Innotransfer 2021 - Red de Parques Científicos de la comunitat Valenciana

Ficha del Reto Innotransfer

UPV_21

Título del reto

EOI CERRADA – Modelo predictivo de gestión del riesgo del paciente hospitalizado como sistema de ayuda a la decisión clínica

Necesidad a resolver

La identificación del riesgo de los pacientes (grado de vulnerabilidad) es clave para establecer los tiempos y tipos de cuidados de enfermería, planificar y programar recursos, y para prevenir la cronicidad. Para valorar el riesgo del paciente, se usan escalas que le asignan una puntuación que determina su grado de dependencia o estado en diferentes ámbitos, por medio de la agregación y ponderación de las puntuaciones obtenidas en un conjunto de preguntas tipo test. En los hospitales, cada servicio utiliza un subconjunto específico de escalas, siendo cumplimentadas por el/la enfermero/a responsable del paciente al realizar su valoración al ingreso. En algunos casos, sus resultados se registran en la Historia Clínica Electrónica (HCE) del paciente (en los hospitales más punteros en TIC). Por un lado, no existe un valor integral del riesgo del paciente, sino que los diferentes valores de riesgo están especializados por áreas de funcionamiento. Por otro lado, el tratamiento de estos datos depende totalmente de la experiencia y pericia de los profesionales de enfermería y del sistema usado para su registro (muy expuestos a fallos de interpretación y/o registro). Este proyecto plantea el primer paso para la obtención de una valoración integral del riesgo de paciente, que pueda integrarse fácilmente en el HCE para su uso como sistema de ayuda a la toma de decisiones.

Sector

Perfil del colaborador buscado

1. Grupo de Investigación especializado en la investigación científica e innovación en cuidados de enfermería. 2. Empresa de gestión sanitaria pública/privada con interés en la innovación tecnológica en cuidados de enfermería.

Prioridad de la solución

AVI-01

Referencias

Para dar cumplimento a este objetivo, se plantea: 1. Revisar el estado del arte en la predicción del riesgo de los pacientes hospitalizados; 2. Especificar las variables principales del modelo y cuyas métricas asociadas se utilizan para determinar el éxito del proyecto; 3. Identificar los orígenes de datos pertinentes a los que se tiene acceso; 4. Generar un conjunto de datos limpio y de alta calidad; 5. Desarrollar una arquitectura de canalización que actualice y evalúe los datos; 6. Determinar las características óptimas de los datos para los modelos de aprendizaje; 7. Crear un modelo de aprendizaje automático que prediga la variable objetivo (riesgo) con la máxima precisión y adecuado para entornos de producción; 8. Evaluar los modelos en un entorno prototipo que represente fielmente al entorno final en el que el sistema será finalmente desplegado; 9. Implementar los modelos con canalización de datos en un entorno de producción o similar para que el usuario final los acepte.

Proponer una solución​