Diagnóstico de Delirium e Avaliação da Qualidade do Sono em Pacientes em Unidade de Anestesia e Terapia Intensiva (delirium sleep)

Delirium é uma condição que envolve perdas funcionais no cérebro devido a anormalidades estruturais e vasculares causadas por desidratação e hipoperfusão, que impedem o transporte de oxigênio e glicose para os neurônios, levando à disfunção metabólica no cérebro. Além disso, o delirium, que se caracteriza por desorientação, desatenção e alterações de pensamentos e/ou comportamentos, é uma condição neuropsiquiátrica grave e generalizada que frequentemente passa despercebida, embora seja evitável e reversível após intervenção adequada. Descobriu-se que vários fatores de risco afetam o desenvolvimento do delirium, incluindo internações hospitalares prolongadas, uso de medicamentos, mecanismos de enfrentamento durante a doença, traços de personalidade e adesão ao tratamento. Acredita-se que pacientes em terapia intensiva enfrentam maior risco de desenvolver delirium. Nesse sentido, procedimentos invasivos, cuidados regulares de enfermagem, ruído ambiental, exposição contínua à luz, distúrbios do sono pré-existentes, dor, ansiedade, medo e solidão representam fatores fisiológicos e psicológicos que podem levar à privação de sono em pacientes de terapia intensiva. Na verdade, locais como unidades de terapia intensiva (UTI), onde os pacientes são expostos a estímulos constantes e podem sentir dores intensas, podem desencadear respostas de estresse que levam à agitação, distúrbios do sono e delírio.

Estudos anteriores indicaram que os medicamentos usados ​​para controlar o delirium podem afetar negativamente a qualidade do sono, enquanto a piora da qualidade do sono pode exacerbar o delirium. O principal objetivo na prevenção do delirium é garantir um ciclo regular de sono-vigília, apoiar a ingestão adequada de líquidos e nutrientes e fornecer tratamentos preventivos e terapêuticos através de uma abordagem sistemática e multidisciplinar baseada em equipa para reduzir a frequência e a duração do delirium. As abordagens de inteligência artificial e aprendizagem automática permitem que as máquinas simulem processos complexos, como o pensamento e a consciência, permitindo assim que os computadores aprendam as relações entre entradas e saídas de grandes conjuntos de dados, o que os ajuda a tomar decisões, análises e previsões ideais. No domínio dos cuidados de saúde, esta tecnologia é utilizada em muitas áreas, incluindo a detecção precoce e previsão de doenças, classificação de doenças, tratamento, prevenção de resultados adversos, análise rápida de dados clínicos, iniciativas de redução de custos, prestação de cuidados eficazes e de qualidade, minimização de erros humanos e tomada de decisões clínicas.

No presente estudo, foi examinada a relação entre delirium e qualidade do sono em pacientes na anestesia e na UTI e realizada uma análise preditiva utilizando uma abordagem de aprendizado de máquina.

Os dados necessários para este estudo foram coletados por meio do Formulário de Informações do Paciente, Escala de Triagem de Delirium de Enfermagem (Nu-DESC), Escala de Sono Richards-Campbell (RCSS), Escala de Agitação-Sedação de Richmond (RASS) e ECGl. Os dados coletados foram analisados ​​utilizando o programa estatístico SPSS (SPSS-26), e as diretrizes do Strengthening the Reporting of Observational Studies in Epidemiology (STROBE) foram seguidas no relato dos resultados. O tamanho da amostra foi determinado utilizando o conhecido método de cálculo amostral populacional. Análises de frequência e percentual foram utilizadas para descrever a distribuição das características demográficas dos participantes, enquanto a média e o desvio padrão foram utilizados para determinar os níveis dos participantes nas escalas utilizadas. A análise de confiabilidade alfa de Cronbach foi realizada para avaliar a confiabilidade da escala, e a análise de poder post hoc mostrou que o estudo teve poder médio com nível de confiança de 95% e significância de 99%. Os valores de assimetria-curtose foram verificados para avaliar a normalidade da distribuição. Um teste t de amostras independentes foi utilizado para avaliar as diferenças entre os grupos. Para comparações entre mais de dois grupos, foi aplicada uma análise de variância (ANOVA) unidirecional, enquanto as análises da curva de predição e característica de operação do receptor (ROC) foram realizadas usando o R versão 4.1.3.