Investigação sobre o Desenvolvimento e Validação de um Modelo de Previsão Precoce de Delírio

O delirium tem uma taxa de incidência elevada e afeta significativamente o prognóstico do doente. O diagnóstico baseia-se frequentemente na avaliação manual, que está sujeita a uma forte subjetividade, a taxas elevadas de diagnóstico perdido e a uma estabilidade fraca. Este estudo emprega tecnologia de identificação sem contacto baseada na análise de visão computacional para analisar quantitativamente dados de características biológicas distintivas, tais como microexpressões. Em seguida, investiga a correlação entre estas características e os subtipos de delirium. Ao integrar dados fenotípicos clínicos e utilizando algoritmos de aprendizagem automática, é construído um modelo de previsão precoce multimodal para delirium, de modo a satisfazer a necessidade clínica de alerta precoce para os subtipos de delirium e aumentar a eficácia da identificação do delirium.