Aprendizaje automático supervisado aplicado en notas de enfermería para identificar la necesidad de apoyo psicosocial...

Área de la Ciencia:

• Oncología computacional
• Salud digital
• Aprendizaje automático en la salud

Sus antecedentes:

• Los sobrevivientes de cáncer infantil enfrentan mayores riesgos de salud mental y desafíos de adaptación.
• La evaluación proactiva de las necesidades de apoyo psicosocial es crucial para el bienestar de los sobrevivientes.
• La identificación de las personas en riesgo requiere métodos de detección eficientes y precisos.

Objetivo del estudio:

• Evaluar el aprendizaje automático supervisado para la clasificación de textos.
• Identificar a los pacientes con cáncer infantil que requieren apoyo psicosocial de las notas de enfermería.
• Centrarse en los pacientes al menos un año después del diagnóstico.

Principales métodos:

• Utilizó tres modelos de aprendizaje automático para la clasificación de textos.
• Modelos entrenados y evaluados en notas de enfermería de texto libre de 1.672 pacientes.
• Se empleó una estrategia de validación cruzada anidada para una evaluación sólida.

Principales resultados:

• El modelo forestal aleatorio, entrenado en pacientes con cáncer y diabetes, mostró un rendimiento superior.
• Se logró un área media bajo la curva de características de funcionamiento del receptor de 0,798 para pacientes con cáncer.
• Se demostró una mejora estadísticamente significativa con respecto a un modelo de red neuronal entrenado únicamente en pacientes con cáncer.

Conclusiones:

• El aprendizaje automático predice efectivamente la necesidad de apoyo psicosocial en pacientes con cáncer infantil.
• Las notas de enfermería pueden ser una valiosa fuente de datos para la evaluación del riesgo psicosocial impulsada por el aprendizaje automático.
• Esta tecnología puede ayudar a identificar a los pacientes que necesitan apoyo de salud mental mucho después del diagnóstico.