Rev. cuba. enferm; 36 (2), 2020
Publication year: 2020
Introdução:
A Sistematização da Assistência de Enfermagem deve ser implementada, principalmente nos quais há um nível de cuidado mais avançado com os pacientes, a exemplo das Unidades de Terapia Intensiva que são reconhecidamente locais nos quais se concentram grande especialização e tecnologias. Objetivo:
Propor um modelo de um Sistema de Apoio à Decisão utilizando Redes Neurais Artificiais para a elaboração de Diagnósticos de Enfermagem através de um aplicativo para Android. Métodos:
O presente estudo se caracteriza como metodológico e tecnológico do tipo prototipagem, no qual onde serão analisados os sinais vitais de pacientes internados em uma Unidade de Terapia Intensiva. Os dados serão obtidos a partir do banco de dados Monitoramento Inteligente Multiparâmetro em Terapia Intensiva que contém sinais fisiológicos e séries de sinais vitais capturados de monitores de pacientes, obtidos de sistemas de informações médicas hospitalares de milhares de pacientes em unidades de terapia intensiva. Resultados:
O aplicativo, em fase final de implementação, está projetado com telas ativas trabalhadas junto com corpo de profissionais de enfermagem que opinaram sobre utilidades desejadas e primeiras impressões. Conclusões:
No presente momento, os testes para o treinamento da Rede Neural Artificial estão acontecendo, e espera-se o uso de um aplicativo para a promoção dos diagnósticos de enfermagem advindo dos sinais vitais de pacientes, das avaliações sobre o estado geral, e informações do prontuário eletrônico do paciente, juntamente com o julgamento clínico e crítico do profissional enfermeiro(AU)
Introducción:
La sistematización de la atención de enfermería debe ser implementada, especialmente en el caso de que haya un nivel más avanzado de atención con pacientes, como en las unidades de cuidados intensivos, que son lugares reconocidos donde se concentran gran experiencia y tecnologías. Objetivo:
Proponer un modelo de un Sistema de Apoyo a la Decisión utilizando redes neuronales artificiales para la elaboración de diagnósticos de enfermería a través de una aplicación de Androide. Métodos:
Este estudio se caracteriza por ser un tipo de prototipo metodológico y tecnológico en el que se analizarán los signos vitales de los pacientes ingresados en una unidad de cuidados intensivos. Los datos se obtendrán de la base de datos de Monitoreo Inteligente de Parámetros Intensivos de Cuidados Intensivos, que contiene señales fisiológicas y series de signos vitales capturados de monitores de pacientes, obtenidos de los sistemas de información médica hospitalaria de miles de pacientes en unidades de cuidados intensivos. Resultados:
La aplicación, en su fase final de implementación, está diseñada con pantallas activas trabajadas junto con un cuerpo de profesionales de enfermería que dieron su opinión sobre las utilidades deseadas y las primeras impresiones. Conclusiones:
En este momento, se están realizando pruebas para la capacitación de la Red Neural Artificial, y se espera utilizar una aplicación para promover diagnósticos de enfermería a partir de signos vitales del paciente, evaluaciones generales de salud e información del historial médico electrónico del paciente, junto con el juicio clínico y crítico de la enfermera profesional(AU)
Introduction:
Systematization of nursing care must be implemented, especially in the case that there is a more advanced level of patient care, such as in intensive care units, which are recognized places where great experience and technologies are concentrated. Objective:
To propose a model of a decision support system using artificial neural networks for the elaboration of nursing diagnoses through an Android application. Methods:
This study is characterized by being a type of methodological and technological prototype in which the vital signs of patients admitted to an intensive care unit will be analyzed. The data will be obtained from the database of Smart Monitoring of Intensive Care Parameters, which contains physiological signals and vital sign series captured from patient monitors, and which are obtained from hospital medical information systems of thousands of patients in intensive care units. Results:
The application, in its final phase of implementation, is designed with active screens worked together by a body of nursing professionals who gave their opinion on the desired benefits and first impressions. Conclusions:
At this time, tests are being carried out to train the artificial neural network, and an application is expected to be used for promoting nursing diagnoses based on the patient's vital signs, general health evaluations, and information on the patient's electronic medical history, together with the clinical and critical judgment of the professional nurse(AU)
