Um sistema de apoio à decisão clínica baseado em aprendizado de máquina pode melhorar o manejo da síndrome pós-embolização por enfermeiros e os desfechos dos pacientes?
Resposta curta: Sim. Em ensaio clínico randomizado com 40 enfermeiros e 51 pacientes, o sistema de apoio à decisão clínica melhorou atitudes centradas no paciente, identificação de barreiras ao manejo da dor e competência em cuidados de conforto entre enfermeiros, além de reduzir a interferência de sintomas nos pacientes.
Resposta
A síndrome pós-embolização é uma complicação frequente após a quimioembolização transarterial para carcinoma hepatocelular, podendo comprometer a qualidade de vida. O estudo avaliou se um sistema de apoio à decisão clínica (SADC) baseado em aprendizado de máquina poderia auxiliar enfermeiros no manejo dessa síndrome e melhorar desfechos dos pacientes.
Trata-se de um ensaio clínico randomizado que incluiu 40 enfermeiros e 51 pacientes hospitalizados. Os enfermeiros do grupo experimental receberam acesso ao SADC e a um manual por 6 semanas, enquanto o grupo controle recebeu apenas o manual. O SADC fornecia predição de risco para síndrome pós-embolização e recomendações de cuidado.
Os resultados mostraram melhorias estatisticamente significativas no grupo experimental em atitudes centradas no paciente, identificação de barreiras ao manejo da dor e competência em cuidados de conforto. Além disso, os pacientes no período experimental apresentaram redução significativa da interferência de sintomas em comparação ao período anterior à intervenção.
Os autores concluem que o SADC tem potencial para refinar práticas de enfermagem e promover o bem-estar dos pacientes, destacando seu papel em fomentar uma atitude de cuidado centrada na pessoa e fortalecer a competência em cuidados de conforto. O estudo oferece insights sobre o uso de sistemas de apoio à decisão clínica na prática oncológica intervencionista.
O que o estudo mostrou
Ensaio clínico randomizado com 40 enfermeiros e 51 pacientes hospitalizados. Enfermeiros do grupo experimental receberam SADC e manual por 6 semanas; grupo controle recebeu apenas manual. O grupo experimental apresentou melhorias estatisticamente significativas em atitude centrada no paciente, identificação de barreiras ao manejo da dor e competência em cuidados de conforto. Pacientes no período experimental tiveram redução significativa da interferência de sintomas em comparação ao período anterior.
Limitações
O resumo não informa o desenho detalhado, critérios de inclusão, randomização, cegamento, tamanho amostral cálculo ou limitações. O tamanho reduzido (40 enfermeiros e 51 pacientes) e a ausência de dados sobre generalização para outros contextos são limitações potenciais não abordadas no resumo. O resumo também não descreve os instrumentos de medida ou o seguimento.
Aplicação no consultório
A implementação de um SADC para manejo da síndrome pós-embolização pode ser considerada em serviços que realizam quimioembolização transarterial, especialmente para apoiar a equipe de enfermagem na predição de risco e recomendações de cuidado. A gestão do consultório pode se beneficiar do treinamento em cuidados centrados no paciente e manejo da dor, com potencial de reduzir a interferência de sintomas e melhorar a qualidade do cuidado. A adoção requer infraestrutura e integração com o fluxo de trabalho.
Estudo citado
Managing Postembolization Syndrome Through a Machine Learning-Based Clinical Decision Support System: A Randomized Controlled Trial. Computers, informatics, nursing : CIN, 2024.
Autores: Kang M, Kim MS.
DOI: 10.1097/CIN.0000000000001188 · PubMed: PMID 39325575
Perguntas para aprofundar
- Quais são os componentes do sistema de apoio à decisão clínica que foram eficazes no manejo da síndrome pós-embolização?
- Como o sistema de apoio à decisão clínica pode ser integrado à prática clínica diária em serviços de radiologia intervencionista?
- Quais são os desafios para implementar um sistema de apoio à decisão clínica baseado em aprendizado de máquina no contexto brasileiro?
Mais sobre IA na atenção primária
- Um modelo de aprendizado de máquina aplicado ao eletrocardiograma pode aumentar a detecção de cirrose hepática avançada na atenção primária?
- Estratégias sistemáticas baseadas em prontuário eletrônico, incluindo algoritmos e modelos genômicos, são eficazes para identificar hipercolesterolemia familiar em adultos?
- O suporte à decisão clínica com IA melhora a avaliação de risco cardiovascular e as decisões de manejo por médicos generalistas em cenários de recursos limitados?
- Um sistema de apoio à decisão clínica personalizado melhora os desfechos no manejo da dor musculoesquelética na fisioterapia primária?
- O uso de inteligência artificial na interpretação de eletrocardiogramas aumenta o diagnóstico precoce de fração de ejeção reduzida na atenção primária?
Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown