Previsão de Insucesso Da Oxigenoterapia Alto Débito

A oxigenoterapia de alto fluxo provou ser eficaz na redução da mortalidade, mas o insucesso deste método continua a ser difícil de prever. O objetivo deste estudo é integrar a inteligência artificial na decisão terapêutica para melhorar esta previsão. Incluímos 369 doentes com COVID-19 admitidos nos cuidados intensivos do hospital regional de Zaghouan entre março de 2020 e dezembro de 2022. Após o pré-processamento dos dados e a otimização dos hiperparâmetros utilizando o GridSearchCV, foram testados quatro modelos de aprendizagem automática: XGBoost, Random Forest, k-nearest neighbours e regressão logística. O modelo XGBoost teve o melhor desempenho, com uma área sob a curva ROC de 0,842, superando o índice ROX e o modelo Random Forest. Os modelos de regressão logística e k-nearest neighbours tiveram um desempenho inferior. A integração da inteligência artificial, em particular através do modelo XGBoost, parece promissora para melhorar a gestão dos doentes com pneumonia por COVID-19, através da identificação precoce dos doentes em risco de falhar a oxigenoterapia de alto fluxo e da redução das entubações inadequadas.