.png){kind=logo}
Los hospitales pueden usa el análisis predictivo para identificar pacientes que probablemente corran alto riesgo de sufrir complicaciones no deseadas.
Las afecciones adquiridas en el hospital (HAC), que son complicaciones o afecciones médicas que no están presentes en el momento del ingreso en el hospital, son un problema importante en el sistema de salud. Anualmente, se producen aproximadamente 2,5 millones de HAC entre pacientes hospitalizados mayores de 18 años en los EE. UU., lo que conlleva importantes sanciones financieras para los hospitales que participan en el programa de reducción de enfermedades adquiridas en el hospital, que ascienden a unos 360 millones de dólares cada año (1) (2). Las infecciones adquiridas en el hospital (HAI) constituyen una parte importante de estas HAC y se encuentran entre las principales causas de muerte en el país, ya que uno de cada 31 pacientes hospitalizados tiene una HAI en un momento dado. Esto se traduce en aproximadamente 680 000 infecciones respiratorias al año en los hospitales de cuidados intensivos de EE. UU., de las cuales casi 70 000 son mortales (3) (4). Cada año, las infecciones intrahospitalarias representan entre 28 y 33 000 millones de dólares en gastos sanitarios potencialmente evitables (5). Además, los pacientes con infecciones respiratorias agudas corren un mayor riesgo de sufrir sepsis, la principal causa de muerte y reingresos de pacientes hospitalizados, que afecta al menos a 1,7 millones de adultos y provoca casi 270 000 muertes al año. La septicemia es la afección más cara que se trata en los EE. UU., y los costos de atención médica superan los 60 000 millones de dólares al año (6) (7) (8).
«HacPredict AI» es un algoritmo predictivo desarrollado para mitigar la aparición de HACs en pacientes hospitalizados en todo el mundo. Mediante la evaluación de datos exhaustivos, incluidos la demografía de los pacientes, el estado de salud y los regímenes de tratamiento, HacPredict AI evalúa la posibilidad de que un paciente desarrolle una HAC durante su estancia en el hospital, lo que ayuda a los proveedores de atención médica a mejorar los resultados de los pacientes y a reducir la carga financiera para los sistemas de salud de todo el mundo.
La capacitación de este modelo se guió por un conjunto de datos sintéticos generado a partir de investigaciones, incluida la tarjeta de puntuación nacional sobre el HAC de la Agencia para la Investigación y la Calidad de la Atención Sanitaria (1), las estimaciones de ahorro de costos de Sankaran y otros (2) y las estrategias de prevención del Plan de Acción Nacional sobre las HAI (3). El estudio en profundidad de las infecciones y la sepsis, con los hallazgos de Magill y otros (5) y los CDC (7), dio forma al desarrollo de modelos precisos para la predicción del riesgo de HAC.
