Notícia
Aprendizado de máquina ajuda a identificar fatores preditivos associados a cirurgia ortopédica
Técnica foi usada para predição de resultados de cirurgia artroscópica do quadril devido a impacto femoroacetabular
Wikimedia Commons
Fonte
Hospital for Special Surgery
Data
quinta-feira, 6 fevereiro 2020 07:15
Áreas
Biomecânica. Cirurgia. Medicina. Ortopedia.
Um algoritmo de aprendizado de máquina desenvolvido por cirurgiões ortopédicos do Hospital for Special Surgery (HSS), nos Estados Unidos, identificou fatores preditivos associados aos piores resultados para pacientes com impacto femoroacetabular do quadril que foram submetidos a cirurgia artroscópica. O impacto femoroacetabular é uma condição que pode causar dor e a necessidade de intervenção cirúrgica.
De acordo com artigo publicado no último dia 31 de janeiro na revista científica American Journal of Sports Medicine, os fatores que anteciparam piores resultados para os pacientes foram ansiedade e depressão, duração dos sintomas por mais de dois anos antes da cirurgia, uma alta pontuação pré-operatória nas pesquisas de resultados relatadas pelos pacientes e, surpreendentemente, a administração de injeções pré-operatórias de esteroides.
“Essas descobertas são importantes sob várias perspectivas. Antes de tudo, elas demonstram o valor de integrar uma ferramenta de aprendizado de máquina à prática clínica ”, diz o primeiro autor do estudo, Dr. Benedict Nwachukwu, cirurgião de medicina esportiva e co-diretor de pesquisa clínica do Instituto de Medicina Esportiva do HSS. “Do ponto de vista clínico, nossos resultados reforçam que devemos rastrear ansiedade e depressão. A descoberta da duração dos sintomas deve incentivar mais companhias de seguros a cobrir cirurgias de quadril para pacientes mais precocemente, em vez de mantê-las em tratamento conservador prolongado. Finalmente, o risco associado ao uso de injeções pré-operatórias é um novo achado que não foi relatado com muita frequência na literatura. ”
O Dr. Nwachukwu ajudou a projetar o estudo e desenvolveu o algoritmo de aprendizado de máquina em colaboração com um cientista de dados da PatientIQ, empresa que forneceu a plataforma de análise de dados, e outros cientistas colaboradores.
Os pesquisadores criaram o algoritmo de aprendizado de máquina usando dados de prontuários eletrônicos de 898 pacientes com impacto femoroacetabular que fizeram cirurgia artroscópica do quadril entre janeiro de 2012 e julho de 2016 no Centro Médico da Universidade Rush. Todos os pacientes haviam completado três pesquisas de resultados antes da cirurgia e novamente dois anos após a cirurgia: a subescala de resultados de atividades de quadril da vida diária (HOS-ADL); a subescala de resultados de quadril e esportes (HOS-SS); e o Harris Hip Score modificado (mHHS). Essas medidas subjetivas compõem os relatórios dos pacientes sobre suas habilidades para realizar atividades diárias e atividades esportivas e sua condição geral do quadril, respectivamente.
“Os piores resultados pós-operatórios após o uso pré-operatório de injeções de esteroides podem ser devidos à má cicatrização do tecido labral após a exposição ao esteroide”, diz o Dr. Nwachukwu. “Nossa descoberta sugere que os cirurgiões devem considerar o uso de injeções de esteroides criteriosamente. Elas têm um papel a desempenhar, mas usar uma injeção puramente anestésica para fins de diagnóstico pode ser uma opção melhor.”
Acesse o resumo do artigo científico (em inglês).
Acesse a notícia completa na página do Hospital for Special Surgery (em inglês).
Fonte: Hospital for Special Surgery. Imagem: Wikimedia Commons.
Em suas publicações, o Portal Tech4Health da Rede T4H tem o único objetivo de divulgação científica, tecnológica ou de informações comerciais para disseminar conhecimento. Nenhuma publicação do Portal Tech4Health tem o objetivo de aconselhamento, diagnóstico, tratamento médico ou de substituição de qualquer profissional da área da saúde. Consulte sempre um profissional de saúde qualificado para a devida orientação, medicação ou tratamento, que seja compatível com suas necessidades específicas.
Os comentários constituem um espaço importante para a livre manifestação dos usuários, desde que cadastrados no Portal Tech4Health e que respeitem os Termos e Condições de Uso. Portanto, cada comentário é de responsabilidade exclusiva do usuário que o assina, não representando a opinião do Portal Tech4Health, que pode retirar, sem prévio aviso, comentários postados que não estejam de acordo com estas regras.
Apenas usuários cadastrados no Portal tech4health t4h podem comentar, Cadastre-se! Por favor, faça Login para comentar