Utilidad pronóstica de la procalcitonina, la proteína C reactiva, el índice PCR/PCT y el aclaramiento de ambas al ingreso a unidades de cuidados intensivos / Prognostic utility of procalcitonin, C-reactive protein, CRP/PCT index, and their clearance upon admission to intensive care units / Utilidade prognóstica da procalcitonina, proteína C reativa, índice PCR/PCT e clareamento de ambos na entrada em unidades de cuidados intensivos

Resumen El presente es un estudio retrospectivo, observacional, cuantitativo y descriptivo. Se evaluó la utilidad de la proteína C reactiva (PCR), la procalcitonina (PCT) y la relación PCR/PCT como marcadores de riesgo de sepsis, sumados al aclaramiento a las 72 h, como pronóstico de mortalidad y permanencia en unidades de cuidados intensivos (UCI). Se incluyeron 23 pacientes. Se clasificaron según qSOFA y se elaboraron curvas ROC. Se obtuvo un área bajo la curva de 0,79 para PCT. El valor umbral de PCT>0,88 ng/mL predice riesgo de sepsis con 77,78% de sensibilidad y 83,33% de especificidad. Utilizando PCR<31,23 mg/dL se obtuvo como parámetros destacados un 88,89% de sensibilidad y 83,33% de valor predictivo negativo, sin diferencias significativas (Mann-Whitney p<0,05) entre los grupos de sobrevivientes y óbitos y estadía prolongada vs. no prolongada. Se postula PCR como screening y PCT como marcador de riesgo de sepsis.

Abstract This is a retrospective, observational, quantitative and descriptive study. The utility of C reactive protein (CRP), procalcitonin (PCT) and the CRP/PCT ratio as sepsis risk markers was evaluated and these, added to clearance at 72 hours, as predictors of mortality and permanence in intensive care units (ICU). Twenty-three patients were included. They were classified according to qSOFA, and ROC curves were prepared, highlighting an area under the curve of 0.79 for PCT. The threshold value of PCT>0.88 ng/mL predicts the of sepsis with 77.78% sensitivity and 83.33% specificity. Using CRP>31.23 mg/dL, 88.89% sensitivity and 83.33% negative predictive value were obtained as outstanding parameters. No significant differences (Mann-Whitney p<0.05) were found between survivors and dead and prolonged vs. non-prolonged stay groups. CRP is postulated for screening and PCT as a sepsis risk marker.

Resumo Este é um estudo retrospectivo, observacional, quantitativo e descritivo. Foi avaliada a utilidade da proteína C reativa (PCR), da procalcitonina (PCT) e da relação PCR/PCT como marcadores de risco de sepse junto com o clareamento em 72 horas, como preditores de mortalidade e permanência em unidades de terapia intensiva (UTI). Vinte e três pacientes foram incluídos. Eles foram classificados de acordo com o qSOFA e foram elaboradas curvas ROC, destacando uma área sob a curva de 0,79 para PCT. O valor limite de PCT>0,88 ng/mL prediz o risco de sepse com sensibilidade de 77,78% e especificidade de 83,33%. Utilizando PCR>31,23 mg/dL, obtiveram-se como parâmetros em destaque 88,89% de sensibilidade e 83,33% de valor preditivo negativo. Não houve diferenças significativas (Mann-Whitney p<0,05) entre os grupos de sobreviventes e óbitos e permanência prolongada vs. não prolongada. A PCR é postulada como triagem e a PCT como marcador de risco de sepse.

Assessment of Thoracic Pain Using Machine Learning: A Case Study from Baja California, Mexico.

Thoracic pain is a shared symptom among gastrointestinal diseases, muscle pain, emotional disorders, and the most deadly: Cardiovascular diseases. Due to the limited space in the emergency department, it is important to identify when thoracic pain is of cardiac origin, since being a symptom of CVD (Cardiovascular Disease), the attention to the patient must be immediate to prevent irreversible injuries or even death. Artificial intelligence contributes to the early detection of pathologies, such as chest pain. In this study, the machine learning techniques were used, performing an analysis of 27 variables provided by a database with information from 258 geriatric patients with 60 years old average age from Medical Norte Hospital in Tijuana, Baja California, Mexico. The objective of this analysis is to determine which variables are correlated with thoracic pain of cardiac origin and use the results as secondary parameters to evaluate the thoracic pain in the emergency rooms, and determine if its origin comes from a CVD or not. For this, two machine learning techniques were used: Tree classification and cross-validation. As a result, the Logistic Regression model, using the characteristics proposed as second factors to consider as variables, obtained an average accuracy (µ) of 96.4% with a standard deviation (σ) of 2.4924, while for F1 a mean (µ) of 91.2% and a standard deviation (σ) of 6.5640. This analysis suggests that among the main factors related to cardiac thoracic pain are: Dyslipidemia, diabetes, chronic kidney failure, hypertension, smoking habits, and troponin levels at the time of admission, which is when the pain occurs. Considering dyslipidemia and diabetes as the main variables due to similar results with machine learning techniques and statistical methods, where 61.95% of the patients who suffer an Acute Myocardial Infarction (AMI) have diabetes, and the 71.73% have dyslipidemia.

E-Saúde e complexidade: uma proposta para o desenho de políticas públicas / E-Health and complexity: a propose of public policy design

Objetivos: Neste artigo se apresenta conceito de e-Saúde como sistema sociotécnico. Para isso, considerandosua natureza multifatorial, se adota perspectiva interdisciplinar. Materiais e Métodos: Dadaa interferência das Tecnologias da Informação e Comunicação (TIC) no âmbito social e em particularno setor da saúde, sugere-se que a e-Saúde constitua um sistema aberto onde a interação e a interdependênciade aspectos tecnológicos, socioculturais, normativos e econômicos cumpram um papelchave na caracterização do sistema, dado que uma aproximação meramente unidisciplinar resultariainsuficiente para a análise geral. Resultados: Uma perspectiva a partir da ciência da complexidadepode extrair novos alcances até o fortalecimento do ecossistema da e-Saúde em níveis local, regionale nacional, aumentando sua efetividade e impactando como importante habilitador de bem-estar social.Conclusão: Argumenta-se que esta perspectiva é particularmente importante na formulação depolíticas públicas e em programas de formação de recursos humanos, isso devido à importância dosurgimento de novos desafios que a digitalização e a globalização impõem às novas gerações de profissionaisdo setor da saúde.

Aims: This article offers a conceptualization of e-Health as a socio-technical system, in that regard,we adopt a perspective that considers its multifactorial and interdisciplinary nature. Materialsand Methods: Given the penetration of Information and Communications Technology (ICT) in thesocial fabric, particularly in the health sector, we suggest that e-Health constitutes an open systemwhere the interaction and interdependency of technology, sociocultural, regulatory and economicfactors play a key role in the characterization of the system, hence, a disciplinary approach isinsufficient for its integral analysis. Results: A perspective from complexity science may providenew findings toward the strenghthening of the e-Health ecosystem at local, regional and nationallevels. Conclusion: We argue that in order to face the challenges of digitization and globalization inthe health sector, this perspective is particularly important to supporting the development of publicpolicy strategies and capacity building programs.