Nursing workload: use of artificial intelligence to develop a classifier model / Carga de trabajo de enfermería: uso de inteligencia artificial para el desarrollo de modelo clasificador / Carga de trabalho de enfermagem: uso de inteligência artificial para o desenvolvimento de modelo classificador
Rev. latinoam. enferm. (Online)
; 32: e4239, 2024. tab, graf
Article
em En
| LILACS, BDENF
| ID: biblio-1565566
Biblioteca responsável:
BR26.1
ABSTRACT
Objective:
to describe the development of a predictive nursing workload classifier model, using artificial intelligence.Method:
retrospective observational study, using secondary sources of electronic patient records, using machine learning. The convenience sample consisted of 43,871 assessments carried out by clinical nurses using the Perroca Patient Classification System, which served as the gold standard, and clinical data from the electronic medical records of 11,774 patients, which constituted the variables. In order to organize the data and carry out the analysis, the Dataiku® data science platform was used. Data analysis occurred in an exploratory, descriptive and predictive manner. The study was approved by the Ethics and Research Committee of the institution where the study was carried out.Results:
the use of artificial intelligence enabled the development of the nursing workload assessment classifier model, identifying the variables that most contributed to its prediction. The algorithm correctly classified 72% of the variables and the area under the Receiver Operating Characteristic curve was 82%.Conclusion:
a predictive model was developed, demonstrating that it is possible to train algorithms with data from the patient's electronic medical record to predict the nursing workload and that artificial intelligence tools can be effective in automating this activity.RESUMEN
Objetivo:
describir el desarrollo de un modelo clasificador predictivo de la carga de trabajo de enfermería, utilizando inteligencia artificial.Método:
estudio observacional retrospectivo, en fuentes secundarias de registros electrónicos de pacientes, con uso de aprendizaje automático. La muestra por conveniencia se constituyó de 43.871 evaluaciones realizadas por enfermeras asistenciales con el Sistema de Clasificación de Pacientes de Perroca, que sirvieron como patrón oro, y datos clínicos del expediente electrónico de 11.774 pacientes, que constituyeron las variables. Para la organización de los datos y la realización de los análisis se utilizó la plataforma de ciencia de datos Dataiku ® . El análisis de los datos ocurrió de forma exploratoria, descriptiva y predictiva. Estudio aprobado por el Comité de Ética e Investigación de la institución campo del estudio.Resultados:
el uso de inteligencia artificial posibilitó el desarrollo del modelo clasificador de evaluación de la carga de trabajo de enfermería, identificando las variables que más contribuyeron para su predicción. El algoritmo clasificó correctamente el 72% de las variables y el área bajo la curva Receiver Operating Characteristic fue del 82%.Conclusión:
hubo el desarrollo de un modelo predictivo, demostrando que es posible entrenar algoritmos con datos del expediente electrónico del paciente para predecir la carga de trabajo de enfermería y que las herramientas de inteligencia artificial pueden ser efectivas para la automatización de esta actividad.RESUMO
Objetivo:
descrever o desenvolvimento de um modelo classificador preditivo da carga de trabalho de enfermagem, utilizando inteligência artificial.Método:
estudo observacional retrospectivo, em fontes secundárias de registros eletrônicos de pacientes, com uso de aprendizado de máquina. A amostra por conveniência constituiu-se de 43.871 avaliações realizadas por enfermeiras assistenciais com o Sistema de Classificação de Pacientes de Perroca, as quais serviram como padrão ouro, e os dados clínicos do prontuário eletrônico de 11.774 pacientes, que constituíram as variáveis. Para a organização dos dados e a realização das análises, utilizou-se a plataforma de ciência de dados Dataiku ® . A análise dos dados ocorreu de forma exploratória, descritiva e preditiva. Estudo aprovado pelo Comitê de Ética e Pesquisa da instituição campo do estudo.Resultados:
o uso de inteligência artificial possibilitou o desenvolvimento do modelo classificador de avaliação da carga de trabalho de enfermagem, identificando as variáveis que mais contribuíram para a sua predição. O algoritmo classificou corretamente 72% das variáveis e a área sob a curva Receiver Operating Characteristic foi de 82%.Conclusão:
houve o desenvolvimento de um modelo preditivo, demonstrando que é possível treinar algoritmos com dados do prontuário eletrônico do paciente para predizer a carga de trabalho de enfermagem e que as ferramentas da inteligência artificial podem ser efetivas para a automatização desta atividade.Palavras-chave
Aprendizado de Máquina; Aprendizaje Automático; Artificial Intelligence; Carga de Trabajo; Carga de Trabalho; Electronic Health Records; Enfermagem; Enfermería; Expedientes Electrónicos de Salud; Informática Aplicada a la Enfermería; Informática em Enfermagem; Inteligencia Artificial; Inteligência Artificial; Machine Learning; Nursing Informatics; Nursing; Registros Eletrônicos em Saúde; Workload
Texto completo:
1
Bases de dados:
LILACS
Assunto principal:
Inteligência Artificial
/
Enfermagem
/
Carga de Trabalho
/
Informática em Enfermagem
/
Registros Eletrônicos de Saúde
/
Aprendizado de Máquina
Limite:
Humans
Idioma:
En
Revista:
Rev. latinoam. enferm. (Online)
Assunto da revista:
ENFERMAGEM
Ano de publicação:
2024
Tipo de documento:
Article
País de afiliação:
Brasil
/
Holanda