Diagnóstico del delirio y evaluación de la calidad del sueño en pacientes de la Unidad de Anestesia y Cuidados Intensivos (delirium sleep)

El delirio es una condición que involucra pérdidas funcionales en el cerebro debido a anomalías estructurales y vasculares causadas por deshidratación e hipoperfusión, que impiden el transporte de oxígeno y glucosa a las neuronas, lo que conduce a una disfunción metabólica en el cerebro. Además, el delirio, que se caracteriza por desorientación, falta de atención y cambios en los pensamientos y/o comportamientos, es una afección neuropsiquiátrica grave y generalizada que con frecuencia pasa desapercibida, aunque es prevenible y reversible tras una intervención adecuada. Se ha descubierto que numerosos factores de riesgo afectan el desarrollo del delirio, incluidas las estancias hospitalarias prolongadas, el uso de medicamentos, los mecanismos de afrontamiento durante la enfermedad, los rasgos de personalidad y el cumplimiento del tratamiento. Se cree que los pacientes de cuidados intensivos enfrentan un mayor riesgo de desarrollar delirio. En este sentido, los procedimientos invasivos, los cuidados regulares de enfermería, el ruido ambiental, la exposición continua a la luz, los trastornos del sueño preexistentes, el dolor, la ansiedad, el miedo y la soledad representan factores fisiológicos y psicológicos que pueden conducir a la falta de sueño en pacientes de cuidados intensivos. De hecho, lugares como las unidades de cuidados intensivos (UCI), donde los pacientes están expuestos a estímulos constantes y pueden experimentar dolores intensos, pueden desencadenar respuestas de estrés que provocan agitación, trastornos del sueño y delirio.

Estudios anteriores han indicado que los medicamentos utilizados para controlar el delirio pueden afectar negativamente la calidad del sueño, mientras que el empeoramiento de la calidad del sueño puede exacerbar el delirio. El objetivo principal en la prevención del delirio es garantizar un ciclo regular de sueño-vigilia, apoyar una ingesta adecuada de líquidos y nutrientes y proporcionar tratamientos preventivos y terapéuticos a través de un enfoque sistemático y multidisciplinario basado en equipos para reducir la frecuencia y duración del delirio. Los enfoques de inteligencia artificial y aprendizaje automático permiten que las máquinas simulen procesos complejos como el pensamiento y la conciencia, lo que permite a las computadoras aprender las relaciones entre entradas y salidas de grandes conjuntos de datos, lo que les ayuda a tomar decisiones, análisis y predicciones óptimas. En el campo de la atención sanitaria, esta tecnología se utiliza en muchas áreas, incluida la detección y predicción tempranas de enfermedades, clasificación de enfermedades, tratamiento, prevención de resultados adversos, análisis rápido de datos clínicos, iniciativas de ahorro de costos, prestación de atención eficaz y de calidad, minimización de errores humanos y toma de decisiones clínicas.

En el presente estudio, se examinó la relación entre el delirio y la calidad del sueño en pacientes en anestesia y UCI y se realizó un análisis predictivo utilizando un enfoque de aprendizaje automático.

Los datos necesarios para este estudio se recopilaron mediante el formulario de información del paciente, la escala de detección del delirio de enfermería (Nu-DESC), la escala de sueño de Richards-Campbell (RCSS), la escala de agitación y sedación de Richmond (RASS) y la GCS. Los datos recopilados se analizaron utilizando el programa estadístico SPSS (SPSS-26) y se siguieron las pautas de Fortalecimiento de la presentación de informes de estudios observacionales en epidemiología (STROBE) al informar los resultados. El tamaño de la muestra se determinó utilizando el método conocido de cálculo de muestras de población. Se utilizaron análisis de frecuencia y porcentaje para describir la distribución de las características demográficas de los participantes, mientras que la media y la desviación estándar se utilizaron para determinar los niveles de los participantes en las escalas utilizadas. Se realizó un análisis de confiabilidad alfa de Cronbach para evaluar la confiabilidad de la escala, y el análisis de poder post hoc mostró que el estudio tenía un poder medio con un nivel de confianza del 95% con una significancia del 99%. Se comprobaron los valores de asimetría-curtosis para evaluar la normalidad de la distribución. Se utilizó una prueba t de muestras independientes para evaluar las diferencias entre los grupos. Para las comparaciones entre más de dos grupos, se aplicó un análisis de varianza unidireccional (ANOVA), mientras que los análisis de curva de predicción y característica operativa del receptor (ROC) se realizaron utilizando R versión 4.1.3.