Desarrollo de un protocolo de innovación asistencial para el manejo de la disfagia orofaríngea en ancianos hospitalizados: cribado sistemático mediante Machine Learning, diagnóstico clínico y tratamiento compensador con Intervenciones Mínimas-Masivas

Abstract

La disfàgia orofaringia (DO) és un símptoma caracteritzat per la dificultat per formar i/o propulsar el bolus alimentici de la boca a l'esòfag. La DO presenta greus complicacions associades, com la deshidratació i malnutrició (MN), i el desenvolupament d'infeccions respiratòries i pneumònia aspirativa (PA). La principal hipòtesi d'aquesta tesi doctoral és que el desenvolupament i la implementació d'un software basat en intel·ligència artificial fa possible el cribratge sistemàtic i automàtic dels pacients en risc d'un hospital millorant així el diagnòstic de DO i que una Intervenció Mínima-Massiva (IMM) permet tractar amb mesures cost-eficients els pacients ancians hospitalitzats amb DO. L'objectiu principal d'aquesta tesi és desenvolupar i implementar un sistema expert basat en Machine Learning que calculi el risc de DO a partir de la història clínica electrònica dels pacients gans hospitalitzats i avaluar l'efecte d'una IMM sobre els reingressos, les infeccions i la supervivència als 6 mesos dels pacients ancians) hospitalitzats amb DO. Alhora, descriure la prevalença i les conseqüències clíniques de la DO, MN i FR sobre els pacients greus ingressats per COVID-19. CAPÍTOL 1: Planteja l'abordatge dels pacients ancians hospitalitzats amb DO mitjançant una IMM. L'objectiu ha estat avaluar els efectes d'una IMM i tractar la DO, la MN i la salut oral en ancians hospitalitzats i avaluar-ne l'impacte sobre infeccions respiratòries, reingressos i supervivència a l'alta hospitalària. Els principals resultats d'aquest estudi confirmen que els pacients tractats amb la IMM presenten una disminució de reingressos, d’infeccions respiratòries de vies baixes i una supervivència superior als 6 mesos. CAPÍTOL 2: Atesa la irrupció de la pandèmia COVID-19, s'ha estudiat l'associació de la infecció per SARS-CoV-2 amb la DO i la MN. L'objectiu ha estat avaluar la prevalença, els factors de risc i els resultats clínics de la DO i MN en els pacients ingressats. Els resultats mostren una elevada prevalença amb una pèrdua notable de pes abans i durant l'hospitalització. Els pacients morts durant l'hospitalització eren significativament més grans, amb pitjor estat funcional, més comorbiditats, i amb més prevalença de DO i de MN. CAPÍTOL 3: L´objectiu de l´estudi ha estat investigar el rol de la FR, DO i MN sobre la mortalitat durant l´hospitalització i als 3 mesos de l´alta hospitalària en pacients de més de 70 anys amb infecció per SARS-CoV-2. Als resultats s'ha observat una prevalença molt elevada de FR, DO i MN a la població d'estudi. Tots tres factors es van associar amb la mortalitat intrahospitalària i als 3 mesos de seguiment. CAPÍTOL 4: Creació d'un software basat en IA per al cribratge sistemàtic i massiu de DO en pacients hospitalitzats. L'objectiu d'aquest estudi ha estat desenvolupar un sistema expert (SE) basat en Machine Learning que calculi el risc de DO en base a la informació recollida a la Història Clínica Electrònica. El principal resultat d'aquest estudi és la factibilitat de desenvolupar un SE que proporcioni un cribratge precís, sistemàtic i universal de la DO en temps real durant l'ingrés hospitalari de tots els pacients grans ingressats a un hospital general. Les conclusions principals d'aquesta tesi doctoral són que el software AIMS-OD presenta unes bones característiques psicomètriques i proporciona un cribratge sistemàtic de la DO durant l'ingrés hospitalari, permetent seleccionar aquells pacients que necessiten un diagnòstic clínic i un posterior tractament amb Intervencions Mínimes Massives per a DO. A més, que la prevalença i la incidència de DO i MN en els pacients hospitalitzats a les unitats COVID-19 és molt alta i que la suma d'aquestes dues condicions juntament amb la FR, són factors de risc per a la mortalitat en pacients infectats per SARS -CoV-2.

