DoN-DataOnNutriton®: Plataforma para gestão da terapia nutricional em pacientes críticos e suporte à pesquisa em UTI

• Trícia S. Santos NUTRHOSP Pesquisa e Desenvolvimento de Soluções Tecnológicas em Saúde Ltda / UESC
• Welvis S. Souza NUTRHOSP Pesquisa e Desenvolvimento de Soluções Tecnológicas em Saúde Ltda
• Milo Raziel S. Rodrigues NUTRHOSP Pesquisa e Desenvolvimento de Soluções Tecnológicas em Saúde Ltda
• Marcos Gabriel de S. Magalhães HI
• Tayana O. Trindade HI
• Cláudia S. dos S. França HRCC
• Jane Ennys P. dos Santos HRCC
• Catarine O. Loureiro HRCC
• Danielle Christine de O. Pereira HRCC
• Nilson Roberto Ribeiro O. Junior NUTRHOSP Pesquisa e Desenvolvimento de Soluções Tecnológicas em Saúde Ltda / HRCC / HI

DOI: https://doi.org/10.5753/sbcas_estendido.2025.7094

Resumo

A terapia nutricional (TN) em pacientes críticos ainda se apresenta como um desafio. A desnutrição hospitalar agrava o quadro e impacta negativamente a saúde dos pacientes. A tecnologia da informação (TI) e a inteligência artificial (IA) oferecem soluções promissoras para otimizar a TN. O sistema DoN-DataOnNutriton® integra dados clínicos e laboratoriais, fornecendo recomendações em tempo real e alertas para riscos, não conformidades e alterações nos exames. A base de dados estruturada do sistema, mantida em nuvem com segurança e privacidade, facilita a pesquisa e o desenvolvimento de soluções personalizadas para aprimorar a terapia nutricional de precisão.

Referências

BRASPEN. (2021) Diga não à desnutrição: diagnóstico e conduta nutricional de pacientes internados, BRASPEN Journal, vol.36, n2, p.145-150, 2021.

Boehm, B. (1988) A Spiral Model of Software Development”. IEEE Computer, v. 21, n. 5, p. 61-72.

Collins, K and Huen, S. C. (2023) Metabolism and Nutrition in Sepsis: In Need of a Paradigm Shift, Nephron, vol. 147, no. 12, pp. 733–736. DOI: 10.1159/000534074.

Correia, M. I. T. D.; et al. (2019) Nutritional status of patients at hospital admission in Brazil”, The American Journal of Clinical Nutrition, v. 110, n. 3, p. 605-614.

EL-Manzalawy, Y. et al. OASIS +: leveraging machine learning to improve the prognostic accuracy of OASIS severity score for predicting in-hospital mortality, (2021) BMC Medical Informatics and Decision Making, vol. 21, no. 1, p. 156. DOI: 10.1186/s12911-021-01517-7.

Johnson, A. E. W. et al. (2023) MIMIC-IV, a freely accessible electronic health record dataset, Scientific Data, vol. 10, no. 1, p. 1. DOI: 10.1038/s41597-022-01899-x.

Lambell, K. J.; et al. (2020) Nutrition therapy in critical illness: a review of the literature for clinicians, Critical Care, vol. 24, no. 1, p. 35. DOI: 10.1186/s13054-020-2739-4.

Mcclave, S. A. et al. (2016) Guidelines for the Provision and Assessment of Nutrition Support Therapy in the Adult Critically Ill Patient, Journal of Parenteral and Enteral Nutrition, vol. 40, no. 2, pp. 159–211. DOI: 10.1177/0148607115621863.

Oliveira, C. A. and Gaidzinski, R. R. (2017) Applicability of the Clinical Nutrition Interventions Classification and Activities in a Hospital Unit. Pilot Study, Cienc Cuid Saude, 16(4):1-7.

Raslan, L. I. et al. (2011) Desnutrição hospitalar: subdiagnóstico e suas implicações, Revista Brasileira de Nutrição Clínica, v. 26, n. 1, p. 22-27.

Singer, P., Robinson, E. and Raphaeli, O. (2023) Gastrointestinal failure, big data and intensive care, Current Opinion in Clinical Nutrition & Metabolic Care, vol. 26, no. 5, pp. 476–481. DOI: 10.1097/MCO.0000000000000961.

Sutherland, J. (2014) Scrum: The Art of Doing Twice the Work in Half the Time. Crown Business.

Waitzberg, D. L.; et al. (2001) Inquérito multicêntrico de avaliação nutricional em hospitais da América Latina: Estudo IBRANUTRI, Nutrição em Pauta, v. 9, n. 47, p. 24-34.