfermeras.

Objetivo Se llevó a cabo un estudio experimental controlado aleatorio para desarrollar un modelo de aprendizaje profundo para la detección y clasificación de lesiones por presión y para determinar el efecto del modelo sobre los niveles de conocimiento y satisfacción de las enfermeras.

Hipótesis de la Investigación; H1: El modelo de aprendizaje profundo proporciona detección de úlceras por presión.

H2: El modelo de aprendizaje profundo proporciona clasificación de úlceras por presión.

H3: La aplicación móvil desarrollada con un modelo de aprendizaje profundo desempeña un papel activo en el tratamiento y la atención de las úlceras por presión.

Variables del Estudio; Variables independientes del estudio; modelo de aprendizaje profundo, evaluación de riesgos de Braden Variables dependientes del estudio; Nivel de conocimiento sobre las llagas por presión, nivel de satisfacción con la educación Método La investigación es un estudio experimental controlado aleatorio. Universo y Muestra de la Investigación estuvo conformado por 80 enfermeras que laboraron en las clínicas de cuidados intensivos, medicina interna y cirugía de un hospital universitario de fundación entre marzo de 2021 y junio de 2022.

Para determinar el número de enfermeros que constituyen la muestra de la investigación, se tomó como ejemplo un estudio similar en la literatura relevante y se utilizó el software de análisis de poder G* Power 3.1. En este estudio, para alcanzar un nivel de poder del 95% con un tamaño del efecto de 0,5 y un nivel de error del 5%, el tamaño de la muestra se calculó en 56, con 28 participantes en cada grupo. Considerando la alta potencia de la prueba y las pérdidas en el estudio, se llegó a un total de 60 personas, 30 en cada grupo. El investigador asignó aleatoriamente a las enfermeras del grupo de muestra a los grupos de control (n = 30) y experimentales (n = 30) utilizando una tabla numérica simple. La tabla de aleatorización se creó utilizando el sitio web http://stattrek.com/statistics/random-number-generator.aspx para la aleatorización. Como resultado, la muestra del estudio estuvo compuesta por un total de 60 enfermeras, 30 participantes en cada grupo de enfermeras, a quienes se les informó sobre el propósito del estudio y a quienes se les permitió participar en el estudio y que cumplieron con los criterios de muestra del estudiar. Los criterios de la muestra fueron; la enfermera tenía más de 18 años, trabajaba como enfermera de cuidados intensivos o clínica y aceptó participar en el estudio de forma verbal y escrita.

Herramientas de recopilación de datos Se utilizaron datos de investigación, "Formulario de introducción de enfermería estructurado", "Prueba de conocimientos sobre úlceras por presión de Pieper modificada", "Escala de evaluación de riesgos de Braden" y "Escala de satisfacción con la enfermería".

Formulario estructurado de introducción a la enfermería:

información bibliográfica sobre el tema e incluye información sobre las características introductorias de las enfermeras.

Prueba de conocimientos sobre las úlceras por presión de Pieper modificada:

Como resultado de la investigación, Pieper y Mott desarrollaron la Escala Modificada en 1995, modificada por Lawrence, y Asiye Gül y sus colegas determinaron su validez y confiabilidad en 2017. Se utilizó la prueba de conocimientos sobre heridas por presión de Pieper. Esta prueba consta de 49 ítems. La escala se divide en tres subdimensiones. La puntuación de conocimientos generales puede ser de hasta 49 puntos, la puntuación de conocimientos de prevención puede ser de hasta 33 puntos, la puntuación de conocimientos de estadificación puede ser de hasta 9 puntos y la puntuación de identificación de heridas puede ser de hasta 7 puntos. Se solicitó un permiso modificado al Prof. Dr. Asiye Gül para la prueba de conocimientos sobre las úlceras por presión de Pieper. Se realizó un análisis de confiabilidad para determinar el nivel de confiabilidad de la escala utilizada en el estudio y se obtuvo el coeficiente alfa de Chronbach del grupo experimental de 0,838 y el del grupo control de 0,812.

Escala de evaluación de riesgos de Braden:

Braden y Bergstrom fue dirigida por Oğuz en 1997 en Turquía. De la escala se obtiene una puntuación total que oscila entre 6 y 23. Según la puntuación total, 12 puntos o menos se consideran de alto riesgo, de 13 a 14 puntos se consideran de riesgo y de 15 a 16 puntos se consideran de bajo riesgo.

Encuesta de satisfacción de enfermeras:

Preguntas tipo Likert elaboradas por investigadores en línea con la literatura para determinar los niveles de satisfacción de las enfermeras con la formación en lesiones por presión. La puntuación más baja es 0 y la más alta es 25. Se realizó un análisis de confiabilidad para determinar el nivel de confiabilidad del cuestionario utilizado en el estudio y se obtuvo el coeficiente alfa de Chronbach de 0,95.

El modelo de aprendizaje profundo que desarrollamos para la detección y clasificación de lesiones por presión El "modelo de aprendizaje profundo para la detección y clasificación de lesiones por presión (modelo BYT-CNN)" que desarrollamos se entrenó primero en 175 imágenes de pacientes de muestra y mostró una tasa de éxito de predicción de clasificación. de aproximadamente el 97%. Dado que se pensaba que el modelo BYT-CNN funcionaba mejor con más imágenes de pacientes; se continuó desarrollándolo utilizando datos de imágenes de 500 pacientes y 500 no pacientes para resolver los problemas de clasificación tanto para estimar si la enfermedad está presente o no como para el estadio de la enfermedad (Figura 1). Este modelo proporcionará análisis de riesgo de las lesiones por presión y su clasificación según el “Sistema de Clasificación de Lesiones por Presión NPUAP” en los casos en que se desarrollen. Se desarrolló una aplicación móvil que incluye las intervenciones de enfermería recomendadas por la NPUAP según la etapa determinada por el modelo de aprendizaje profundo y también se realizó el tratamiento y cuidado de la lesión por presión (Figura 2).

