O prontuário eletrônico com inteligência artificial pode prever risco de quedas em pacientes hospitalizados?
Resposta curta: Sim, segundo meta-análise com 132 846 pacientes, a área sob a curva agrupada foi 0,78, sensibilidade 0,63 e especificidade 0,82. O estudo conclui que o uso do prontuário eletrônico com inteligência artificial para prever quedas é viável, com qualidade metodológica alta e baixo risco de viés na maioria dos estudos incluídos.
Resposta
A meta-análise investigou o desempenho de modelos de inteligência artificial aplicados ao prontuário eletrônico para prever o risco de quedas em pacientes hospitalizados. Foram incluídos 132 846 pacientes e a qualidade dos estudos selecionados foi avaliada como alta, com a maioria apresentando baixo risco de viés e baixa preocupação quanto à aplicabilidade.
Os resultados agrupados mostraram área sob a curva de 0,78, sensibilidade de 0,63 (IC 95% 0,52-0,72) e especificidade de 0,82 (IC 95% 0,73-0,88). Isso indica que o modelo tem capacidade discriminatória moderada, com melhor desempenho em identificar corretamente os pacientes sem risco (especificidade) do que aqueles com risco (sensibilidade).
Os autores concluem que o uso do prontuário eletrônico com inteligência artificial para prever quedas em pacientes hospitalizados é viável, e aplicações clínicas futuras são esperadas. A meta-análise seguiu a diretriz CHARMS e utilizou a tabela PROBAST para avaliação de qualidade.
Para o médico, esses achados sugerem que ferramentas de apoio baseadas em prontuário eletrônico podem auxiliar na estratificação de risco, mas a sensibilidade moderada implica que parte dos pacientes que sofrerão quedas pode não ser sinalizada. A implementação requer validação local e integração com fluxos de cuidado.
O resumo não detalha os tipos de modelos de inteligência artificial, as variáveis do prontuário utilizadas ou as populações específicas. Também não informa a prevalência de quedas nos estudos incluídos, o que limita a interpretação dos valores preditivos. Estudos futuros devem esclarecer esses pontos para orientar a prática clínica.
O que o estudo mostrou
Meta-análise que incluiu 132 846 pacientes, com busca no PubMed, Cochrane e EMBASE, seguindo a diretriz CHARMS. A qualidade dos estudos foi alta, com baixo risco de viés na maioria. A área sob a curva agrupada foi 0,78, sensibilidade 0,63 (IC 95% 0,52-0,72) e especificidade 0,82 (IC 95% 0,73-0,88). Concluiu-se que o uso do prontuário eletrônico com inteligência artificial para prever quedas é viável.
Limitações
O resumo não informa o desenho dos estudos incluídos, as características dos modelos de inteligência artificial, as variáveis do prontuário utilizadas ou a prevalência de quedas. Também não detalha possíveis vieses de publicação ou heterogeneidade entre os estudos. Essas lacunas limitam a generalização dos achados para diferentes contextos hospitalares.
Aplicação no consultório
A aplicação no consultório é limitada, pois o estudo foca pacientes hospitalizados. Para o médico que atende em ambiente hospitalar ou gerencia equipes, os achados apoiam a discussão sobre implementar ferramentas de prontuário eletrônico para triagem de risco de quedas, desde que validadas localmente. A sensibilidade moderada reforça a necessidade de manter avaliação clínica e protocolos de prevenção, sem substituir o julgamento profissional.
Estudo citado
Can the Electronic Health Record Predict Risk of Falls in Hospitalized Patients by Using Artificial Intelligence? A Meta-analysis. Computers, informatics, nursing : CIN, 2023.
Autores: Hsu Y, Kao YS.
DOI: 10.1097/CIN.0000000000000952 · PubMed: PMID 36731013
Perguntas para aprofundar
- Qual o desempenho de modelos de inteligência artificial no prontuário eletrônico para prever quedas em idosos hospitalizados?
- A sensibilidade de 0,63 é suficiente para usar esses modelos na triagem de risco de quedas?
- Quais variáveis do prontuário eletrônico são mais úteis para prever quedas em pacientes internados?
Mais sobre IA em triagem e prontuário eletrônico
- Como o processamento de linguagem natural pode apoiar a decisão clínica e a busca automatizada de informações em prontuários eletrônicos?
- Qual é a acurácia diagnóstica e a evidência que suporta o uso de modelos de inteligência artificial para detecção de anormalidades em neuroimagem de alto volume, especialmente hemorragia intracraniana?
- Como a inteligência artificial e a análise de big data podem ser aplicadas na saúde móvel para melhorar o sistema de saúde?
- A inteligência artificial já pode ser usada na prática clínica para detectar, prever e classificar a neuropatia periférica diabética?
- Quais fatores os gestores devem priorizar ao implementar prontuário eletrônico para apoiar a decisão clínica?
Todas as perguntas sobre IA em triagem e prontuário eletrônico · Todos os temas · Versão em markdown