Modelado predictivo en Triage mediante el uso de la regresión logística ordinal: un estudio utilizando la base de datos MIMIC-IV-ED
No hay miniatura disponible
Archivos
Fecha
2024-12
Título de la revista
Publicado en
Publicado por
URL de la fuente
Enlace a contenidos multimedia
ISSN de la revista
Título del volumen
Resumen
El triage es un proceso crítico en la atención de emergencias, que se realiza mediante un proceso interdisciplinario, mediante el cual se determina el tiempo de atención de un paciente en función de signos y síntomas a través dela aplicación de un algoritmo. Este estudio busca desarrollar un modelo predictivo para la clasificación en triage utilizando regresión logística ordinal, utilizando los datos clínicos extraídos de la base de datos MIMIC-IV ED, que contiene información de pacientes en urgencias de una institución estadounidense recopilada entre el 2008 y el 2019. El modelo alcanzó una precisión del 65.76%, con un rendimiento adecuado en la predicción de las categorías más comunes. Las variables cuantitativas, especialmente los signos vitales, demostraron un impacto significativo en la clasificación, al igual que una variable de texto libre incluida como predictora. Los resultados sugieren que la implementación de modelos de regresión logística ordinal en entornos de triage podría mejorar la precisión en la clasificación de pacientes, facilitando la toma de decisiones clínicas y
educiendo la probabilidad de errores en un entorno crítico como el servicio de urgencias.
Descripción
Abstract
Triage is a critical process in emergency care, carried out through an interdisciplinary process, whereby the time of patient care is determined based on signs and symptoms through the application of an algorithm. This study aims to develop a predictive model for triage classification using ordinal logistic regression, utilizing clinical data extracted from the MIMIC-IV ED database, which contains information from patients in emergency departments of a U.S. institution, collected between 2008 and 2019. The model achieved an accuracy of 65.76%, with satisfactory performance in predicting the most common categories. Quantitative variables, particularly vital signs, showed a significant impact on classification, as well as a free-text variable included as a predictor. The results suggest that the implementation of ordinal logistic regression models in triage environments could improve classification accuracy, facilitating clinical decision-making and reducing the likelihood of errors in a critical environment such as the emergency department.
Palabras clave
Triage, Regresión logística ordinal, Análisis predictivo, Urgencias
Keywords
Triage, Ordinal logistic regression, Predictive analysis, Emergency