Objetivos: Las descompensaciones implicando ingreso hospitalario constituyen un elemento clave en el declive de la salud del paciente crónico. Por ello, analizaremos mediante técnicas Big Data los datos de monitorización intensiva en las primeras 24 horas de ingreso de pacientes con Enfermedad Pulmonar Obstructiva Crónica (EPOC) o Insuficiencia Cardíaca Crónica (ICC), para: (i) predecir el riesgo de complicaciones durante el ingreso; (ii) predecir el riesgo de reingreso y/o defunción hasta 6 meses después del ingreso; y, (iii) asistir en la toma de decisiones clínicas. Así, pretendemos sacar rendimiento de datos de monitorización intensiva actualmente infrautilizados, para generar conocimiento rápidamente aplicable al Sistema Nacional de Salud. Metodología: Estudio observacional incluyendo pacientes de las consultas de EPOC del Hospital Arnau de Vilanova (n˜400) e ICC del Hospital Santa María (n˜1000) en Lleida, que ingresen en el período 2022-2023 cumpliendo criterios para monitorización intensiva 24h. Estaciones EDAN IM60 (habituales en el Sistema Catalán de Salud), proporcionarán datos continuos de presión arterial, frecuencia cardíaca, electrocardiograma y saturación de oxígeno, entre otros. Se registrarán los ingresos y defunciones hasta 6 meses después del ingreso inicial. Se usarán técnicas Big Data, incluyendo modelos de Machine learning y análisis de sistemas complejos, para generar predicciones. Se comparará la fiabilidad de las predicciones contra indicadores de riesgo convencionales. Se considerará el uso de técnicas Deep learning para analizar imágenes clínicas.
Enfermedad Pulmonar Obstructiva Crónica (EPOC)
Insuficiencia Cardíaca Crónica (ICC)
Big data
monitorización intensiva
predicción del riesgo.
Acción Estratégica en Salud (AES)
01/01/2022 - 31/12/2024
JORDI, DE BATLLE GARCIA
INSTITUTO INV. BIOMEDICA DE LLEIDA. FUNDACION DR. PIFARRE (IRBLLEIDA)
INSTITUTO INV. BIOMEDICA DE LLEIDA. FUNDACION DR. PIFARRE (IRBLLEIDA)
CATALUÑA
LLEIDA
100,000 €