Uma Arquitetura para Sistemas de Saúde Eletrônicos que Suporta o Monitoramento de Pacientes e a Notificação de Cuidadores com base em Raciocínio Automático para evitar a Fadiga de Alarme
Resumo
Estimativas informam que 80% a 99% dos alarmes disparados em unidades hospitalares são falsos ou clinicamente insignificantes, não apresentando perigo real aos pacientes. Estes falsos alertas podem culminar em uma sobrecarga de alertas que leva um profissional da saúde a perder eventos importantes que podem ser prejudiciais aos pacientes ou até mesmo fatais. À medida que as unidades de saúde se tornam mais dependentes de dispositivos de monitoramento que acionam alarmes, o problema da fadiga de alarme deve ser tratado como uma das principais questões, a fim de prevenir a sobrecarga de alarme para os profissionais da saúde e aumentar a segurança do paciente. O principal objetivo desta tese é propor uma solução para o problema de fadiga de alarme usando um mecanismo de raciocínio automático para decidir como notificar os membros da equipe de saúde. Esta tese descreve: um modelo para suportar algoritmos de raciocínio que decidem como notificar os profissionais de saúde para evitar a fadiga de alarme; uma arquitetura para sistemas de saúde que suporta recursos de monitoramento, raciocínio e notificação de pacientes; e três algoritmos de raciocínio que decidem: (i) como notificar os profissionais de saúde decidindo quando agrupar um conjunto de alarmes; (ii) se deve ou não notificar os profissionais de saúde com uma indicação de probabilidade de falso alarme; (iii) quem é o melhor cuidador a ser notificado considerando um grupo de cuidadores.
Referências
Cvach, M. (2012). Monitor Alarm Fatigue: An Integrative Review. Biomedical Instrumentation & Technology, 46(4), 268–277. https://doi.org/10.2345/0899-8205-46.4.268
Jones, K. (2014). Alarm fatigue a top patient safety hazard. CMAJ : Canadian Medical Association Journal = Journal de l’Association Medicale Canadienne, 186(3), 178. https://doi.org/10.1503/cmaj.109-4696
Drew, B. J., Harris, P., Zègre-Hemsey, J. K., Mammone, T., Schindler, D., Salas-Boni, R., … Hu, X. (2014). Insights into the problem of alarm fatigue with physiologic monitor devices: a comprehensive observational study of consecutive intensive care unit patients. PloS One, 9(10), e110274. https://doi.org/10.1371/journal.pone.0110274
Tanner, T. (2013). The Problem of Alarm Fatigue. Nursing for Women’s Health, 17(2), 153–157. https://doi.org/https://doi.org/10.1111/1751-486X.12025
Fernandes, Chrystinne, Miles, Simon, Cowan, Donald, & Lucena, C.J.P. de. (2019). Artificial Intelligence Technologies for Coping with Alarm Fatigue in Hospital Environments Because of Sensory Overload. (JMIR - Journal of Medical Internet Research - ISSN 1438-8871)
Liu, D., Görges, M., & Jenkins, S. A. (2012). University of Queensland Vital Signs Dataset: Development of an Accessible Repository of Anesthesia Patient Monitoring Data for Research. Anesthesia & Analgesia, 114(3). Retrieved from https://journals.lww.com/anesthesia-analgesia/Fulltext/2012/03000/University_of_Queensland_Vital_Signs_Dataset__.15.aspx
Winters, B. D., Cvach, M. M., Bonafide, C. P., Hu, X., Konkani, A., O’Connor, M. F., (2018). The Society for Critical Care Medicine Alarm and Alert Fatigue Task Force.. Technological Distractions (Part 2): A Summary of Approaches to Manage Clinical Alarms With Intent to Reduce Alarm Fatigue. Critical Care Medicine, 46(1). Retrieved from https://journals.lww.com/ccmjournal/Fulltext/2018/01000/Technological_Distractions__Part_2___A_Summary_of.17.aspx
Fernandes, Chrystinne, Miles, Simon, Lucena, C.J.P. de. (2020). Reasoning about How to Detect False Alarms by Analyzing Alarm-context Information. Journal JMIR Medical Informatics - ISSN 2291-9694.
Keller, J. P. (2012). Clinical alarm hazards: a “top ten” health technology safety concern. Journal of Electrocardiology, 45(6), 588–591. https://doi.org/https://doi.org/10.1016/j.jelectrocard.2012.08.050
