Sensibilidade e especificidade de sistemas open access para detecção de interações medicamentosas potenciais / Sensitivity and specificity of open access systems to detect potential drug-drug interactions

Patient safety.Estudo transversal. Objetivo: avaliar a sensibilidade e especificidade de sistemas de rastreamento de acesso aberto para interações medicamentosas potenciais (IMp) em comparação com o DRUG-REAX® system e analisar o impacto clínico potencial das IMp de gravidades "Contraindicada" e "Maior" não detectadas. Métodos: amostra composta por 140 pacientes em acompanhamento em um ambulatório especializado no atendimento a pessoas com doenças crônicas não transmissíveis (DCNT) de um hospital universitário. As IMp foram identificadas e classificadas no DRUG-REAX® System e em oito sistemas de rastreamento de acesso aberto. As IMp de gravidade "Contraindicada" e "Maior" foram analisadas segundo o impacto clínico. Utilizou-se estatística descritiva e calculou-se sensibilidade e especificidade dos sistemas de rastreamento na identificação das IMp. Resultados: Os sistemas de acesso aberto pertencentes as bases Drugs.com, UCLA School of Health e CVC Caremark apresentaram sensibilidade e especificidade > 70%. A totalidade dos sistemas de acesso aberto não detectou os pares ciprofibrato + estatinas e metformina + sitagliptina, cujos impactos clínicos incluíram risco de miopatia e rabdomiólise e hipoglicemia, respectivamente. Cerca de um terço (37,5%) dos sistemas de acesso aberto não detectou a IMp ácido acetilsalicílico + hidroclorotiazida, capaz de ocasionar nefrotoxicidade. Conclusão: A maioria dos pares de IMp integra o rol terapêutico de pacientes com DCNT e cujos impactos clínicos são tempo-dependentes. A combinação de julgamento clínico, revisão periódica do plano terapêutico e os atributos de precisão (sensibilidade e especificidade) são fundamentais para garantir a segurança do paciente, sobretudo no contexto ambulatorial. (AU)

This study aims to evaluate the sensitivity and specificity of open-access screening systems in detecting potential drug-drug interactions (PDDIs) compared to the DRUG-REAX® system and analyze the potential clinical impact of PDDIs of "Contraindicated" and "Major" severities not detected. A cross-sectional study was conducted in an outpatient clinic specialized in caring for patients with noncommunicable diseases (NCDs) of a university hospital. PDDIs were identified and classified in the DRUG-REAX® System and eight open-access screening systems. The "Contraindicated" and "Major" severity PDDIs were analyzed according to clinical impact. Descriptive statistics were used and the sensitivity and specificity of the screening systems were calculated to identify the PDDIs. Results: The open-access systems Drugs.com, UCLA School of Health and CVC Caremark showed sensitivity and specificity > 70%. All open access systems did not detect the pairs ciprofibrate + statins and metformin + sitagliptin, whose clinical impacts included the risk of myopathy/ rhabdomyolysis and hypoglycemia, respectively. About a third (37.5%) of open-access systems did not detect PDDI acetylsalicylic acid + hydrochlorothiazide, which is capable of causing nephrotoxicity. Conclusion: Most pairs of PDDIs are part of the therapeutic role of patients with NCDs and whose clinical impacts are time-dependent. The combination of clinical judgment, periodic review of the therapeutic plan and the attributes of precision (sensitivity and specificity) are essential to ensure patient safety, especially in the outpatient setting. (AU)

Desenvolvimento de um aplicativo para identificação do risco de quedas em idosos / Development of mobile application to identify fall risk in the elderly

