Существующие методы и рекомендации по предотвращению пролежней отнимают много времени и утомляют медсестёр, находящихся у постели больного.
Учёные из Университета Южной Калифорнии, Университета Джона Хопкинса и Университетской больницы Кливленда в США провели исследование и использовали методы машинного обучения для разработки новой модели для прогнозирования будущего риска пролежней и улучшения управления трудоемким уходом за пациентами.
Исследование опубликовано в журнале BMJ Open.
Исследователи определили, что новая модель оценки рисков повышает точность прогнозирования более чем на 74 %, что более чем на 20 % выше, чем у существующих методов.
Исследователи отмечают, что прогнозная аналитика может облегчить некоторую нагрузку на медицинских работников за счёт автоматизации части процесса оценки рисков. В настоящее время медсёстры должны проводить осмотр кожи и оценку риска пролежней при поступлении и каждые 12–24 часа после этого, используя стандартизированный инструмент, такой как шкала Брейдена, которая в первую очередь оценивает подвижность, когнитивные функции, питание и управление недержанием.
Алгоритм прогнозирования, разработанный командой, обеспечивает повышенную эффективность и существенную экономию. Поскольку оценка риска может занять от 5 до 15 минут на одного пациента, это может составлять до 250 рабочих часов в одном учреждении на 500 коек в день и от 30 000 до 90 000 рабочих часов в год.
Ранее TechnoDzen сообщил, что понимание динамики холестерина проливает свет на «детскую болезнь Альцгеймера».