Predição de sepse via inteligência artificial em pacientes adultos hospitalizados em unidade de terapia intensiva
Autor(es):
Bezerra, Antonio Diego Costa
Palavras Chaves:
Sepse; Predição; Inteligência Artificial.
Ano de Publicação:
2023
Resumo:
A sepse é hoje um dos principais agravos hospitalares que afeta inúmeros pacientes em todo o mundo e o Brasil destaca-se como sendo um dos países que mais detém de pacientes com essa síndrome inflamatória e suas modificações no quadro clínico destes. Apesar dos esforços diários dos profissionais, inclusive utilizando-se de manuais e protocolos técnicos, ainda não se mostra suficiente diante de mortes e sequelas nos pacientes. Assim, surge o papel das tecnologias, focando especialmente nas de informação e comunicação, que são hoje auxilio e suporte necessário na identificação precoce da sepse, no tratamento e reabilitação, com foco especialmente no uso dos dados de pacientes que já passaram pela mesma situação, visando prever a partir das semelhanças com uso de processos e algoritmos, novas situações. Assim, este estudo contou com 3 objetivos: primeiro: sintetizar as evidências científicas sobre a efetividade de algoritmos de inteligência artificial para predição de sepse em pacientes de UTI. Segundo: escrever as características clínicas e sociodemográficas de pacientes com sepse e choque séptico em UTI de um hospital público. Terceiro: desenvolver e avaliar algoritmos de para a predição de sepse em pacientes adultos de UTI. O primeiro estudo apresenta uma revisão de escopo realizada nas bases de dados Cumulative Index to Nursing and Allied Health Literature (CINAHL); National Library of Medicine (MEDLINE/PubMed); Centro Latino-Americado e do Caribe de Informações e Ciências da Saúde (LILACS), Embase, Cochrane Library e Web of Science com pareamento cego, onde 3.864 estudos foram identificados e 17 deles atendiam às questões do estudo, apontando que a predição precoce do início da sepse é fundamental para fornecer eficácia assistência de saúde efetiva e intervenção. O segundo estudo do tipo transversal investigou a ocorrência de sepse e choque séptico em pacientes internados em uma Unidade de Terapia Intensiva (UTI) de um hospital público no nordeste brasileiro entre agosto de 2018 e julho de 2023. Realizado em um Hospital Geral de Fortaleza-CE com 659 pacientes na amostra, utilizaram-se frequências absolutas e percentuais para as variáveis, além da média e desvio padrão. Na análise inferencial não ajustada, utilizou-se o teste de Qui-quadrado de Pearson ou razão de verossimilhança para verificar associação entre o desfecho e as variáveis explicativas, considerando-se o nível descritivo p<0,20. A regressão multivariada com estimação robusta foi utilizada para determinar o modelo ajustado, com a estatística de Wald, para testar as variáveis do modelo e as respectivas razões de prevalências e intervalos de confiança de 95%. Os resultados revelaram que 48,4% dos pacientes foram afetados pela sepse/choque séptico. O terceiro estudo, investigou algoritmos de inteligência artificial (IA) para a predição precoce da sepse em pacientes de UTI. Foram utilizados dados de 659 pacientes de uma UTI neurológica de um hospital público no Brasil por meio de um estudo de desenvolvimento com as tarefas de regressão e classificação. O processo de mineração de dados seguiu o método Knowledge Discovery in Databases (KDD) e incluiu a seleção e processamento dos dados. Foram testados 5 algoritmos, incluindo Random Forest, Gradient Boosting, Naive Bayes e K-Nearest Neighbors (KNN). Os resultados mostraram que o Random Forest e o Gradient Boosting apresentaram o melhor desempenho, com altos valores de F1-score (0,98) e acurácia (98,48%). O Naive Bayes também teve um desempenho razoável, com um F1-score de 0,83 e alta precisão (85%). Por outro lado, o KNN teve um desempenho inferior, com um F1-score de 0,57. Comparado a estudos anteriores, este trabalho superou modelos existentes na literatura para prever o início da sepse. A pesquisa poderá contribuir significativamente para a aplicação da IA na predição da sepse, oferecendo resultados positivos para a prática clínica.