INTRODUÇÃO: A queda pode ocorrer em qualquer fase da vida do indivíduo, porém é mais frequente em idosos, representando um alto impacto social e econômico ao país e ao mundo. Hoje, o sistema de saúde pública incentiva amplamente os estudos científicos que perpassam pela compreensão das causas do cair do idoso, para que a prevenção efetiva deste episódio seja alcançada, diminuindo a demanda e os custos na saúde. OBJETIVO: Desenvolver uma ferramenta eletrônica web mobile que auxilie os profissionais de saúde na avaliação do risco de quedas do idoso a partir de instrumentos adaptados para o português do Brasil, validados para a população idosa e com amplo uso na literatura. MÉTODO: Trata-se de um projeto de desenvolvimento de um protótipo usando a plataforma Android e a linguagem JAVA. RESULTADOS: Após análise dos critérios estabelecidos no estudo os instrumentos selecionados para o desenvolvimento do software foram o Índice Dinâmico da Marcha (Dynamic Gait Index-DGI), a Escala de Equilíbrio de Berg (Berg Balance Scale), o Levantar e Caminhar Cronometrado (Timed up and go-TUG) e o Índice de Equilíbrio de Tinetti (Performance Oriented Mobility Assessment-POMA). Os testes realizados após a finalização do software, apresentaram uma compatibilidade 100% com o referencial escolhido. CONCLUSÃO: O aplicativo desenvolvido durante o processo, apresentou-se versátil, rápido, possuindo os principais instrumentos validados na literatura brasileira, para identificar o risco de quedas em idosos, de fácil operação, gerando uma tendência positiva a aderência do profissional de saúde na sua utilização. [AU]

INTRODUCTION: A fall can occur at any stage of one's life; however, it is more common in the elderly. The effects of falls are serious, in social and economic terms, in the country and worldwide. Today, the public health system extensively encourages scientific studies that help prevent these accidents effectively, reducing the demand for health services and its associated costs. OBJECTIVE: To develop an electronic mobile web tool (app) that helps health professionals to assess risk factors related to falls among elderly people, utilising validated instruments designed for this age group that are widely used in the literature and adapted to Brazilian Portuguese. METHOD: This is a project regarding the development of a prototype for use on the Android platform, programmed in JAVA. RESULTS: After analysing the criteria set out in the study, the selected tools for software development were the Dynamic Gait Index-DGI, the Berg Balance Scale, the Timed Up and Go (TUG) test and the Tinetti Balance test (Performance Oriented Mobility Assessment-POMA). The tests conducted after the software development phase showed the predetermined requirements were met 100%. CONCLUSION: The app that was developed during the process proved to be versatile, fast, includes the main instruments that are validated in the Brazilian literature, identifies the risk of falls in the elderly, is easy to use, which all are positive incentives for health professionals to use the device. [AU]

Comparison between data mining methods to assess calving difficulty in cattle / Comparación entre métodos de minería de datos para evaluar la dificultad al parto en ganado / Comparação entre métodos de mineração de dados para avaliar a dificuldade no parto em bovinos

Abstract Background: Dystocia in cattle results in adverse consequences (increased calf morbidity and mortality, decreased fertility, and milk production, lower cow survival and reduced welfare) leading to considerable economic losses. Objective: To classify calvings in dairy cattle according to their difficulty using selected data mining methods (classification and regression trees (CART), chi-square automatic interaction detection trees (CHAID) and quick, unbiased, efficient, statistical trees (QUEST)), and to identify the most significant factors affecting calving difficulty. The results of data mining methods were compared with those of a more traditional generalized linear model (GLM). Methods: A total of 1,342 calving records of Polish Holstein- Friesian black-and-white heifers from four farms were used. Calving difficulty was divided into three categories (easy, moderate and difficult). Results: The percentages of calvings correctly classified by CART, CHAID, QUEST, and GLM were as follows: 35.14, 18.92, 19.82, and 43.24% (easy), 68.70, 73.91, 81.74, and 41.74% (moderate), and 77.27, 85.45, 73.64, and 81.82% (difficult), respectively. The most important factors affecting calving difficulty were bull's rank (based on the mean calving difficulty score of its daughters), calving age, farm category (based on its mean milk yield) and calving season. Conclusion: All classification models were satisfactory and could predict the class of calving difficulty.

