Introducción:

La insuficiencia cardíaca (IC) es un motivo de gran preocupación en la salud pública. Hemos utilizado técnicas de aprendizaje automático para analizar información y mejorar los resultados.

Métodos:

Estudio observacional, retrospectivo y no aleatorizado, con los pacientes incluidos en el programa de telemonitorización de IC de nuestro centro desde mayo 2014 hasta febrero 2018. Se han analizado datos clínicos, transmisiones de telemonitorización y descompensaciones de IC.

Resultados:

240 pacientes incluidos con un seguimiento de 13.44 ± 8.65 meses. En este intervalo se han detectado 527 descompensaciones de IC en 148 pacientes diferentes. Los aumentos significativos de peso, la desaturación inferior al 90% y la percepción de empeoramiento clínico, han resultado buenos predictores de la descompensación de IC. Hemos construido un modelo predictivo aplicando técnicas de aprendizaje automático obteniendo los mejores resultados con la combinación de “Peso + Edemas en EEII + empeoramiento clínico + alertas de tensión arterial sistólica y diastólica, saturación de oxígeno y frecuencia cardiaca”.

Conclusiones:

Las técnicas de inteligencia artificial son herramientas útiles para el análisis de las bases de datos de IC y para la creación de modelos predictivos que mejoran la precisión de los programas de telemonitorización actuales.

        · abstract in English     · text in English     · English ( pdf )