Aprendizagem de máquina na previsão de índices de mortalidade em Unidades de Terapia Intensiva: uma revisão integrativa da literatura

Le résumé fourni par la source

A Unidade de Terapia Intensiva é um ambiente complexo, destinado ao cuidado de pacientes críticos que necessitam de monitoramento constante e intervenções intensivas. A informatização dos prontuários médicos trouxe avanços significativos na gestão de informações, possibilitando a análise de dados em larga escala. Nesse cenário, o aprendizado de máquina (ML) emergiu como uma ferramenta revolucionária para a predição de mortalidade. Realizou-se uma revisão integrativa, abrangendo estudos publicados entre 2020 e 2024 nas bases de dados: Web of Science, LILACS, SciELO e PubMed. Foram analisados 2.627 estudos, com 24 incluídos. A pesquisa focou na aplicação de ML para predição de mortalidade. Ao todo, os estudos usaram dados de 525.081 pacientes provenientes de bases como MIMIC-III, MIMIC-IV e eICU. Os algoritmos mais destacados foram XGBoost, LightGBM, Random Forest e redes neurais (LSTM, GRU), com desempenhos superiores em AUROC, sensibilidade e especificidade. Variáveis-chave incluíram idade, lactato, creatinina, SOFA, SAPS II/III e biomarcadores inflamatórios como IL-6 e LDH. Os modelos de ML demonstraram capacidade validação de transformar o manejo de pacientes críticos ao proporcionar análises personalizadas e predições mais precisas.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.