Utilizamos cookies para comprender de qué manera utiliza nuestro sitio y para mejorar su experiencia. Esto incluye personalizar el contenido y la publicidad. Para más información, Haga clic. Si continua usando nuestro sitio, consideraremos que acepta que utilicemos cookies. Política de cookies.

Please note that the HospiMedica website is also available in a complete English version
Presenta Sitios para socios Información LinkXpress hp
Ingresar
Publique su anuncio con nosotros

Deascargar La Aplicación Móvil




Modelo de aprendizaje automático predice con precisión paro cardíaco en pacientes de UCI utilizando datos de ECG

Por el equipo editorial de HospiMedica en español
Actualizado el 06 Dec 2023
Print article
Imagen: El modelo de aprendizaje automático en tiempo real predice los paros cardíacos en el hospital utilizando la variabilidad de la frecuencia cardíaca en la UCI (Fotografía cortesía de 123RF)
Imagen: El modelo de aprendizaje automático en tiempo real predice los paros cardíacos en el hospital utilizando la variabilidad de la frecuencia cardíaca en la UCI (Fotografía cortesía de 123RF)

El paro cardíaco en el ámbito hospitalario, particularmente en las Unidades de Cuidados Intensivos (UCI), sigue siendo un desafío importante y ocurre en 0,5 a 7,8 % de los pacientes al momento de la admisión hospitalaria. A pesar de los avances en cuidados intensivos, la naturaleza impredecible y las diversas causas de estos incidentes dificultan la prevención. La identificación rápida y la respuesta inmediata son cruciales para mejorar las tasas de supervivencia de los pacientes. Por lo tanto, existe una necesidad apremiante de un sistema que pueda predecir de forma precisa y continua los paros cardíacos intrahospitalarios, permitiendo acciones rápidas como la desfibrilación temprana y la reanimación cardiopulmonar (RCP).

Para abordar esta necesidad, un equipo de investigadores del Hospital Universitario Nacional de Seúl (SNUH, Seúl, Corea del Sur) ha desarrollado un innovador modelo de aprendizaje automático. Este modelo utiliza de forma única medidas de variabilidad de la frecuencia cardíaca (VFC) de pacientes de la UCI para predecir paros cardíacos hospitalarios. A diferencia de los modelos tradicionales que dependen de datos de registros médicos electrónicos (RME) completos, este nuevo enfoque simplifica la predicción al basarse únicamente en medidas de VFC, lo que permite una monitorización continua y en tiempo real del paciente.

El estudio mostró la eficacia del modelo de máquina de refuerzo de gradiente de luz (LGBM), que destacó en la detección temprana y la predicción rápida de paros cardíacos en el hospital. Esta mejora en la precisión de la predicción podría mejorar significativamente los resultados de los pacientes en entornos clínicos. Las fortalezas del modelo incluyen su uso exclusivo de datos de ECG para la predicción de riesgos, la integración de varias medidas de VFC y su transparencia al explicar el riesgo a través de estas medidas.

El uso exclusivo de datos de ECG hace que este modelo sea particularmente práctico y adaptable a diversos entornos sanitarios, ya que la monitorización continua por ECG es un procedimiento de rutina en las UCI. Este enfoque contrasta con modelos anteriores que requerían múltiples tipos de datos, incluida información demográfica, signos vitales y resultados de laboratorio. El modelo del equipo del SNUH, al centrarse únicamente en los datos del ECG, presenta una solución más sencilla y factible para predecir paros cardíacos en entornos de cuidados críticos.

Enlaces relacionados:
SNUH

Miembro Oro
STI Test
Vivalytic Sexually Transmitted Infection (STI) Array
Miembro Oro
SARS‑CoV‑2/Flu A/Flu B/RSV Sample-To-Answer Test
SARS‑CoV‑2/Flu A/Flu B/RSV Cartridge (CE-IVD)
New
Procedure Light
Luxor 250 Series
New
Clinical Display
C14S

Print article

Canales

Técnicas Quirúrgicas

ver canal
Imagen: Imágenes moleculares de las glándulas suprarrenales en tres pacientes (Foto cortesía de QMUL)

Procedimiento guiado por ecografía endoscópica podría transformar el manejo de la presión arterial

El aldosteronismo primario (AP) es un trastorno hormonal que causa presión arterial alta en aproximadamente uno de cada 20 pacientes con hipertensión, pero que a menudo no se diagnostica ni se trata.... Más

Cuidados de Pacientes

ver canal
Imagen: La plataforma de biosensores portátil utiliza sensores electroquímicos impresos para la detección rápida y selectiva de Staphylococcus aureus (foto cortesía de AIMPLAS)

Plataforma de biosensores portátiles reducirá infecciones adquiridas en el hospital

En la Unión Europea, aproximadamente 4 millones de pacientes adquieren infecciones asociadas a la atención de la salud (IAAS), o infecciones nosocomiales, cada año, lo que provoca alrededor de 37.... Más

TI

ver canal
Imagen: Un sensor de sudor portátil basado en la tecnología de nanopartículas de núcleo-capa (Foto cortesía de Caltech)

Nanopartículas imprimibles permiten la producción masiva de biosensores portátiles

Es probable que el futuro de la medicina se centre en la personalización de la atención médica, comprendiendo exactamente lo que cada individuo necesita y proporcionando la combinación... Más

Pruebas POC

ver canal
Imagen: El lector de inmunoensayo cuantitativo RPD-3500 (Fotografía cortesía de BK Electronics)

Lector de inmunoensayo de pruebas POC proporciona análisis cuantitativo de kits de prueba para diagnóstico más preciso

Un lector de inmunoensayos cuantitativos pequeño y liviano que proporciona un análisis cuantitativo de cualquier tipo de kits o tiras de prueba rápida, y se puede conectar a una PC... Más
Copyright © 2000-2025 Globetech Media. All rights reserved.