Uso de algoritmos de aprendizado de máquina para o diagnóstico precoce de infecção da corrente sanguínea em pacientes internados na unidade de terapia intensiva pediátrica (2024)
- Authors:
- Autor USP: LIPORACI, FELIPE MARTINS - FMRP
- Unidade: FMRP
- DOI: 10.11606/D.17.2024.tde-22012025-170852
- Subjects: APRENDIZADO COMPUTACIONAL; CIRCULAÇÃO SANGUÍNEA
- Keywords: Aprendizado de máquina; Bloodstream infection; Detecção precoce; Early detection; Infecção de corrente sanguínea; Machine learning
- Agências de fomento:
- Language: Português
- Abstract: A infecção da corrente sanguínea (ICS) está associada ao aumento da morbidade e da mortalidade na unidade de terapia intensiva pediátrica (UTIP) e a altos custos de saúde. A detecção precoce e o tratamento adequado da ICS podem melhorar o desfecho do paciente. Os dados sobre modelos de aprendizado de máquina para prever ICS em pacientes pediátricos são limitados e nenhum dos estudos incluiu dados de séries temporais. Nosso objetivo foi desenvolver um modelo de aprendizado de máquina para predizer o diagnóstico precoce de ICS em pacientes internados na UTIP. Este foi um estudo de coorte retrospectivo de pacientes que tiveram pelo menos um resultado de hemocultura positivo durante a internação em uma UTIP de um hospital universitário terciário, no período de 1o de janeiro a 31 de dezembro de 2019. Pacientes com hemocultura positiva com crescimento de contaminantes e aqueles com dados incompletos foram excluídos. Os modelos foram desenvolvidos utilizando dados demográficos, clínicos e laboratoriais coletados do prontuário eletrônico. Dados laboratoriais (hemograma completo com diferencial e proteína C reativa) e sinais vitais (frequência cardíaca, frequência respiratória, pressão arterial, temperatura, saturação de oxigênio) foram obtidos 72 horas antes e no dia da coleta da hemocultura. Um total de 8.816 dados de 76 pacientes foram processados pelos modelos. O comitê máquina foi o modelo com melhor desempenho, apresentando acurácia de 99,33%, precisão de 98,89%, sensibilidade de 100% e especificidade de 98,46%. Assim, desenvolvemos um modelo utilizando dados demográficos, clínicos e laboratoriais coletados rotineiramente que foi capaz de detectar ICS com excelente acurácia e precisão, além de alta sensibilidade e especificidade. A inclusão dos sinais vitais e da variação dos dados laboratoriais ao longo do tempo permitiu ao modelo identificar alterações temporais que poderiam ser sugestivas do diagnóstico deICS. Nosso modelo pode auxiliar a equipe médica na tomada de decisão clínica, criando um alerta no prontuário eletrônico, o que pode permitir o início precoce de antimicrobianos e melhores resultados
- Imprenta:
- Publisher place: Ribeirão Preto
- Date published: 2024
- Data da defesa: 06.09.2024
- Este periódico é de acesso aberto
- Este artigo NÃO é de acesso aberto
-
ABNT
LIPORACI, Felipe Martins. Uso de algoritmos de aprendizado de máquina para o diagnóstico precoce de infecção da corrente sanguínea em pacientes internados na unidade de terapia intensiva pediátrica. 2024. Mestrado Profissionalizante – Universidade de São Paulo, Ribeirão Preto, 2024. Disponível em: https://www.teses.usp.br/teses/disponiveis/17/17165/tde-22012025-170852/. Acesso em: 24 fev. 2026. -
APA
Liporaci, F. M. (2024). Uso de algoritmos de aprendizado de máquina para o diagnóstico precoce de infecção da corrente sanguínea em pacientes internados na unidade de terapia intensiva pediátrica (Mestrado Profissionalizante). Universidade de São Paulo, Ribeirão Preto. Recuperado de https://www.teses.usp.br/teses/disponiveis/17/17165/tde-22012025-170852/ -
NLM
Liporaci FM. Uso de algoritmos de aprendizado de máquina para o diagnóstico precoce de infecção da corrente sanguínea em pacientes internados na unidade de terapia intensiva pediátrica [Internet]. 2024 ;[citado 2026 fev. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17165/tde-22012025-170852/ -
Vancouver
Liporaci FM. Uso de algoritmos de aprendizado de máquina para o diagnóstico precoce de infecção da corrente sanguínea em pacientes internados na unidade de terapia intensiva pediátrica [Internet]. 2024 ;[citado 2026 fev. 24 ] Available from: https://www.teses.usp.br/teses/disponiveis/17/17165/tde-22012025-170852/
Informações sobre o DOI: 10.11606/D.17.2024.tde-22012025-170852 (Fonte: oaDOI API)
How to cite
A citação é gerada automaticamente e pode não estar totalmente de acordo com as normas
