Comparte esta noticia

'Machine learning' sobre datos de la historia clínica para predecir ingresos en UCI en 'pacientes Covid-19'

Big Data

DIARIOFARMA  |    27.05.2020 - 18:39

José Luis Izquierdo, del Hospital Universitario de Guadalajara, y Joan Soriano y Julio Ancochea, del Hospital La Princesa de Madrid, han hecho públicos los primeros resultados del estudio Big COVIData, en el que, a través de tecnologías de Machine Learning y Procesamiento del Lenguaje Natural clínico (cNLP), se definen, con fines predictivos, las características clínicas de los pacientes de coronavirus que requieren cuidados intensivos a partir de datos reales extraídos automáticamente del texto libre de la historia clínica electrónica anonimizada.

Entre esos resultados, destavan que, de los pacientes hospitalizados por coronavirus, el 6% requieren el ingreso en UCI y los factores más frecuentes que se asocian a dicho ingreso son la edad (principalmente mayores de 58 años), la presencia de fiebre mayor de 39ºC (o menor de 39ºC con problemas respiratorios, específicamente crepitantes) y especialmente la taquipnea (más de 20 respiraciones por minuto), tanto cuando el paciente es atendido en medio hospitalario, como en Atención Primaria.

En este primer corte, a través del análisis de los datos recogidos en el Servicio de Salud de Castilla-La Mancha de 10.504 pacientes con diagnóstico clínico o PCR confirmada por COVID-19, se constata que los síntomas más frecuentes de los ingresos hospitalarios fueron la tos, la fiebre y la disnea, aunque se dan en menos del 50% de pacientes. Entre las comorbilidades más comunes que presentan los pacientes afectados por COVID-19 se encuentran las enfermedades cardiovasculares, especialmente la hipertensión.

Para llegar a esos resultados han utilizado la tecnología EHRead, de Savana, que permite la extracción de la información de las historias clínicas electrónicas, reduciendo el tiempo empleado y analizando grandes cohortes de pacientes.

Izquierdo subraya que, como una de las lecciones aprendidas, "que la combinación de tres variables clínicas fácilmente medibles en el diagnóstico son claves a la hora de identificar qué pacientes tienen peor pronóstico". "Este dato es muy útil y los profesionales sanitarios de todo el mundo pueden incorporarlo fácilmente a su práctica clínica, ya que dichos tres factores pronósticos son indicadores claros para remitir a estos pacientes a los hospitales lo antes posible (antes de que la condición empeore) sin tener que someterlos a pruebas ni requerir materiales inaccesibles".

lineagris-494

Síguenos en redes sociales



Comentarios

Aún no hay comentarios, sé el primero en comentar!

avatar
wpDiscuz