Resumen Antecedentes: La distocia en el ganado resulta en consecuencias adversas (elevadas morbilidad y mortalidad de terneros, reducida fertilidad y producción de leche, menor supervivencia y bienestar de las vacas) que conllevan a pérdidas económicas considerables. Objetivo: Clasificar los partos del ganado lechero en función de su grado de dificultad a través de métodos seleccionados de minería de datos (árboles de clasificación y de regresión (CART), detección automática de interacción chi-cuadrado (CHAID) y árboles estadísticos no sesgados y eficientes (QUEST)) e identificar los factores más característicos de dificultad al parto. Los resultados de los métodos de minería de datos se compararon con los del modelo lineal generalizado tradicional (GLM). Métodos: Se utilizaron 1.342 registros de parto de novillas de raza polaca Holstein-Friesian blanca y negra de cuatro explotaciones lecheras. La dificultad de parto del ganado se dividió en tres categorías (fácil, moderado y difícil). Resultados: El porcentaje de partos correctamente clasificados por CART, CHAID, QUEST y GLM fue 35,14, 18,92, 19,82 y 43,24% (fácil), 68,70, 73,91, 81,74 y 41,74% (moderado), y 77,27, 85,45, 73,64 y 81,82% (difícil), respectivamente. Los factores más importantes de dificultad de parto fueron el rango de toro (determinado sobre la base de dificultad media de los partos de sus hijas), la edad al parto, la categoría de las fincas (sobre la base del rendimiento medio de leche) y la temporada de parto. Conclusión: Todos los modelos de clasificación se caracterizaron como satisfactorios y podrían predecir la clase de dificultad al parto.

Resumo Antecedentes: A distócia em bovinos resulta em consequências adversas (aumento da morbidade e mortalidade dos bezerros, diminuição da fertilidade e da produção de leite, baixa sobrevivência da vaca e redução do bem-estar) levando a consideráveis perdas econômicas. Objetivo: Classificar os partos do gado leiteiro segundo o seu grau de dificuldade através dos métodos selecionados de data mining (árvores de classificação e regressão (CART), detecção automática de interação chi-quadrado (CHAID) e ârvores estatísticas eficientes e rápidas e imparciais (QUEST)) e identificar os fatores mais importantes para a dificuldade nos partos. Os resultados dos métodos de data mining foram comparados com os resultados do modelo lineal generalizado (GLM) mais convencional. Métodos: Foram utilizados 1.342 registos de partos de novilhas da raça polaca Holstein-Frísia branca e preta de quatro fazendas. A dificuldade em um parto foi dividida em três categorias (fácil, média, difícil). Resultados: A percentagem de partos corretamente classificados através de CART, CHAID, QUEST e GLM foram de 35,14, 18,92, 19,82 e 43,24% (fácil), 68,70, 73,91, 81,74 e 41,74% (média) e 77,27, 85,45, 73,64 e 81,82% (difícil), respetivamente. Os fatores mais importantes de dificuldade no parto foram a classificação do touro (determinada com base na dificuldade média nos partos de suas filhas), a idade no momento de parto, a categoria de exploração leiteira (com base no rendimento médio de leite) e a temporada de parto. Conclusão: Todos os modelos de classificação destacaram-se por sua qualidade satisfatória e foram capazes de prever a categoria de dificuldade de um parto.

Inteligência Artificial e Medicina / Artificial Intelligence and Medicine

RESUMO Ao mesmo tempo em que se discutem problemas na relação médico-paciente e a deficiência do exame clínico na atenção médica, que torna o diagnóstico clínico mais dependente de exames complementares, enfatiza-se cada vez mais a importância do computador em medicina e na saúde pública. Isto se dá seja pela adoção de sistemas de apoio à decisão clínica, seja pelo uso integrado de novas tecnologias, incluindo as tecnologias vestíveis/corporais (wearable devices), seja pelo armazenamento de grandes volumes de dados de saúde de pacientes e da população. A capacidade de armazenamento e processamento de dados aumentou exponencialmente ao longo dos recentes anos, criando o conceito de big data. A Inteligência Artificial processa esses dados por meio de algoritmos, que tendem a se aperfeiçoar pelo seu próprio funcionamento (self learning) e a propor hipóteses diagnósticas cada vez mais precisas. Sistemas computadorizados de apoio à decisão clínica, processando dados de pacientes, têm indicado diagnósticos com elevado nível de acurácia. O supercomputador da IBM, denominado Watson, armazenou um volume extraordinário de informações em saúde, criando redes neurais de processamento de dados em vários campos, como a oncologia e a genética. Watson assimilou dezenas de livros-textos em medicina, toda a informação do PubMed e Medline, e milhares de prontuários de pacientes do Sloan Kettering Memorial Cancer Hospital. Sua rede de oncologia é hoje consultada por especialistas de um grande número de hospitais em todo o mundo. O supercomputador inglês Deep Mind, da Google, registrou informações de 1,6 milhão de pacientes atendidos no National Health Service (NHS), permitindo desenvolver novos sistemas de apoio à decisão clínica, analisando dados desses pacientes, permitindo gerar alertas sobre a sua evolução, evitando medicações contraindicadas ou conflitantes e informando tempestivamente os profissionais de saúde sobre seus pacientes. O Deep Mind, ao avaliar um conjunto de imagens dermatológicas na pesquisa de melanoma, mostrou um desempenho melhor do que o de especialistas (76% versus 70,5%), com uma especificidade de 62% versus 59% e uma sensibilidade de 82%. Mas se o computador fornece o know-what, caberá ao médico discutir o problema de saúde e suas possíveis soluções com o paciente, indicando o know-why do seu caso. Isto requer uma contínua preocupação com a qualidade da educação médica, enfatizando o conhecimento da fisiopatologia dos processos orgânicos e o desenvolvimento das habilidades de ouvir, examinar e orientar um paciente e, consequentemente, propor um diagnóstico e um tratamento de seu problema de saúde, acompanhando sua evolução.

