Herramienta de triaje mejora cuidado del paciente en DU

 

Los pacientes de ESI de nivel 3 que fueron subidos de nivel, tenían al menos cinco veces más probabilidades de experimentar un resultado crítico -como muerte, ingreso a la UCI o cirugía de emergencia- y dos veces más probabilidades de ser ingresados al hospital. La herramienta de e-triaje también fue capaz de aumentar el número de pacientes clasificados a un nivel de prioridad más baja, como el Nivel 4 o 5, ayudando a disminuir para los pacientes de baja agudeza la espera y el uso excesivo de recursos escasos. El estudio fue publicado el 6 de septiembre de 2017, en la revista Annals of Emergency Medicine.

 

“El objetivo final es que los pacientes deben esperar menos en el departamento de urgencias”, dijo el autor principal, Scott Levin, PhD, de la JHU. “Para los pacientes en riesgo de tener una necesidad de cuidados críticos, el diseño de esta tecnología permite detectarlos mejor y asegurarse de que sean examinados más rápido. Para los pacientes que están menos enfermos, el e-triaje debe detectar a esos pacientes y ponerlos en una pista acelerada, para que no tengan que esperar tanto tiempo.

 

“El aprendizaje automático aprovecha al máximo las historias clínicas electrónicas y permite una precisión de los resultados que no se podía obtener previamente”, concluyó el Dr. Gabor Kelen, director del departamento de medicina de emergencia de la JHU. “Es la ola de la atención de la salud en el futuro, aunque algunos proveedores pueden tener sus dudas al respecto. Las ayudas a la toma de decisiones que aprovechan el aprendizaje automático también son altamente personalizables para satisfacer las necesidades de la población de pacientes de un departamento de emergencia y de los sistemas locales de atención de salud.

 

Los bosques al azar son un método de aprendizaje conjunto para la clasificación, regresión y otras tareas que operan construyendo una multitud de árboles de decisión en el momento del entrenamiento y generando la clase que es el modo de las clases o clasificación o predicción media del árbol individual.