Evaluación e impacto del uso secundario de los datos del sistema de información clínica para la identificación de parámetros críticos, desarrollo de indicadores y modelos predicitivos en ventilación mecánica

Author

Manrique Moreno, Sara

Director

Bodi Saera, Maria Amparo

Codirector

Rodríguez Oviedo, Alejandro Hugo

Date of defense

2024-10-24

Pages

200 p.



Department/Institute

Universitat Rovira i Virgili. Departament de Medicina i Cirurgia

Abstract

Són molts els paràmetres de ventilació mecànica invasiva (VMI) que s'han postulat com a nocius. No obstant això, la major part dels estudis publicats s'han realitzat amb moments puntuals de VMI. Però la VMI és contínua i el VILI pot aparèixer en qualsevol moment durant la seva connexió, per la qual cosa no reflecteixen la realitat dels pacients crítics ventilats. En aquest context, en aquesta tesi doctoral s’utilitzen les dades extretes de manera contínua durant tot el temps de VMI des del sistema d'informació clínica (SIC) per identificar paràmetres crítics i desenvolupar nous indicadors de qualitat i models predictius en VMI. Per a això, s'han realitzat diferents anàlisis univariades i multivariades per detectar els paràmetres ventilatoris relacionats amb els resultats clínics dels pacients ingressats i ventilats a la UCI. S'han analitzat com a variables independents els dos nous indicadors proposats sobre el temps amb volum tidal (Vt) adequat i el nombre total d'hores amb mechanical power (MP) > 18 J/min. A més, s'ha desenvolupat un model predictiu de MP que alerti el clínic de quan es superaran els límits segurs per poder evitar el dany abans que es produeixi. S'ha objectivat que l'adherència a les guies de pràctica clínica respecte a la VMI protectora segueix sent baixa i que els pacients que passen més del 80% del temps amb Vt < 8ml/KgPI tenen menys dies de VMI i estada a la UCI, encara que sense diferències significatives en la mortalitat. No obstant això, el nombre total d'hores amb MP > 18 J/min s'associen de manera significativa amb un augment de la mortalitat, sobretot en els pacients hipoxèmics. Aquesta tesi doctoral també ha demostrat que desenvolupar i implementar un model predictiu d'intel·ligència artificial de MP és factible i podria disminuir el VILI.


Son muchos los parámetros de ventilación mecánica invasiva (VMI) que se han postulado como dañinos. Sin embargo, la mayor parte de los estudios publicados se han realizado con momentos puntuales de VMI. Pero, la VMI es continua y el VILI puede aparecer en cualquier momento durante su conexión, por lo que no reflejan la realidad de los pacientes críticos ventilados. En este contexto, en esta tesis doctoral se hace uso de los datos extraídos de manera continua durante todo el tiempo de VMI desde el sistema de información clínica (SIC) para identificar parámetros críticos y desarrollar nuevos indicadores de calidad y modelos predictivos en VMI. Para ello, se han realizado diferentes análisis univariados y multivariados para detectar los parámetros ventilatorios relacionados con los resultados clínicos de los pacientes ingresados y ventilados en UCI. Se han analizado como variables independientes los dos nuevos indicadores propuestos sobre el tiempo con volumen tidal (Vt) adecuado y el número de horas totales con mechanical power (MP) > 18 J/min. Además, se ha desarrollado un modelo predictivo de MP que alerte al clínico de cuándo se van a sobrepasar los límites seguros para poder evitar el daño antes de que se produzca. Se ha objetivado que la adherencia a las guías de práctica clínica respecto a la VMI protectora sigue siendo baja y que los pacientes que pasan más del 80% del tiempo con Vt<8ml/KgPI tienen menos días de VMI y estancia en UCI, aunque sin diferencias significativas en la mortalidad. Sin embargo, el número de horas totales con MP> 18J/min se asocian de manera significativa con un aumento de la mortalidad, sobretodo en los pacientes hipoxémicos. Esta tesis doctoral también ha demostrado que desarrollar e implementar un modelo predictivo de inteligencia artificial de MP es factible y podría disminuir el VILI.


Many invasive mechanical ventilation (IMV) parameters have been suggested as harmful. However, most of the published studies have been conducted with snapshots of IMV. But IMV is continuous, and VILI can occur at any moment during its application, so these studies do not reflect the reality of ventilated critically ill patients. In this context, this doctoral thesis uses continuously extracted data throughout the entire duration of IMV from the clinical information system (CIS) to identify critical parameters and develop new quality indicators and predictive models in IMV. For this purpose, various univariate and multivariate analyses have been conducted to detect ventilatory parameters related to clinical outcomes in patients admitted to and ventilated in the ICU. The two new proposed indicators about time spent with an appropriate tidal volume (Vt) and the total number of hours with mechanical power (MP) > 18 J/min were analyzed as independent variables. Additionally, a predictive model for MP has been developed to alert clinicians when safe limits are about to be exceeded to prevent damage before it occurs. It has been shown that adherence to clinical practice guidelines for protective IMV remains low and that patients who spend more than 80% of the time with Vt < 8ml/KgIBW have fewer days on IMV and a shorter ICU stay, although there are no significant differences in mortality. However, the total number of hours with MP > 18 J/min is significantly associated with increased mortality, particularly in hypoxemic patients. This doctoral thesis has also demonstrated that developing and implementing a predictive artificial intelligence model for MP is feasible and could reduce VILI

Keywords

big data; sistemes d’informació clínica; dany pulmonar induït per la ventilació mecànica; Sistemas de información clínica; Daño pulmonar inducido por la ventilación mecánica; Clinical information systems; Ventilator induced lung injury

Subjects

616.2 - Pathology of the respiratory system. Complaints of the respiratory organs

Knowledge Area

Ciències de la salut

Documents

TESI Sara Manrique Moreno.pdf

11.47Mb

 

Rights

ADVERTIMENT. Tots els drets reservats. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs.

This item appears in the following Collection(s)