.png){kind=logo}
Os hospitais podem aproveitar a análise preditiva para identificar pacientes que provavelmente correm alto risco de complicações indesejáveis.
As condições adquiridas no hospital (HACs), que são complicações ou condições médicas não presentes no momento da admissão hospitalar, são um problema significativo no sistema de saúde. Anualmente, aproximadamente 2,5 milhões de HACs ocorrem entre pacientes internados com mais de 18 anos nos EUA, levando a penalidades financeiras substanciais para hospitais sob o Programa de Redução de Condições Adquiridas em Hospitais, totalizando cerca de 360 milhões de dólares por ano (1) (2). As infecções hospitalares (IRAS) constituem a maior parte desses HACs e estão entre as principais causas de morte no país, com um em cada 31 pacientes hospitalizados tendo uma IRA a qualquer momento. Isso resulta em aproximadamente 680.000 HAIs anualmente em hospitais de cuidados intensivos dos EUA, quase 70.000 dos quais são fatais (3) (4). As HAIs contribuem com impressionantes $28 a $33 bilhões em despesas de saúde potencialmente evitáveis a cada ano (5). Além disso, pacientes com HAIs correm maior risco de sepse, a principal causa de morte e readmissões em pacientes internados, afetando pelo menos 1,7 milhão de adultos e resultando em quase 270.000 mortes anualmente. A sepse é a condição mais cara tratada nos EUA, com custos de saúde superiores a 60 bilhões de dólares por ano (6) (7) (8).
O “HacPredict AI” é um algoritmo preditivo desenvolvido para mitigar a ocorrência de HACs em pacientes hospitalizados em todo o mundo. Ao avaliar dados abrangentes, incluindo dados demográficos do paciente, estado de saúde e regimes de tratamento, o HacPredict AI avalia o potencial de um paciente desenvolver um HAC durante sua internação hospitalar, apoiando assim os profissionais de saúde na melhoria dos resultados dos pacientes e na redução da carga financeira dos sistemas de saúde em todo o mundo.
O treinamento desse modelo foi guiado por um conjunto de dados sintéticos gerado a partir de pesquisas, incluindo o scorecard nacional de HAC da Agency for Healthcare Research and Quality (1), estimativas de economia de custos de Sankaran et al. (2) e estratégias de prevenção do Plano de Ação Nacional de HAI (3). Um estudo aprofundado de infecções e sepse, com descobertas de Magill et al. (5) e do CDC (7), moldou o desenvolvimento de modelos precisos para a previsão do risco de HAC.