Abstract:
Sepsis is today one of the main hospital problems that affects countless patients around the world and Brazil stands out as being one of the countries that has the most patients with this inflammatory syndrome and its changes in their clinical condition. Despite the daily efforts of professionals, including the use of technical manuals and protocols, it is still not sufficient in the face of deaths and sequelae in patients. Thus, the role of technologies emerges, focusing especially on information and communication, which are today necessary aid and support in the early identification of sepsis, treatment and rehabilitation, with a special focus on the use of data from patients who have already gone through the same situation, aiming to predict, based on similarities with the use of processes and algorithms, new situations. Thus, this study had 3 objectives: first: synthesize scientific evidence on the effectiveness of artificial intelligence algorithms for predicting sepsis in ICU patients. Second: write the clinical and sociodemographic characteristics of patients with sepsis and septic shock in the ICU of a public hospital. Third: develop and evaluate algorithms for predicting sepsis in adult ICU patients. The first study presents a scoping review carried out in the Cumulative Index to Nursing and Allied Health Literature (CINAHL) databases; National Library of Medicine (MEDLINE/PubMed); Latin American and Caribbean Center for Health Information and Sciences (LILACS), Embase, Cochrane Library and Web of Science with blind matching, where 3,864 studies were identified and 17 of them met the study questions, pointing out that the early prediction of onset of sepsis is critical to providing effective health care and intervention. The second cross-sectional study investigated the occurrence of sepsis and septic shock in patients admitted to an Intensive Care Unit (ICU) of a public hospital in northeastern Brazil between August 2018 and July 2023. Carried out at a General Hospital in Fortaleza- CE with 659 patients in the sample, absolute and percentage frequencies were used for the variables, in addition to the mean and standard deviation. In the unadjusted inferential analysis, Pearson's Chi-square test or likelihood ratio was used to verify the association between the outcome and the explanatory variables, considering the descriptive level p<0.20. Multivariate regression with robust estimation was used to determine the adjusted model, with Wald statistics, to test the model variables and their respective prevalence ratios and 95% confidence intervals. The results revealed that 48.4% of patients were affected by sepsis/septic shock. The third study investigated artificial intelligence (AI) algorithms for the early prediction of sepsis in ICU patients. Data from 659 patients from a neurological ICU of a public hospital in Brazil were used through a development study with regression and classification tasks. The data mining process followed the Knowledge Discovery in Databases (KDD) method and included data selection and processing. 5 algorithms were tested, including Random Forest, Gradient Boosting, Naive Bayes and K-Nearest Neighbors (KNN). The results showed that Random Forest and Gradient Boosting presented the best performance, with high F1-score (0.98) and accuracy (98.48%). Naive Bayes also performed reasonably well, with an F1-score of 0.83 and high accuracy (85%). On the other hand, KNN underperformed, with an F1-score of 0.57. Compared to previous studies, this work surpassed existing models in the literature to predict the onset of sepsis. The research could significantly contribute to the application of AI in predicting sepsis, offering positive results for clinical practice.
Tipo do Trabalho:
Dissertação
Referência:
Bezerra, Antonio Diego Costa. Predição de sepse via inteligência artificial em pacientes adultos hospitalizados em unidade de terapia intensiva . 2023. 89 f. Dissertação (Mestrado Acadêmico ou Profissional em 2023) - Universidade Estadual do Ceará, Fortaleza, 2023. Disponível em: Acesso em: 18 de maio de 2024
Universidade Estadual do Ceará - UECE | Departamento de Tecnologia da Informação e Comunicação - DETIC
Política de Privacidade e Segurança Build 1
