Resultados
Vigilância automatizada de infecções associadas à assistência médica usando um algoritmo de inteligência artificial.
As infecções associadas aos cuidados de saúde (HAIs) estão entre os eventos adversos mais comuns em hospitais. Usamos algoritmos de inteligência artificial (IA) para vigilância de infecção em um estudo de coorte. O modelo detectou corretamente 67 de 73 pacientes com HAIs. O modelo final alcançou uma área sob a curva de operação do receptor (ROC-AUC) de 90,27%; especificidade de 78,86%; sensibilidade de 88,57%. As infecções respiratórias tiveram os melhores resultados (ROC-AUC ≥93,47%).
SAIBA MAIS
Doença de Coronavírus 2019 (Covid-19): Eventos de transmissão em equipe escolar de uma coorte prospectiva brasileira.
A partir de outubro até dezembro de 2020, acompanhamos uma coorte prospectiva de 315 profissionais e 768 alunos de três escolas de Porto Alegre e região metropolitana, com relação a transmissão do Sars-Cov-2. No período as escolas estavam em modo híbrido (com alunos presencial e à distância). As escolas passaram por um processo de revisão de seus protocolos. Através do aplicativo do robô-ISA os profissionais e alunos foram monitorados pela presença de sintomas. Os profissionais que apresentavam sintomas, eram avaliados no mesmo dia por um infectologista. Houve 3.229 respostas, por parte dos profissionais ao robô-ISA. Cinquenta e cinco profissionais reportaram sintomas. Destes, sete profissionais (2,2% do total) foram positivos. A presença de febre, cansaço e mais de 5 sintomas se correlacionaram com a positividade para o Sars-cov-2. Não houve nenhum evento de transmissão relacionado com o trabalho entre os profissionais das escolas.
SAIBA MAIS
Gerenciamento de antimicrobianos por telemedicina em hospital comunitário no sul do Brasil
O programa de tele-stewardship foi implementado em um hospital comunitário de 50 leitos a 575 km de distância. A intervenção iniciou em maio de 2011. Durante o período de 4 meses, 81 avaliações de prescrições foram realizadas. A taxa de adequação das prescrições subiu de 36% para 60% no quarto mês de trabalho. A adesão às recomendações dos especialistas por parte dos profissionais médicos remotos foi de 100%. O estudo demonstrou que ferramentas de telemedicina são possíveis de serem aplicadas a grandes distâncias, com excelente adesão, em hospitais comunitários de no Brasil onde o acesso aos especialistas é mais difícil
SAIBA MAIS
Estudo de intervenção antes-e-depois dos serviços da Qualis no Hospital Regional Alto Vale
De maio de 2014 até abril de 2016, um estudo quasi-experimental em um hospital de 220 leitos, demonstrou que uma intervenção de tele-stewardship reduziu o consumo de antimicrobianos como quinolonas, cefalosporinas de primeira geração, vancomicina e polimixinas. Por outro lado, produziu um aumento no consumo de amoxicilina+clavulanato e cefuroxima. As taxas de adequação das escolhas por antimicrobianos aumentou de 51% para 84%, o que impactou significativamente, na redução da resistência bacteriana, em especial, Acinetobacter spp. resistentes aos carbapenêmicos. Além disso, houve uma redução nos gastos de antimicrobianos na ordem de R$109.730,00 reais (média mensal) antes, para R$ 89.723,00 reais (economia de 20 mil reais mensais).
SAIBA MAIS
Vigilância de infecções relacionadas à assistência à saúde: o algoritmo de aprendizado de máquina reflete as definições do National Healthcare Safety Network
A vigilância das infecções associadas à assistência à saúde (IRAS) é a base do controle de infecções e um dos primeiros passos na prevenção. Tradicionalmente, porém, a vigilância é realizada por profissionais de controle de infecção (PCI), que revisam manualmente os prontuários dos pacientes em busca de critérios definidos. Essa abordagem abre espaço para interpretações subjetivas, resultando em baixa reprodutibilidade entre avaliadores. Além disso, dependendo do método de vigilância utilizado — por exemplo, uma busca baseada em resultados de antimicrobianos — a sensibilidade pode ser baixa. No Brasil, líderes do Hospital Tacchini e da Qualis, uma startup que oferece consultoria em controle de infecção e programas de stewardship de antimicrobianos, desenvolveram um robô com algoritmo de aprendizado de máquina que demonstrou ser uma ferramenta confiável para identificar pacientes com IRAS por meio de um método semiautomatizado. O desempenho desse assistente de vigilância de infecção (ISA) mostrou sensibilidade, especificidade, acurácia e valores preditivos negativos ótimos, além de precisão (valor preditivo positivo) aceitável. O robô ISA identificou mais pacientes com IRAS do que a vigilância manual de referência feita pelo controle de infecção. O tempo gasto na revisão dos pacientes também foi reduzido em comparação com a vigilância manual. O robô detectou IRAS em um a cada dois ou três pacientes revisados na interface. Os anos da pandemia de Covid-19 evidenciaram o problema da escassez de profissionais de saúde, incluindo os PCI. O Hospital Tacchini e a Qualis têm como objetivo aumentar a eficiência do controle de infecção, permitindo que esses profissionais passem mais tempo nas unidades de internação implementando bundles de cuidado, em vez de dedicarem-se a atividades administrativas, como a vigilância manual. Neste estudo, os autores descrevem a implementação de uma vigilância semiautomatizada em um único centro, mas a expansão do modelo para diferentes cenários de pacientes e múltiplos centros deve ser o futuro para a validação externa da vigilância baseada em aprendizado de máquina. Tais modelos têm potencial de generalização porque não dependem apenas de regras fixas para a classificação de IRAS, mas também podem aprender a partir de conjuntos de dados em diferentes contextos populacionais.
SAIBA MAIS
Vigilância de infecções relacionadas à assistência à saúde: o algoritmo de aprendizado de máquina reflete as definições do National Healthcare Safety Network
Contexto: A vigilância das infecções relacionadas à assistência à saúde (IRAS) é a base do controle de infecções. O aprendizado de máquina (ML) tem se mostrado uma ferramenta valiosa para a vigilância de IRAS. Nós comparamos a vigilância manual com um método supervisionado, semiautomatizado por ML, e exploramos os tipos de infecção e as variáveis de importância destacadas pelo modelo.