Aplicación de data mining con parámetros hemodinámicos para predecir gasto cardíaco o resistencia vascular sistémica

Abstract

La acelerada evolución de la tecnología de la información ha generado que se cuente con muchos datos en los hospitales; sin embargo, la mayoría de la información almacenada no está disponible para ser utilizada o analizada. A partir de sus experiencias y de los resultados de pruebas en tiempos específicos, los médicos intentan anticiparse a futuros eventos y predecir o realizar intervenciones oportunas. Actualmente, existe una inconsistencia en el uso de intervenciones invasivas evitadas debido a que son invasivas o incrementan el riesgo en los pacientes. La evaluación precisa del sistema circulatorio es importante para los pacientes en estado crítico. Generalmente, los cambios en el estado circulatorio ocurren rápidamente, por lo que se requiere monitoreo continuo. La disponibilidad continua del gasto cardíaco (CO) o de la resistencia vascular sistémica (SVR) podrían brindar información relevante a los médicos en la gestión dinámica de dichos pacientes. Esta investigación, se enfoca en extender el uso de parámetros hemodinámicos utilizando un enfoque de data mining con métricas clínicas disponibles para producir modelos individuales hemodinámicos predictivos. Se ha desarrollado un modelo de predicción específico para el paciente del gasto cardíaco (CO) (R 2 = 0.722) con un porcentaje de error de 29.1 % y un modelo de predicción para la resistencia vascular sistémica (SVR) (R2 = 0.94) con un porcentaje de error de 16.7 %. Estos resultados son confiables en 94 horas tras una cirugía para pacientes con problemas cardíacos.