Avaliação do impacto na identificação de pacientes com risco de sepse após implantação de um robô cognitivo gerenciador de riso (Robô Laura)

Registro completo de metadados
MetadadosDescriçãoIdioma
Autor(es): dc.contributorFaria, Rubens Alexandre de-
Autor(es): dc.contributorhttp://lattes.cnpq.br/3343221563536802-
Autor(es): dc.contributorDias, Viviane Maria de Carvalho Hessel-
Autor(es): dc.contributorhttp://lattes.cnpq.br/8259997811990791-
Autor(es): dc.contributorSchneider Júnior, Bertoldo-
Autor(es): dc.contributorPilonetto, Marcelo-
Autor(es): dc.contributorDias, Viviane Maria de Carvalho Hessel-
Autor(es): dc.creatorKalil, Aline Junskowski-
Data de aceite: dc.date.accessioned2022-02-21T21:44:19Z-
Data de disponibilização: dc.date.available2022-02-21T21:44:19Z-
Data de envio: dc.date.issued2018-03-09-
Data de envio: dc.date.issued2018-03-09-
Data de envio: dc.date.issued2017-10-30-
Fonte completa do material: dc.identifierhttp://repositorio.utfpr.edu.br/jspui/handle/1/2982-
Fonte: dc.identifier.urihttp://educapes.capes.gov.br/handle/capes/659433-
Descrição: dc.descriptionSepsis is considered a public health problem, with early diagnosis being the main factor for successful treatment. The Robot Laura® (#laurabot) is a cognitive robot that uses artificial intelligence and machine learning to identify patients hospitalized with alteration of vital data and laboratory tests, that may be related to an infection and / or sepsis, alerting the health professionals to anticipate the directed attention for this syndrome. This study aims to evaluate the impact of the implantation of this cognitive robot in the processes related to the identification and care of patients with risk of sepsis, in a clinical-surgical unit of a private hospital in Curitiba-PR. The study data were obtained from the retrospective review of 60 medical records of patients identified with infection and / or sepsis, in the period of six months before and after implantation of the technology in the hospital. For an additional analysis, the information about the average attendance time (AAT), that represents the average time of insertion of any type of data in the electronic medical record system) was obtained from the autonomous reading of the robot. As a result, the average and median time to antibiotic prescribing from the first identified sign of infection was 390/77 and 109/58 respectively in the six months before and after the implantation of the technology, however this difference was not statistically significant (p = 0.85). With respect to AAT, it was possible to observe a statistically significant reduction (p = 0.02) in the average time of insertion of any type of information in the electronic chart when comparing the periods of six months before and after the implantation of the technology (305 and 280, respectively). Considering the findings of this study, it is possible to say that technologies such as these can be promising in helping health care professional to identify patient risk situations, as well as help them optimize the care needed. However, additional studies with a greater number of subjects are necessary to consistently validate the founded results.-
Descrição: dc.descriptionA sepse é considerada um problema de saúde pública, sendo o diagnóstico precoce um dos principais fatores para o sucesso do tratamento. O Robô Laura® (#laurabot) é um robô cognitivo que utiliza a inteligência artificial e machine learning para identificar pacientes internados com alteração de dados vitais e exames laboratoriais, que possam estar relacionados com uma infecção e/ou sepse, alertando os profissionais da saúde para antecipar o atendimento direcionado para esta síndrome. Este estudo tem como objetivo avaliar o impacto da implantação deste robô cognitivo nos processos relacionados à identificação e atendimento ao paciente com risco de sepse, em uma unidade clínico-cirúrgica de um hospital privado de Curitiba-PR. Os dados do estudo foram obtidos a partir da revisão retrospectiva de 60 prontuários de pacientes identificados com infecção e/ou sepse, no período de seis meses antes e após a implantação da tecnologia no hospital, de acordo com a metodologia usual da instituição. Para complementar a análise, foi obtida a informação sobre o tempo médio de atendimento (média de tempo de inserção de qualquer tipo de dado no sistema de prontuário eletrônico) a partir da leitura autônoma do robô. Como resultado, a média e mediana do intervalo de tempo em minutos para prescrição do antibiótico a partir do primeiro sinal identificado de infecção foi de 390/77 e 109/58, respectivamente, no período de seis meses antes e após a implantação da tecnologia. Contudo, esta diferença não obteve relevância estatística (p=0,85). Com relação ao tempo médio de atendimento (TMA) foi possível observar redução de 25 minutos quando comparados os períodos de seis meses, antes e após a implantação da tecnologia (305 e 280 minutos respectivamente), diferença esta considerada estatisticamente relevante (p=0,02). Diante dos achados deste estudo, é possível afirmar que tecnologias como esta são promissoras em auxiliar profissionais de saúde na identificação de situações de risco, bem como no consequente estímulo à otimização da assistência prestada. Assim, estudos adicionais com maior número de sujeitos analisados são necessários para validar consistentemente os resultados encontrados.-
Formato: dc.formatapplication/pdf-
Idioma: dc.languagept_BR-
Publicador: dc.publisherUniversidade Tecnológica Federal do Paraná-
Publicador: dc.publisherCuritiba-
Publicador: dc.publisherBrasil-
Publicador: dc.publisherPrograma de Pós-Graduação em Engenharia Biomédica-
Publicador: dc.publisherUTFPR-
Direitos: dc.rightsopenAccess-
Palavras-chave: dc.subjectSepticemia-
Palavras-chave: dc.subjectInteligência artificial - Aplicações médicas-
Palavras-chave: dc.subjectRobôs - Uso em diagnóstico-
Palavras-chave: dc.subjectCuidados médicos-
Palavras-chave: dc.subjectClínica médica - Inovações tecnológicas-
Palavras-chave: dc.subjectRegistros médicos-
Palavras-chave: dc.subjectProtocolos médicos-
Palavras-chave: dc.subjectAprendizado do computador-
Palavras-chave: dc.subjectEngenharia Biomédica-
Palavras-chave: dc.subjectSepticemia-
Palavras-chave: dc.subjectArtificial intelligence - Medical applications-
Palavras-chave: dc.subjectRobots - Diagnostic use-
Palavras-chave: dc.subjectMedical care-
Palavras-chave: dc.subjectClinical medicine - Technological innovations-
Palavras-chave: dc.subjectMedical records-
Palavras-chave: dc.subjectMedical protocols-
Palavras-chave: dc.subjectMachine learning-
Palavras-chave: dc.subjectBiomedical engineering-
Palavras-chave: dc.subjectCNPQ::ENGENHARIAS::ENGENHARIA BIOMEDICA::ENGENHARIA MEDICA-
Palavras-chave: dc.subjectEngenharia Biomédica-
Título: dc.titleAvaliação do impacto na identificação de pacientes com risco de sepse após implantação de um robô cognitivo gerenciador de riso (Robô Laura)-
Título: dc.titleImpact assessment in identifying patients at risk of sepsis after a deployment of a cognitive robot risk manager (Robot Laura)-
Tipo de arquivo: dc.typelivro digital-
Aparece nas coleções:Repositorio Institucional da UTFPR - RIUT

Não existem arquivos associados a este item.