Previsão de resultados de parada cardíaca intra-hospitalar (PREDIHCA)

A parada cardiovascular intra-hospitalar é uma das causas mais comuns de morte em pacientes hospitalizados. Em contraste com os casos extramuros de parada cardiovascular, os pacientes hospitalizados geralmente apresentam condições médicas graves que podem afetar o resultado da ressuscitação. No entanto, as taxas de sobrevivência da ressuscitação são melhores em hospitais do que fora dela, porque muitas vezes há um início rápido de medidas de ressuscitação e padrões de ressuscitação predefinidos. O treinamento regular de RCP e a disponibilidade de desfibriladores em todas as unidades de cabeceira também podem influenciar positivamente o resultado. Apesar desses muitos esforços, as taxas de sobrevivência, especialmente de pacientes com boa evolução neurológica, permaneceram estáveis ​​em níveis baixos mesmo dentro dos hospitais nos últimos anos e não melhoraram.

A maioria dos parâmetros de resultados são hoje bem conhecidos. (por exemplo, ritmo inicial, idade, desfibrilação precoce, etc.) No entanto, ainda não sabemos hoje o quão relevantes são os fatores correspondentes, especialmente em relação uns aos outros. Uma abordagem para isso pode ser métodos de aprendizado de máquina, como "floresta aleatória", que podem criar um modelo preditivo. No entanto, isso não foi tentado até agora.

A hipótese deste trabalho é descobrir se é possível prever com precisão a probabilidade de sobreviver a uma ressuscitação intra-hospitalar usando o método de aprendizado de máquina "random forest" e se parâmetros de resultado particularmente relevantes podem ser identificados.

Projeto: análise retrospectiva de dados de todos os conjuntos de dados registrados no registro de ressuscitação do Kepler University Hospital.

Medidas e Procedimentos: Revisão do registro de dados perdidos e falsos alarmes da equipe de RCP e, se necessário, exclusão desses conjuntos de dados; avaliação dos conjuntos de dados usando o método de aprendizado de máquina random forest.