Your browser doesn't support javascript.
loading
Estratégias Preditivas na Detecção do Agravamento do Quadro Clínico de Pacientes com COVID-19: Uma Revisão de Escopo / Predictive Strategies in Detecting the Worsening of the Clinical Condition of Patients with COVID-19: A Scoping Review / Estrategias predictivas para detectar el empeoramiento de la condición clínica de los pacientes con COVID-19: Una Revisión de Alcance
Holanda, Wallace Duarte; Silva, Lenardo Chaves; César Sobrinho, Álvaro Alvares de Carvalho.
  • Holanda, Wallace Duarte; Universidade do Estado do Rio Grande do Norte. Universidade Federal Rural do Semi-Árido. Programa de Pós-Graduação em Ciência da Computação. Mossoró. BR
  • Silva, Lenardo Chaves; Universidade Federal Rural do Semi-Árido. Mossoro. BR
  • César Sobrinho, Álvaro Alvares de Carvalho; Universidade Federal do Agreste de Pernambuco. Garanhuns. BR
J. health inform ; 13(4): 128-132, out.-dez. 2021. tab
Article in Portuguese | LILACS | ID: biblio-1359307
RESUMO

Objetivo:

Este artigo apresenta uma Revisão de Escopo (RE) para identificar estratégias preditivas na detecção do agravamento do quadro clínico de pacientes com a COVID-19.

Método:

A RE foi conduzida com a busca de trabalhos indexados em seis fontes de busca usando uma string de busca, critérios de inclusão e exclusão.

Resultados:

Mediante a execução do protocolo da RE, 329 estudos foram retornados, dos quais 9 foram selecionados ao final da análise. Na avaliação dos estudos, foi possível identificar os algoritmos utilizados na construção dos modelos de predição, as linguagens e ferramentas, a origem dos dados, bem como as variáveis mais relevantes.

Conclusão:

A partir dos resultados alcançados, pode-se concluir que modelos preditivos estão sendo desenvolvidos com o objetivo de auxiliar os profissionais de saúde na detecção de fatores relacionados ao agravamento da doença, mas poucos estão sendo disponibilizados, o que dificulta a utilização em um contexto real.
ABSTRACT

Objective:

This article presents a Scope Review (ScR) to identify predictive strategies for detecting the worsening of the clinical picture of patients with COVID-19.

Method:

ScR was performed by identifying indexed articles in six search sources through a search string, inclusion, and exclusion criteria.

Results:

When the protocol was executed, 329 studies returned, from which 9 were summarized at the end of the analysis. Through the evaluation of the studies, it was possible to identify the algorithms used in the construction of the predictive models, the programming languages and tools, the origin of the data, as well as the most relevant variables.

Conclusion:

Based on the results, we conclude that predictive models developed to help health professionals detect factors related to the worsening of the disease, but few are available, which makes it complicated to use in real work contexts.
RESUMEN

Objetivo:

Este artículo presenta una Revisión del Alcance (RA) para identificar estrategias predictivas para detectar el empeoramiento del cuadro clínico de los pacientes con COVID-19.

Método:

La RA se realizó en la búsqueda de trabajos indexados en seis fuentes de búsqueda mediante una cadena de búsqueda, criterios de inclusión y exclusión.

Resultados:

Tras la ejecución del protocolo ER, se devolvieron 329 estudios, de los cuales se seleccionaron 9 al final del análisis. A través de la evaluación de los estudios, fue posible identificar los algoritmos utilizados en la construcción de los modelos de predicción, los lenguajes y herramientas, el origen de los datos, así como las variables más relevantes.

Conclusión:

De los resultados obtenidos se puede concluir que se están desarrollando modelos predictivos con el objetivo de ayudar a los profesionales de la salud en la detección de factores relacionados con el agravamiento de la enfermedad, pero pocos se están poniendo a disposición, lo que dificulta su uso. en un contexto real.
Subject(s)

Full text: Available Index: LILACS (Americas) Main subject: Symptom Flare Up / Machine Learning / Forecasting / COVID-19 Type of study: Practice guideline / Prognostic study / Risk factors / Systematic reviews Limits: Humans Language: Portuguese Journal: J. health inform Journal subject: Medical Informatics / Health Services / TECNOLOGIA Year: 2021 Type: Article Affiliation country: Brazil Institution/Affiliation country: Universidade Federal Rural do Semi-Árido/BR / Universidade Federal do Agreste de Pernambuco/BR / Universidade do Estado do Rio Grande do Norte/BR

Similar

MEDLINE

...
LILACS

LIS

Full text: Available Index: LILACS (Americas) Main subject: Symptom Flare Up / Machine Learning / Forecasting / COVID-19 Type of study: Practice guideline / Prognostic study / Risk factors / Systematic reviews Limits: Humans Language: Portuguese Journal: J. health inform Journal subject: Medical Informatics / Health Services / TECNOLOGIA Year: 2021 Type: Article Affiliation country: Brazil Institution/Affiliation country: Universidade Federal Rural do Semi-Árido/BR / Universidade Federal do Agreste de Pernambuco/BR / Universidade do Estado do Rio Grande do Norte/BR