Impacto de algoritmos de suporte à decisão clínica baseados em aprendizado de máquina em cuidados perioperatórios (IMAGINATIVE)

A previsão de riscos cirúrgicos é importante para pacientes e médicos para o processo de tomada de decisão e plano de gerenciamento compartilhados. A equipe de estudo pretende conduzir um projeto de estudo híbrido de implementação de eficácia tipo 1. Um estudo controlado randomizado em que os participantes submetidos à cirurgia no Hospital Geral de Cingapura (SGH) serão alocados na proporção de 1:1 para grupos guiados por CARES (não cegos para o nível de risco) ou não guiados (cegos para o nível de risco). Todos os participantes submetidos a cirurgias eletivas no SGH serão considerados elegíveis para inclusão no estudo. Para cirurgias eletivas, os participantes serão recrutados principalmente no Centro de Pré-admissão. O resultado deste estudo ajudará pacientes e médicos a tomar melhores decisões juntos. Em primeiro lugar, a implantação do modelo CARES em um ambiente clínico ao vivo poderia potencialmente reduzir as complicações pós-operatórias e melhorar a qualidade da prestação de cuidados cirúrgicos. As descobertas deste estudo permitiriam o ajuste fino do CARES, bem como a implantação adicional de modelos de risco adicionais para complicações específicas, além de mortalidade e internação na UTI. Isso, por sua vez, se traduziria em melhor saúde para a população cirúrgica e melhor custo-efetividade. Isso é significativo, pois espera-se que a população cirúrgica cresça continuamente devido ao melhor acesso aos cuidados, melhores tecnologias e envelhecimento da população. Em segundo lugar, o IMAGINATIVE será fundamental para melhorar nossa compreensão das estratégias de implantação de modelos preditivos de IA/ML na área da saúde. Modelos como o CARES podem ser o padrão de atendimento no futuro, se comprovado que melhoram os resultados de saúde dos pacientes. Como as implantações de modelos são caras e podem prejudicar os processos de EMR, este estudo seria a centelha inicial para futuras implantações e pesquisas de serviços de saúde com foco na melhoria do valor dessas implantações de modelos.