VALENCIA, 12 DE JUNIO DE 2020. Ribera Salud ha desarrollado un modelo predictivo que vaticina qué pacientes COVID19 ingresados pueden necesitar atención en la Unidad de Cuidados Intensivos (UCI). El equipo de Data Science de FutuRS, la filial tecnológica del grupo sanitario, ha concebido un modelo que analiza y procesa las variables de cada paciente para predecir su evolución de forma que asista a los profesionales en la toma de decisiones en base a datos objetivos.
Se trata de un modelo revolucionario, que “aprende» a medida que evoluciona la información disponible y que ha sido valorado positivamente por el Comité de Ética de la Investigación con medicamentos (CEIM) de los hospitales del Grupo. El objetivo de esta iniciativa es convertirlo en una herramienta clave para las últimas fases de desescalada, la “nueva normalidad” y sobre todo, en previsión de un posible nuevo brote.
Ribera Salud tiene previsto ofrecer esta tecnología a los gobiernos de las regio- nes donde opera, tanto en España como a nivel internacional, como parte de su compromiso con la sociedad, para compartir las mejores prácticas como ya hizo en el seminario organizado por el IFC (International Finance Corporation) del Banco Mundial.
Mireia Ladios, Jefa corporativa de Calidad de Ribera Salud, asegura que “la detección temprana del empeoramiento clínico supone un elemento diferenciador de calidad, en un entorno de alta exigencia como la actual pandemia del Coronavirus”. El exhaustivo control, recogida y análisis de datos de los pacientes es la base para la creación de este modelo predictivo que permite alertar al clínico de la evolución del paciente, “brindándole la oportunidad de revisar y ajustar el plan terapéutico antes de que el paciente empeore más” . Ladios explica que el modelo predictivo se ha construido en base a una selección de variables clínicas, fijadas por los profesionales sanitarios y la literatura médica actual sobre el COVID, y se han empleado técnicas de Data Mining y Machine Learning (ML) para su desarrollo. Para conocer el rendimiento del modelo, se han empleado medidas como la sensibilidad, especificidad, área bajo la curva o el F1 score, entre otros.
El desarrollo técnico ha sido liderado por Francisco Aznar, Software Development Manager (FutuRS) y Adrián Belso, Data Science Lead (FutuRS); y desde el plano de investigación se ha contado con la participación de José Fernández de Maya, Francisco Javier Ballesta, ambos de los Departamentos de Salud de Vinalopó y Torrevieja, y Maria José Cabañero Martinez de la Facultad de Ciencias de la Salud de la Universidad de Alicante, quienes explican que este modelo predictivo “va a facilitar al gestor sanitario la toma de decisiones frente a una posible demanda de recursos asistenciales escasos, como las camas de UCI, o la distribución de cargas de trabajo de acuerdo a la necesidad de cuidados de los pacientes”.
Desde sus orígenes, Ribera Salud siempre ha tenido un compromiso muy alto en la aplicación de las tecnologías de información y ha sido un férreo creyente de los beneficios que aportan tanto a nuestros profesionales como en resultados en salud para nuestros pacientes. La disrupción de este tipo de soluciones cognitivas aporta herramientas complementarias a nuestros profesionales para ayu- darles en escenarios de alta volatilidad como está siendo la crisis del covid.
Calle Santiago Ramón y Cajal, número 43, 2ª planta Elche 03203 (Alicante)
Calle Vía de los Poblados, 1 · Parque tecnológico de Alvento · 28033 (Madrid)
Cookie | Duración | Descripción |
---|---|---|
cookielawinfo-checkbox-advertisement | 1 year | Establecida por el complemento de consentimiento de cookies de GDPR, esta cookie se utiliza para registrar el consentimiento del usuario para las cookies en la categoría "Publicidad". |
cookielawinfo-checkbox-analytics | 1 year | Establecida por el complemento de consentimiento de cookies de GDPR, esta cookie se utiliza para registrar el consentimiento del usuario para las cookies en la categoría "Análisis". |
cookielawinfo-checkbox-functional | 1 year | La cookie está configurada por el complemento de consentimiento de cookies GDPR para registrar el consentimiento del usuario para las cookies en la categoría "Funcional". |
cookielawinfo-checkbox-necessary | 1 year | Establecida por el complemento de consentimiento de cookies de GDPR, esta cookie se utiliza para registrar el consentimiento del usuario para las cookies en la categoría "Necesario". |
cookielawinfo-checkbox-others | 1 year | Establecida por el complemento de consentimiento de cookies de GDPR, esta cookie se utiliza para almacenar el consentimiento del usuario para las cookies en la categoría "Otros". |
cookielawinfo-checkbox-performance | 1 year | Establecida por el complemento de consentimiento de cookies de GDPR, esta cookie se utiliza para almacenar el consentimiento del usuario para las cookies en la categoría "Rendimiento". |
CookieLawInfoConsent | 1 year | Registra el estado del botón predeterminado de la categoría correspondiente y el estado de CCPA. Funciona solo en coordinación con la cookie principal. |
PHPSESSID | session | Esta cookie es nativa de las aplicaciones PHP. La cookie se utiliza para almacenar e identificar la ID de sesión única de un usuario con el fin de administrar la sesión del usuario en el sitio web. La cookie es una cookie de sesión y se elimina cuando se cierran todas las ventanas del navegador. |
Cookie | Duración | Descripción |
---|---|---|
locale | 2 years | Facebook establece esta cookie para mejorar la experiencia de navegación del usuario en el sitio web y para proporcionar al usuario publicidad relevante mientras usa las plataformas de redes sociales de Facebook. |
pll_language | 1 year | Polylang utiliza la cookie pll _language para recordar el idioma seleccionado por el usuario cuando regresa al sitio web, y también para obtener la información del idioma cuando no está disponible de otra manera. |
Cookie | Duración | Descripción |
---|---|---|
_session_id | 1 day | Cookie establecida por G2 para almacenar la navegación del visitante mediante el registro de las páginas de destino. Esto permite que el sitio web presente productos e indique la eficiencia del sitio web. |
CONSENT | 2 years | YouTube establece esta cookie a través de videos de YouTube incrustados y registra datos estadísticos anónimos. |
Cookie | Duración | Descripción |
---|---|---|
VISITOR_INFO1_LIVE | 5 months 27 days | Una cookie configurada por YouTube para medir el ancho de banda que determina si el usuario obtiene la interfaz de reproductor nueva o antigua. |
YSC | session | Youtube configura la cookie YSC y se utiliza para rastrear las vistas de videos incrustados en las páginas de Youtube. |
yt-remote-connected-devices | never | YouTube configura esta cookie para almacenar las preferencias de video del usuario que utiliza videos de YouTube incrustados. |
yt-remote-device-id | never | YouTube configura esta cookie para almacenar las preferencias de video del usuario que utiliza videos de YouTube incrustados. |