Con el fin de detectar y clasificar lesiones por presión utilizando el modelo BYT-CNN; Se toma una fotografía de la lesión por presión o del área en riesgo y se conecta a la computadora principal donde se encuentra el aprendizaje profundo a través de Bluetooth o Wi-Fi. Luego, en "3 segundos" se informa al teléfono de la enfermera si el paciente tiene una lesión por presión y, en caso afirmativo, en qué fase se encuentra.

La aplicación móvil, preparada de acuerdo con las recomendaciones de atención y tratamiento de lesiones por presión de NPUAP 2016, informa a la enfermera sobre qué cuidados brindar en cada etapa.

El método seguido en la recopilación de datos

Antes de comenzar a recopilar datos, los investigadores desarrollaron un "Modelo de aprendizaje profundo para la detección y clasificación de lesiones por presión (modelo BYT-CNN). Todas las enfermeras que participaron en el estudio recibieron una lección teórica de 4 horas sobre "Lesiones por presión" en un ambiente de aula al mismo tiempo. Una semana después de que todas las enfermeras recibieran la formación teórica, se dividieron en grupos experimentales (modelo de aprendizaje profundo) y de control (método tradicional). A ambos grupos se les entregó un "Formulario de introducción de enfermería estructurado" y se aplicó una "prueba previa ("Prueba de conocimientos sobre las úlceras por presión de Pieper modificada)".

Aplicación en el grupo de control: Después de la lección teórica, las enfermeras del grupo de control determinaron y clasificaron las lesiones por presión en sus pacientes utilizando la "Escala de evaluación de riesgos de Braden", la cual ha sido aceptada como válida y confiable. Las enfermeras del grupo de control, que determinaron las lesiones por presión utilizando la escala, recibieron formación sobre la determinación y clasificación de las lesiones por presión utilizando material escrito, cuyo contenido fue preparado por los investigadores. Después de la capacitación, se aplicó a los enfermeros la “Encuesta de Satisfacción con el Método de Capacitación”. Una semana después de la capacitación, se aplicó a las enfermeras la "Prueba posterior ("Prueba de conocimientos sobre úlceras por presión de Pieper modificada)". Después de completar la aplicación, las enfermeras voluntarias del grupo de control fueron sometidas a detección y clasificación de lesiones por presión con el modelo de aprendizaje profundo y capacitadas con la aplicación móvil.

Aplicación en el Grupo Experimental: Luego del curso teórico, las enfermeras del grupo experimental detectaron y clasificaron las lesiones por presión en sus pacientes con el "Modelo de Aprendizaje Profundo". En el grupo experimental se instaló una aplicación móvil desarrollada por los investigadores en los teléfonos de las enfermeras que detectaron lesiones por presión utilizando el modelo de aprendizaje profundo y se aplicó capacitación. Así, las enfermeras recibieron el cuidado y tratamiento del paciente según la aplicación móvil desarrollada según el estadio de lesión por presión detectado por el modelo de aprendizaje profundo. Luego de la capacitación, se aplicó a los enfermeros la “Encuesta de Satisfacción con el Método de Capacitación”. 1 semana después de la capacitación, a las enfermeras se les aplicó el “Post-Test (Pieper Pressure Sore Knowledge Test modificado)”. Aspectos éticos y legales de la investigación Para realizar la investigación se realizaron las entrevistas y correspondencia necesarias y se obtuvieron los permisos institucionales. y se obtuvo la aprobación del comité de ética. El permiso del comité de ética se obtuvo del Comité de Ética en Investigación Humana de la Universidad de Istinye con decisión número 2104 del 27.01.2021. Permiso institucional; Para realizar la investigación, se obtuvo un permiso de solicitud de la Oficina del Médico Jefe del Hospital Universitario Beykent de Estambul el 02.08.2022 con el documento número 14. Se obtuvieron formularios de consentimiento informado de las personas que participaron en la investigación. Tres de los cinco investigadores que completaron la fase de implementación de la investigación trabajan en el Departamento de Ingeniería Informática. Los otros dos investigadores trabajan en el Departamento de Enfermería (dos investigadores son profesores de Ingeniería Informática, un investigador es miembro de la facultad de Fundamentos de Enfermería, un investigador es ingeniero de software y un investigador es enfermera de cuidados intensivos).

Análisis de datos Los datos obtenidos en el estudio se obtuvieron utilizando el programa SPSS (Paquete Estadístico para Ciencias Sociales) para Windows 25.0 para el análisis. Se utilizaron métodos estadísticos descriptivos para la evaluación de los datos como número, porcentaje, media y desviación estándar. Las diferencias entre proporciones de variables categóricas en grupos independientes se analizaron mediante Chi-Cuadrado y Fisher. Se analizó con pruebas exactas. Se utilizó la prueba T para comparar datos cuantitativos continuos entre dos grupos independientes. Se utilizó la prueba t de grupos dependientes para comparar las mediciones dentro del grupo.