Creazione, implementazione e validazione di modelli di previsione del rischio intra e postoperatorio

È stato progettato uno studio in tre fasi:

1. I fase: Derivazione e validazione interna del modello predittivo mediante uno studio di coorte riprospettivo in cui pazienti sono stati operati presso l'Ospedale Galdakao-Usansolo (HGU), l'Ospedale Urduliz (HU), l'Ospedale Universitario Basurto (HUB), l'Ospedale Universitario Donostia ( Verranno reclutati l'HUD) e l'Araba University Hospital (HUA). Hospital universitario de Donostia (HUD) e Hospital universitario de Araba (HUA) oltre XXX anni e i dati verranno ottenuti dal periodo preoperatorio fino al mese di dimissione dall'intervento. Per l'identificazione e la creazione di questi modelli verranno utilizzate tecniche di machine learning con lo scopo principale di identificare variabili non descritte in letteratura. L’apprendimento automatico è il ramo più importante dell’intelligenza artificiale. Nell’ambito del Machine Learning, l’apprendimento supervisionato è l’area più utilizzata. L'apprendimento supervisionato consente ai computer di imparare a eseguire attività scoprendo e sfruttando modelli complessi in grandi quantità di dati. Nel caso specifico dei dati provenienti dalle cartelle cliniche elettroniche, gli algoritmi di Machine Learning permettono di utilizzare i dati storici di ciascun paziente in modo che il computer impari ad anticipare eventi futuri in modo personalizzato.
2. II fase: Validazione esterna dei modelli realizzati nella prima fase in una coorte di pazienti operati nel 2020 negli stessi centri. La metodologia proposta da Debray et al. sarà applicato.
3. terza fase: valutazione dei risultati dopo l'implementazione dei modelli nella cartella clinica elettronica dell'ospedale Galdakao-Usansolo sotto forma di una "guida all'azione". Sulla base della stratificazione del rischio effettuata nelle fasi precedenti, il reparto di anestesia creerà raccomandazioni di intervento in base al livello di rischio. Le percentuali di mortalità e di complicanze intra e postoperatorie verranno confrontate mediante uno studio di intervento quasi sperimentale, confrontando i risultati dell'ospedale HGU dove verrà implementata la scala di rischio e le conseguenti raccomandazioni, prima e dopo la sua implementazione, ed anche confrontandoli con le percentuali di pazienti che si complicano e/o muoiono in HU, HUB, HUD e HUA, dove verrà seguita la pratica clinica abituale, sulla base della scala ASA. Questa potenziale coorte, una volta implementata la scala di rischio, sarà utilizzata anche per la validazione esterna (2020-2021).

Verranno raccolte variabili socio-demografiche e cliniche (principali diagnosi, comorbilità, trattamenti, interventi precedenti, dati intraoperatori, dati post-operatori, procedure eseguite durante il ricovero e complicanze fino ad un mese dopo la dimissione ospedaliera) e parametri di laboratorio.

Queste informazioni verranno estratte dal sistema globale di sfruttamento dei dati di osabide, Oracle Business Intelligence, e i dati di laboratorio verranno estratti dai sistemi informativi dei laboratori clinici dei centri coinvolti.