Tworzenie, wdrażanie i walidacja modeli przewidywania ryzyka śródoperacyjnego i pooperacyjnego

Zaprojektowano badanie trójfazowe:

1. I faza: Wyprowadzenie i wewnętrzna walidacja modelu predykcyjnego za pomocą reprospektywnego badania kohortowego, w którym pacjenci operowani byli w szpitalach Galdakao-Usansolo (HGU), szpitalu Urduliz (HU), szpitalu uniwersyteckim Basurto (HUB), szpitalu uniwersyteckim Donostia ( HUD) i Szpital Uniwersytecki Araba (HUA). Hospital Universitario de Donostia (HUD) i Hospital Universitario de Araba (HUA) przez XXX lat, a dane będą pozyskiwane od okresu przedoperacyjnego do miesiąca wypisu z operacji. Do identyfikacji i tworzenia tych modeli wykorzystane zostaną techniki uczenia maszynowego, których głównym celem będzie identyfikacja zmiennych nieopisywanych w literaturze. Uczenie maszynowe jest najważniejszą gałęzią sztucznej inteligencji. W uczeniu maszynowym najpowszechniej stosowanym obszarem jest uczenie się nadzorowane. Uczenie się nadzorowane umożliwia komputerom nauczenie się wykonywania zadań poprzez odkrywanie i wykorzystywanie złożonych wzorców w dużych ilościach danych. W konkretnym przypadku danych z elektronicznej dokumentacji medycznej algorytmy Machine Learning pozwalają na wykorzystanie danych historycznych każdego pacjenta, dzięki czemu komputer uczy się przewidywać przyszłe zdarzenia w spersonalizowany sposób.
2. II etap: Zewnętrzna walidacja modeli stworzonych w I etapie w kohorcie pacjentów operowanych w 2020 roku w tych samych ośrodkach. Metodologia zaproponowana przez Debraya i in. zostanie zastosowany.
3. III faza: Ocena wyników po wdrożeniu modeli w EHR szpitala Galdakao-Usansolo w formie „Przewodnika działania”. Na podstawie stratyfikacji ryzyka przeprowadzonej w poprzednich fazach oddział anestezjologiczny stworzy zalecenia dotyczące działań w zależności od poziomu ryzyka. Odsetki śmiertelności oraz powikłań śród- i pooperacyjnych zostaną porównane za pomocą quasi-eksperymentalnego badania interwencyjnego, porównującego wyniki szpitala HGU, w którym skala ryzyka i wynikające z niej zalecenia będą wdrażane, przed i po jej wdrożeniu, a także porównanie ich z odsetkami pacjentów, u których wystąpiły powikłania i/lub śmierć w HU, HUB, HUD i HUA, gdzie będzie przestrzegana zwykła praktyka kliniczna, w oparciu o skalę ASA. Ta potencjalna kohorta, po wdrożeniu skali ryzyka, zostanie również wykorzystana do walidacji zewnętrznej (2020-2021).

Zbierane będą zmienne socjodemograficzne i kliniczne (główna diagnoza, choroby współistniejące, leczenie, wcześniejsze interwencje, dane śródoperacyjne, dane pooperacyjne, zabiegi wykonane podczas hospitalizacji i powikłania do miesiąca po wypisaniu ze szpitala) oraz parametry laboratoryjne.

Informacje te zostaną pobrane z globalnego systemu wykorzystania danych firmy Osabide, Oracle Business Intelligence, a dane laboratoryjne zostaną pobrane z systemów informatycznych laboratoriów klinicznych zaangażowanych ośrodków.