Unité de soins intensifs intelligente du futur

La douleur est un problème de santé national critique, près de 50 % des patients en soins intensifs ressentant une douleur importante dans l'unité de soins intensifs (USI). La sous-évaluation de la réponse à la douleur est l'un des principaux obstacles au traitement adéquat de la douleur chez les patients gravement malades, associée à de nombreux résultats négatifs tels que la douleur chronique après la sortie, la ventilation mécanique prolongée, un séjour plus long aux soins intensifs et un risque accru de mortalité. Néanmoins, de nombreux patients en soins intensifs sont incapables de déclarer eux-mêmes l'intensité de la douleur en raison de conditions cliniques, d'appareils de ventilation et d'une altération de la conscience. Actuellement, les échelles comportementales de la douleur sont utilisées pour évaluer la douleur chez les patients non verbaux. Malheureusement, ces balances nécessitent une administration manuelle répétitive par des infirmières surchargées. De plus, des travaux antérieurs suggèrent que les infirmières qui s'occupent de patients quasi sous sédation dans des établissements de soins intensifs ont une variabilité considérable dans les cotes d'intensité de la douleur. De plus, les outils manuels d'évaluation de la douleur n'ont pas la capacité de surveiller la douleur de manière continue et autonome. Ensemble, ces défis soulignent un besoin critique de développer des systèmes objectifs et autonomes de reconnaissance de la douleur.

Le délire est une autre complication fréquente de l'hospitalisation qui pose d'importants problèmes de santé chez les patients hospitalisés. Il est le plus répandu chez les patients chirurgicaux des soins intensifs avec des taux de diagnostic allant jusqu'à 80 %. Elle se caractérise par des changements dans la cognition, le niveau d'activité, la conscience et la vigilance. Le délire entraîne généralement des changements dans le niveau d'activité et la vigilance qui posent des risques supplémentaires pour la santé, notamment le risque de chute, une mobilisation inadéquate, un sommeil perturbé, un contrôle inadéquat de la douleur et des émotions négatives. Tous ces effets sont difficiles à surveiller en temps réel et contribuent davantage à la détérioration des capacités cognitives du patient, inhibent la récupération et ralentissent le processus de réadaptation. Bien qu'environ un tiers des cas de délire puissent bénéficier d'une intervention, la détection et la prédiction du délire sont encore très limitées dans la pratique. Les évaluations actuelles du délire doivent être effectuées par du personnel de santé qualifié, prennent du temps et exigent beaucoup de ressources. En raison des ressources nécessaires pour effectuer l'évaluation, le délire est souvent évalué deux fois par jour, malgré la nature transitoire de l'état pathologique qui peut aller et venir sans être détecté entre les évaluations. Conjointement, ces obstacles démontrent un besoin urgent de détection autonome du délire en temps réel.

Les chercheurs émettent l'hypothèse que le modèle proposé serait capable de tirer parti des données de l'accéléromètre, de l'électromyographie et de la vidéo dans le but de quantifier de manière autonome les expressions faciales des patients telles que la douleur, la caractérisation des activités fonctionnelles et l'état de délire. La rationalisation du fait que la quantification autonome des repères visuels et la détection du délire peuvent réduire la charge de travail des infirmières et permettre une surveillance en temps réel de la douleur et du délire. La détection précoce du délire offre aux patients les meilleures chances d'obtenir de bons résultats dans le traitement du délire.