Projectes promocionats pel CSAPG

La insuficiència cardíaca (IC) i la malaltia pulmonar obstructiva crònica (EPOC) es troben entre les malalties cròniques amb major impacte advers en la població. Les exacerbacions d'aquestes malalties influeixen negativament en la supervivència, l'autonomia i la qualitat de vida dels individus i són una causa freqüent d'hospitalització i visites al servei d'urgències.

S'han desenvolupat models matemàtics per diagnosticar de manera precoç l'empitjorament (exacerbació) d'aquestes malalties, utilitzant paràmetres fisiològics del pacient, com la freqüència cardíaca o la saturació  d'oxigen en sang (la quantitat d'oxigen que transporta la sang). Els models d'aquest tipus desenvolupats fins el moment no són massa sensibles per detectar l'empitjorament del pacient (detecten entre el 40 i el 75% dels casos). El projecte conclòs eCaalyx proposava millorar el rendiment d'aquests algoritmes, proposant l'estudi d'altres paràmetres clínics. En aquest sentit, cap estudi o algoritme desenvolupat fins a aquest moment havia considerat el rendiment diagnòstic dels signes vitals en situacions d'esforç (per exemple, mentre el pacient camina). Durant l'estudi eCaalyx es va generar una base de dades de 127 pacients, on es recollien la freqüència cardíaca i la saturació d'oxigen en sang durant un episodi d'exacerbació i també en situació estable. Des del 2013, data en la qual va concloure aquest estudi fins ara, les tècniques matemàtiques que es poden utilitzar per a aquest tipus d'investigació han donat un salt qualitatiu enorme, permetent l'obtenció de models que són capaços de trobar patrons més complexos que els que es poden obtenir en el seu moment amb les tècniques clàssiques d'anàlisi. Aquest projectes proposa analitzar aquesta base de dades amb tècniques de "Machine Learing" actuals per trobar noves relacions més robustes entre les exacerbacions i la freqüència cardíaca i/o la saturació d'oxigen en sang.

Resum per a professionals

L'esforç físic produeix una resposta fisiològica (variacions en la freqüència cardíaca, freqüència respiratòria o saturació d'oxigen en sang perifèrica) que, en pacients amb malaltia pulmonar o cardíaca, pot ser diferent segons el pacient es trobi en una fase estable o en una fase d'exacerbació de la malaltia. A més, l'esforç físic pot evidenciar alteracions en determinats paràmetres, que no s'observen quan el pacient és avaluat en repòs. Per tant, l'objectiu del present estudi és avaluar les diferències en la resposta fisiològica a l'esforç entre pacients en una fase estable i pacients en fase d'exacerbació de la malaltia (insuficiència cardíaca i/o EPOC) i, a partir de tècniques de Machine Learing, desenvolupar un model per detectar episodis d'exacerbació.