{"id":335270,"date":"2019-11-25T01:00:00","date_gmt":"2019-11-25T00:00:00","guid":{"rendered":"https:\/\/medizinonline.com\/medicina-4-0-la-transformacion-digital-en-pacientes-hipertensos\/"},"modified":"2019-11-25T01:00:00","modified_gmt":"2019-11-25T00:00:00","slug":"medicina-4-0-la-transformacion-digital-en-pacientes-hipertensos","status":"publish","type":"post","link":"https:\/\/medizinonline.com\/es\/medicina-4-0-la-transformacion-digital-en-pacientes-hipertensos\/","title":{"rendered":"Medicina 4.0 – la transformaci\u00f3n digital en pacientes hipertensos"},"content":{"rendered":"

Big data, inteligencia artificial, medicina 4.0: la digitalizaci\u00f3n no se detiene en la medicina. La tecnolog\u00eda m\u00e9dica digital determinar\u00e1 cada vez m\u00e1s actividades m\u00e9dicas y, por tanto, tambi\u00e9n cambiar\u00e1 el papel de los m\u00e9dicos y sus tratamientos. \u00bfPuede la inteligencia artificial apoyar tambi\u00e9n el pron\u00f3stico de los pacientes hipertensos?<\/strong><\/p>\n

<\/p>\n

La digitalizaci\u00f3n y el trabajo en red en el sector sanitario se est\u00e1n impulsando cada vez m\u00e1s y se est\u00e1n abriendo camino en muchos hospitales. Los macrodatos y la inteligencia artificial tambi\u00e9n suponen oportunidades para aumentar la eficacia de los procesos, la calidad de los tratamientos y, por tanto, la satisfacci\u00f3n de los pacientes, as\u00ed como una reducci\u00f3n del esfuerzo de documentaci\u00f3n. Las decisiones y la planificaci\u00f3n pueden optimizarse con la ayuda de m\u00e1quinas y adaptarse espec\u00edficamente a las necesidades individuales del paciente. Un \u00e1rea de uso es el control de la hipertensi\u00f3n arterial, que genera muchos datos diferentes.<\/p>\n

Un estudio se propuso ahora describir una puntuaci\u00f3n de cambio terap\u00e9utico (TCS) en la hipertensi\u00f3n tratada y observada a largo plazo y desarrollar un modelo para predecir la TCS. Para ello, se realiz\u00f3 un seguimiento de 1293 pacientes durante una media de 5,1 a\u00f1os. Se recogieron los datos demogr\u00e1ficos, el historial m\u00e9dico, los par\u00e1metros cl\u00ednicos con la tensi\u00f3n arterial, que se midieron de forma estandarizada con un dispositivo electr\u00f3nico de medici\u00f3n autom\u00e1tica. Adem\u00e1s, en cada consulta se registr\u00f3 la gesti\u00f3n terap\u00e9utica actual. El TCS se calcul\u00f3 en cada visita como 0 para la estabilidad terap\u00e9utica y 1 para el cambio de al menos un tratamiento antihipertensivo o su dosificaci\u00f3n. Los datos se anonimizaron y organizaron para permitir el entrenamiento y la aplicaci\u00f3n de inteligencia artificial para predecir los modelos TCS.<\/p>\n

Cuidados postoperatorios optimizados con ayuda de la inteligencia artificial<\/h2>\n

El an\u00e1lisis de Kaplan-Meyer mostr\u00f3 un TCS positivo en el 70% de los sujetos en el primer a\u00f1o y en el 98% a lo largo de todo el seguimiento. El modelo predictivo para el TCS contiene 160 variables. Este modelo permite predecir un cambio en la prescripci\u00f3n de antihipertensivos en la siguiente visita con un valor positivo verdadero del 95% y un valor predictivo negativo del 77%. Por tanto, con la ayuda de la inteligencia artificial, es posible optimizar el seguimiento de la hipertensi\u00f3n.<\/p>\n

\nFuente: 29\u00aa<\/sup> reuni\u00f3n europea de hipertensi\u00f3n y protecci\u00f3n cardiovascular (ESH) (publicado el 10.10.19, antes de impresi\u00f3n)<\/em><\/p>\n

Para saber m\u00e1s:<\/p>\n