Descripción del proyecto
Tradicionalmente, la toma de decisiones médicas se ha regido por tres prácticas: la experiencia personal, el conocimiento fisiopatológico, y los resultados de los ensayos clínicos. Estas prácticas pueden generar incertidumbre y variabilidad en las decisiones médicas. En caso de la ventilación mecánica invasiva del paciente crítico, la personalización del procedimiento a través de la optimización en la configuración de los parámetros ventilatorios (por ejemplo, modos ventilatorios, frecuencia respiratoria, volumen corriente, etcétera) y la calidad de la interacción paciente-ventilador es crucial para el pronóstico final. Los médicos disponen de información limitada sobre la interacción paciente-ventilador, y si dicha interacción es normal, incómoda o lesiva. La optimización manual del soporte pulmonar requiere mucho tiempo para el personal de la UCI y es propensa a errores. Según la comprensión de los principios fisiológicos involucrados y la evidencia de los estudios clínicos, los médicos manejan la ventilación mecánica evaluando las formas de onda en los monitores de cabecera. Sin embargo, muchos tienen un desempeño deficiente en el manejo de las interacciones paciente-ventilador, y a menudo fallan en la identificación de formas comunes de asincronías. Además, los pacientes toman varios miles de respiraciones cada día, y los profesionales debido a la alta carga y exigencias de trabajo pueden observar solo una pequeña proporción de estas. Todo ello da como resultado una recuperación subóptima del paciente y largas estancias en la UCI, y necesidad de un alto ratio de sanitarios por paciente. El objetivo general de este proyecto es el diseño y desarrollo de una estación de trabajo evaluada en entorno habitual de trabajo, que combinará técnicas de ingeniería de datos con visualizaciones fáciles de interpretar para mostrar información clave de grandes conjuntos de datos del paciente crítico ventilado mecánicamente. Como resultado se dispondrá de una herramienta que:- proporcionará información clínica relevante filtrada para optimizar los flujos de trabajo para una progresión del paciente eficiente y precisa y expandirá la indicación del estado de un paciente para reflejar la progresión exitosa a lo largo de toda la atención.- posibilitará al personal sanitario comprender mejor la calidad de la atención que requiere diariamente el paciente crítico ventilado.- mejorará estándares de calidad, de atención al paciente y gestión de recursos, y apoyo general para los profesionales.- Implementará nuevos indicadores y modelos predictivos, basados en algoritmos de machine learning, que procesen y analicen los datos del paciente, para contribuir al desarrollo de una ventilación mecánica personalizada y asistir al personal sanitario en la toma de decisiones y la gestión de UCIs.La interdisciplinariedad del proyecto asegurará alcanzar las metas y los objetivos definidos. El proyecto combinará eficientemente la experiencia y los métodos de diferentes disciplinas, incluidos socios clínicos, técnicos y de la industria, y representantes de los usuarios finales.