La disfagia orofaríngea (DO) es un síntoma caracterizado por la dificultad para formar y/o propulsar el bolo alimenticio de la boca en el esófago. La DO presenta graves complicaciones asociadas como la deshidratación y malnutrición (MN) y el desarrollo de infecciones respiratorias y neumonía aspirativa (PA). La principal hipótesis de esta tesis doctoral es que el desarrollo y la implementación de un software basado en inteligencia artificial posibilita el cribado sistemático y automático de los pacientes en riesgo de un hospital mejorando así el diagnóstico de DO y que una Intervención Mínima-Masiva (IMM) permite tratar con medidas coste-eficientes a los pacientes hospitalizados con DO. El objetivo principal de esta tesis es desarrollar e implementar un sistema experto basado en Machine Learning que calcule el riesgo de DO a partir de la historia clínica electrónica de los pacientes hospitalizados y evaluar el efecto de una IMM sobre los reingresos, infecciones y la supervivencia a los 6 meses de los pacientes ancianos hospitalizados con DO. Asimismo, describir la prevalencia y las consecuencias clínicas de la DO, MN y FR sobre los pacientes graves ingresados por COVID-19. CAPÍTULO-1: Plantea el abordaje de los pacientes ancianos hospitalizados con DO mediante una IMM. El objetivo ha sido evaluar los efectos de una IMM y tratar la DO, la MN y la salud oral en ancianos hospitalizados y evaluar su impacto sobre infecciones respiratorias, reingresos y supervivencia en el alta hospitalaria. Los principales resultados de este estudio confirman que los pacientes tratados con la IMM presenten una disminución de reingresos, infecciones respiratorias de vías bajas y una supervivencia superior a 6 meses. CAPÍTULO-2: Se ha estudiado la asociación de la infección por SARS-CoV-2 con la DO y la MN. El objetivo ha sido evaluar la prevalencia, factores de riesgo y resultados clínicos de la DO y MN a los pacientes ingresados. Los resultados muestran una elevada prevalencia con una notable pérdida de peso antes y durante la hospitalización. Los pacientes fallecidos durante la hospitalización eran significativamente mayores, con mayor estado funcional, más comorbilidades, y con mayor prevalencia de DO y de MN. CAPÍTULO-3: El objetivo del estudio ha sido investigar el rol de FR, DO y MN sobre la mortalidad durante la hospitalización y a los 3 meses del alta hospitalaria en pacientes ancianos con infección por SARS-CoV-2. En los resultados se observa una prevalencia elevada de FR, DO y MN en la población de estudio. Los tres factores se asociaron con la mortalidad intrahospitalaria y los 3 meses de seguimiento. CAPÍTULO-4: Creación de un software para el cribado sistemático y masivo de DO en pacientes hospitalizados. El objetivo de este estudio ha sido desarrollar un sistema experto (SE) basado en Machine Learning que calcule el riesgo de DO en base a la información recogida en la Historia Clínica Electrónica. El principal resultado de este estudio es la factibilidad de desarrollar un SE que proporcione un cribado preciso, sistemático y universal de la DO en tiempo real durante el ingreso hospitalario de todos los pacientes mayores ingresados en un hospital general. Las conclusiones principales de esta tesis doctoral son que el software AIMS-OD presenta unas buenas características psicométricas y proporciona un cribado sistemático de la DO durante el ingreso hospitalario, permitiendo seleccionar a aquellos pacientes que necesitan un diagnóstico clínico y un posterior tratamiento con Intervenciones Mínimas Masivas para DO. Además, que la prevalencia y la incidencia de DO y MN en los pacientes hospitalizados en las unidades COVID-19 es muy alta y que la suma de estas dos condiciones junto con la FR, son factores de riesgo para la mortalidad en pacientes infectados por SARS -CoV-2.

Oropharyngeal dysphagia (OD) is a symptom characterized by difficulty in forming and/or moving the alimentary bolus from the mouth to the esophagus. OD is associated to serious complications, such as dehydration and malnutrition (MN), and respiratory infections including aspiration pneumonia (AP). The main hypothesis of this doctoral thesis is that the development and implementation of software based on artificial intelligence can provide systematic screening of all patients at risk of OD. In addition, the development of a minimal-massive intervention (MMI) can provide cost-efficient procedure for older hospitalized patients with OD. To fulfill this objective, we have developed and implemented an expert system (ES) based on machine learning that calculates the risk of OD from the electronic medical records of all patients in a hospital. In addition, we assess the effect of an MMI on readmissions, infections and 6-month survival rate of older patients hospitalized with OD. Finally, we describe the prevalence and clinical consequences of OD, MN and frailty (FR) on patients admitted with COVID-19. CHAPTER-1: The introduction of a multimodal and multidisciplinary intervention (MMI) for hospitalized older patients with OD. The objective of this chapter was to evaluate the effects of the MMI and treat OD, MN and oral health in hospitalized older patients, evaluating the impact on respiratory infections, readmissions and survival rates. The main results of this study confirm that patients treated with MMI showed a significant decrease in general readmissions, readmissions for low-track respiratory infections, and greater survival at 6-month follow up. CHAPTER-2: We studied the association between SARS-CoV-2 infection and OD and MN. The objective was to evaluate the prevalence, risk factors and clinical results of OD and MN in patients admitted to Mataró Hospital. The main results show that the prevalence of impaired nutritional and swallowing status were high, with notable weight loss before and during hospitalization. The patients who died during hospitalization were significantly older, with worse functional status, more comorbidities, and a higher prevalence of OD and MN. CHAPTER-3: The aim of the study was to investigate the role of FR, OD and MN on mortality during hospitalization and 3 months after hospital discharge in older patients with SARS-CoV-2 infection. In the results, a very high prevalence of FR, OD and MN was observed in the study population. The three factors were associated with in-hospital mortality and at 3-month follow up. CHAPTER-4: Study of the conceptualization of software based on artificial intelligence for the universal, systematic and massive screening of OD in hospitalized patients. The objective of this study was to develop an expert system (ES) based on machine learning that calculates the risk of OD based on the information collected in the electronic medical records on hospital admission. The main result of this study was the feasibility of developing an ES (AIMS-OD) that provides accurate, systematic and universal screening of OD in real time during hospital admission of all older patients admitted to a general hospital. The main conclusion of this doctoral thesis are that the AIMS-OD software presents good psychometric characteristics and provides a systematic and universal screening of OD in real time during hospital admission, allowing the selection of those patients who need a clinical diagnosis and subsequent treatment with MMI for OD. Another conclusion is that the prevalence and incidence of OD and MN in patients hospitalized in COVID-19 wards is very high and that the sum of these two conditions together with FR are risk factors for mortality in patients infected with SARS-CoV-2.