ABSTRACT While discussions develop regarding problems in the doctor-patient relationship and the deficiency of the clinical examination in medical practice, which leaves diagnoses more dependent of complementary tests, the importance of the computer in medicine and public health is highlighted. This is happening, either through the adoption of clinical decision support systems, the use of new technologies, such as wearable devices, or the storage and processing of large volumes of patient and population data. Data storage and processing capacity has increased exponentially over recent years, creating the concept of "big data". Artificial Intelligence processes such data using algorithms that continually improve through intrinsic self-learning, thus proposing increasingly precise diagnostic hypotheses. Computerized clinical decision support systems, analyzing patient data, have achieved a high degree of accuracy in their diagnoses. IBM's supercomputer, named "Watson", has stored an extraordinary volume of health information, creating a neural network of data processing in several fields, such as oncology and genetics. Watson has assimilated dozens of medical textbooks, all the information from PubMed and Medline, and thousands of medical records from the Sloan Kettering Cancer Memorial Hospital. Its oncology network is now consulted by numerous specialists from all over the world. The English supercomputer Deep-Mind, by Google, has stored data from 1.6 million National Health Service patients, enabling the development of new clinical decision support systems, analysis of these patient data and generating alerts on their evolution in order to avoid contraindicated or conflicting medications, whilst also sending timely updates to the physicians about the health of their patients. Analyzing a set of dermatological images in a melanoma study, Deep-Mind showed a higher level of performance than that of specialists (76% versus 70.5%), with a specificity of 62% versus 59% and a sensitivity of 82%. Nevertheless, whereas the computer provides the know-what, it is the physician that will discuss the medical problem and the possible solutions with the patient, indicating the know-why of his or her case. This area requires continuous focus on the quality of medical training, emphasizing knowledge of the physiopathology of the organic processes and the development of the abilities to listen to, examine and advise a patient and, consequently, propose a diagnosis and treatment, accompanying his or her evolution.

New approaches for improving cardiovascular risk assessment.

INTRODUCTION AND OBJECTIVES: Clinical guidelines recommend the use of cardiovascular risk assessment tools (risk scores) to predict the risk of events such as cardiovascular death, since these scores can aid clinical decision-making and thereby reduce the social and economic costs of cardiovascular disease (CVD). However, despite their importance, risk scores present important weaknesses that can diminish their reliability in clinical contexts. This study presents a new framework, based on current risk assessment tools, that aims to minimize these limitations. METHODS: Appropriate application and combination of existing knowledge is the main focus of this work. Two different methodologies are applied: (i) a combination scheme that enables data to be extracted and processed from various sources of information, including current risk assessment tools and the contributions of the physician; and (ii) a personalization scheme based on the creation of patient groups with the purpose of identifying the most suitable risk assessment tool to assess the risk of a specific patient. RESULTS: Validation was performed based on a real patient dataset of 460 patients at Santa Cruz Hospital, Lisbon, Portugal, diagnosed with non-ST-segment elevation acute coronary syndrome. Promising results were obtained with both approaches, which achieved sensitivity, specificity and geometric mean of 78.79%, 73.07% and 75.87%, and 75.69%, 69.79% and 72.71%, respectively. CONCLUSIONS: The proposed approaches present better performances than current CVD risk scores; however, additional datasets are required to back up these findings.