Desenvolvimento e Pré-validação de um Algoritmo de Previsão Baseado em Machine Learning para a Recuperação Funcional Precoce em Pacientes Submetidos a Cirurgia de Substituição da Anca e Joelho (FISIO_IA)

Este estudo observacional visa desenvolver e pré-validar um algoritmo de aprendizagem automática para prever a recuperação precoce da mobilidade e o tempo de internamento hospitalar em doentes submetidos a artroplastia eletiva da anca ou do joelho. O estudo inclui uma fase retrospetiva (2020-2023) utilizando dados clínicos e de fisioterapia existentes, e uma fase prospetiva (março de 2026 a dezembro de 2027) para validar o modelo na prática clínica de rotina.

Recolha de Dados e Resultados:

Recuperação da mobilidade: avaliada pela capacidade de subir e descer três degraus nos primeiros quatro dias pós-operatórios, registada no diário de fisioterapia e no registo eletrónico de saúde.

Tempo de internamento: considerado regular se a alta ocorrer até ao quinto dia pós-operatório; internamentos mais longos são definidos como prolongados.

Preditores: Dados demográficos basais (idade, sexo, IMC, classificação ASA, hemoglobina pré-operatória) e características clínicas/perioperatórias (tipo de cirurgia e anestesia, início da fisioterapia, nível de dor, uso de cateter urinário, intolerância ortostática).

Tamanho da Amostra: 943 doentes no total (600 retrospetivos, 343 prospetivos), com base nos requisitos de desenvolvimento do modelo e na estimativa de AUROC.

Análise de Dados: O conjunto de dados será dividido em conjuntos de treino, validação e teste. Serão comparados múltiplos algoritmos de aprendizagem supervisionada (por exemplo, regressão logística, floresta aleatória, gradient boosting). O desempenho do modelo será avaliado utilizando AUROC, sensibilidade, especificidade, precisão, pontuação F1 e calibração. Os dados em falta serão tratados com métodos de imputação ou métodos nativos do algoritmo, quando suportados.

Validação do Modelo: Os dados prospetivos serão utilizados para avaliar a discriminação e a calibração do modelo, e para identificar potenciais enviesamentos temporais ou clínicos. Poderá ser realizado um retreino utilizando conjuntos de dados combinados para melhorar a generalização.

Fluxo do Estudo: Doentes retrospetivos identificados através dos registos hospitalares; doentes prospetivos identificados na primeira sessão de fisioterapia pós-operatória, informados sobre o estudo e que consentiram. Os resultados preditivos são armazenados num registo separado, inacessível aos clínicos tratantes.

Centros Participantes:

IRCCS Istituto Ortopedico Rizzoli, Bolonha - recrutamento de doentes. Estrutura Complexa de Física Médica, Arcispedale S. Maria Nuova - análise de dados e modelação de IA.