Создание, внедрение и проверка моделей прогнозирования интра- и послеоперационного риска

Было разработано трехэтапное исследование:

1. Этап: Разработка и внутренняя проверка прогностической модели посредством репроспективного когортного исследования, в котором пациенты оперировались в больнице Галдакао-Усансоло (HGU), больнице Урдулиз (HU), университетской больнице Басурто (HUB), университетской больнице Доностия ( HUD) и Университетская больница Араба (HUA) будут набраны. Университетская больница Доностии (HUD) и Университетская больница Араба (HUA) в течение XXX лет, и данные будут получены от предоперационного периода до месяца выписки после операции. Для идентификации и создания этих моделей будут использоваться методы машинного обучения с основной целью выявления переменных, не описанных в литературе. Машинное обучение — важнейшая отрасль искусственного интеллекта. В машинном обучении обучение с учителем является наиболее широко используемой областью. Обучение с учителем позволяет компьютерам учиться выполнять задачи, обнаруживая и используя сложные закономерности в больших объемах данных. В конкретном случае данных из электронных медицинских записей алгоритмы машинного обучения позволяют нам использовать исторические данные каждого пациента, чтобы компьютер научился предвидеть будущие события персонализированным образом.
2. 2-й этап: Внешняя валидация моделей, созданных на первом этапе, на когорте пациентов, прооперированных в 2020 году в тех же центрах. Методика, предложенная Debray et al. будет применяться.
3. Третий этап: Оценка результатов после внедрения моделей в ЭМК больницы Галдакао-Усансоло в форме «Руководства к действию». На основе стратификации риска, проведенной на предыдущих этапах, отделение анестезии разработает рекомендации к действию в зависимости от уровня риска. Проценты смертности, а также интра- и послеоперационных осложнений будут сравниваться посредством квазиэкспериментального интервенционного исследования, сравнивающего результаты больницы HGU, где будет реализована шкала риска и последующие рекомендации, до и после ее внедрения, а также сравнивая их с процентом пациентов, у которых возникли осложнения и/или умерли в HU, HUB, HUD и HUA, где будет соблюдаться обычная клиническая практика, на основе шкалы ASA. Эта перспективная когорта после внедрения шкалы риска также будет использоваться для внешней проверки (2020–2021 гг.).

Будут собраны социально-демографические и клинические переменные (основной диагноз, сопутствующие заболевания, лечение, предыдущие вмешательства, интраоперационные данные, послеоперационные данные, процедуры, выполненные во время госпитализации, и осложнения в течение одного месяца после выписки из больницы), а также лабораторные параметры.

Эта информация будет получена из глобальной системы использования данных osabide, Oracle Business Intelligence, а лабораторные данные будут извлечены из информационных систем клинических лабораторий задействованных центров.