Criação, Implementação e Validação de Modelos de Predição de Risco Intra e Pós-operatório

Um estudo de três fases foi projetado:

1. ª fase: Derivação e validação interna do modelo preditivo por meio de um estudo de coorte prospectivo em que pacientes operados no Hospital Galdakao-Usansolo (HGU), Hospital Urduliz (HU), Hospital Universitário Basurto (HUB), Hospital Universitário Donostia ( HUD) e o Hospital Universitário Araba (HUA) serão recrutados. Hospital universitário de Donostia (HUD) e Hospital universitário de Araba (HUA) ao longo de XXX anos e os dados serão obtidos desde o período pré-operatório até o mês da alta da operação. Para a identificação e criação desses modelos serão utilizadas técnicas de aprendizado de máquina com o objetivo principal de identificar variáveis ​​não descritas na literatura. O aprendizado de máquina é o ramo mais importante da Inteligência Artificial. Dentro do Machine Learning, o aprendizado supervisionado é a área mais utilizada. A aprendizagem supervisionada permite que os computadores aprendam a executar tarefas descobrindo e explorando padrões complexos em grandes quantidades de dados. No caso específico dos dados provenientes de prontuários eletrônicos, algoritmos de Machine Learning permitem utilizar os dados históricos de cada paciente para que o computador aprenda a antecipar eventos futuros de forma personalizada.
2. 2ª fase: Validação externa dos modelos criados na primeira fase numa coorte de doentes operados em 2020 nos mesmos centros. A metodologia proposta por Debray et al. Serão aplicados.
3. 3ª fase: Avaliação dos resultados após a implementação dos modelos no EHR do Hospital Galdakao-Usansolo na forma de um 'Guia de Ação'. Com base na estratificação de risco realizada nas fases anteriores, o serviço de anestesia criará recomendações de atuação de acordo com o nível de risco. Os percentuais de mortalidade e complicações intra e pós-operatórias serão comparados por meio de um estudo de intervenção quase experimental, comparando os resultados do hospital do HGU onde será implementada a escala de risco e as consequentes recomendações, antes e depois de sua implementação, e também comparando-os com os percentuais de pacientes que complicam e/ou morrem no HU, HUB, HUD e HUA, onde será seguida a prática clínica habitual, com base na escala ASA. Esta coorte prospectiva, uma vez implementada a escala de risco, será também utilizada para validação externa (2020-2021).

Serão coletadas variáveis ​​sociodemográficas e clínicas (principais diagnósticos, comorbidades, tratamentos, intervenções anteriores, dados intraoperatórios, dados pós-operatórios, procedimentos realizados durante a internação e complicações até um mês após a alta hospitalar) e parâmetros laboratoriais.

Esta informação será extraída do sistema global de exploração de dados da osabide, Oracle Business Intelligence, e os dados laboratoriais serão extraídos dos sistemas de informação dos laboratórios clínicos dos centros envolvidos.