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.
Presenta Sitios para socios Información LinkXpress
Ingresar
Publique su anuncio con nosotros
Direct Effect Media/Illumina

Eventos

27 jul 2018 - 29 jul 2018
25 ago 2018 - 29 ago 2018
29 ago 2018 - 01 sep 2018

Método predice riesgo de infección por Clostridium difficile

Por el equipo editorial de HospiMedica en español
Actualizado el 22 Mar 2018
Print article
Imagen: Un nuevo estudio muestra que el aprendizaje automático puede ayudar a identificar a los pacientes en riesgo de ICD (Fotografía cortesía de Shutterstock).
Imagen: Un nuevo estudio muestra que el aprendizaje automático puede ayudar a identificar a los pacientes en riesgo de ICD (Fotografía cortesía de Shutterstock).
Un nuevo algoritmo de aprendizaje automático puede calcular el riesgo diario de un paciente de desarrollar infección por Clostridium difficile (ICD) a partir de las historias clínicas electrónicas (HCE).

Investigadores del Hospital General de Massachusetts (MGH, Boston, EUA), el Instituto Tecnológico de Massachusetts (MIT, Cambridge, MA, EUA) y otras instituciones, llevaron a cabo un estudio que utilizó datos de las HCE de 115.958 adultos admitidos en el MGH y el Sistema de Salud de la Universidad de Michigan (UM, Ann Arbor, MI, EUA), para desarrollar un algoritmo de aprendizaje automático generalizable que pudiera identificar los modelos de estratificación de riesgo de los hospitales.

Para hacerlo, los investigadores extrajeron los datos demográficos de los pacientes, los detalles de la admisión, el historial del paciente y los detalles diarios de la hospitalización. A continuación, desarrollaron un proceso de aprendizaje automático para ayudar a predecir el riesgo del paciente de desarrollar ICD mediante el análisis repetido de los datos. El proceso de aprendizaje automático extrajo características que podrían apuntar a una constelación de síntomas, circunstancias y detalles de la historia clínica con mayor probabilidad de dar como resultado una ICD en cualquier momento de la estancia en el hospital. El algoritmo identificó un total de 2.964 y 4.739 características en los modelos del MGH y de la UM, respectivamente.

Los modelos del MGH y de la UM identificaron diferentes conjuntos de características que podrían predecir la importancia relativa de los factores de riesgo, que variaron significativamente entre los hospitales. En particular, las ubicaciones intrahospitalarias aparecieron en el conjunto de los principales factores de riesgo en un hospital, y en el conjunto de factores protectores en el otro. En promedio, ambos modelos pudieron predecir la ICD cinco días antes del diagnóstico clínico, utilizando modelos de estratificación de riesgo adaptados al sistema de la HCE de una institución y a la población de pacientes. El estudio fue presentado en el congreso anual de IDWeek, celebrado en octubre de 2017 en San Diego (California, EUA).

“Las historias contenían más de 4,000 variables distintas. Tenemos datos relacionados con todo, desde resultados de laboratorio hasta la cama en la que se encuentran, a quién está en la cama al lado de ellos y si están infectados. Incluimos todos los medicamentos, laboratorios y diagnósticos. Y lo extrajimos de manera diaria”, dijo la autora principal, Jenna Wiens, PhD, de la Universidad de Michigan. “Se puede imaginar, a medida que el paciente se mueve en el hospital, el riesgo evoluciona con el tiempo, y queríamos capturar eso”.

La ICD es una enfermedad grave que es el resultado de la infección del revestimiento interno del colon por la bacteria C. difficile, y generalmente se desarrolla después del uso de antibióticos de amplio espectro que afectan la flora intestinal normal, permitiendo que la bacteria florezca. El riesgo de ICD es particularmente alto en pacientes de 65 años en adelante, y la recurrencia de la enfermedad ocurre en hasta 25% de los pacientes dentro de los 30 días posteriores al tratamiento inicial. Es la principal causa de diarrea nosocomial en los países industrializados.


Print article
Radcal
FIME - Informa

Canales

Bio Investigación

ver canal

Diseñan programa que proporciona soluciones integradas para investigación bioinformática

Dedicated Computing (Waukesha, WI, EUA), una compañía global de tecnología, informó que estará participando en el programa Intel Cluster Ready para ofrecer soluciones integradas de clústeres de computación de alto rendimiento para el mercado de ciencias de la vida.... Más
Copyright © 2000-2018 Globetech Media. All rights reserved.