Herramienta de analítica de datos para dispositivos de infusión y monitoreo de anestesia total intravenosa

Abstract

RESUMEN : La anestesia desempeña un papel fundamental en la atención médica, y su constante evolución es crucial para mejorar los resultados clínicos. En este contexto, el desarrollo de herramientas de análisis de datos se vuelve esencial para la toma de decisiones informadas. El presente estudio conceptualiza y desarrolla una herramienta de analítica de datos para dispositivos de infusión y monitoreo de anestesia total intravenosa en asa cerrada, mostrando los resultados de aplicar dicha herramienta para el análisis de un estudio retrospectivo post-mercado con la finalidad de evaluar el rendimiento y desempeño de estas tecnologías. La herramienta procesa y analiza datos crudos de la máquina de anestesia extrayendo las variables necesarias para así generar reportes sociodemográficos y antropométricos (edad, peso, talla, etc), de procedimientos quirúrgicos (duración y delimitación de fases anestésicas) y consumo farmacológicos (discriminado para cada fase), a su vez que evalúa el desempeño del dispositivo para mantener un adecuado régimen anestésico (% tiempo PSI en rango optimo) junto con sus métricas de error relacionadas según consideraciones de cálculo específicas (PE, MDPE, MDAPE y Wobble) para así encontrar la métrica que mejor satisfaga el análisis, a su vez, la herramienta grafica variables de interés y permite individualizar casos clínicos. Se destacan como resultados la capacidad de la herramienta de producir informes globales e individuales desde distintas aristas, permitiendo encontrar correlaciones entre el comportamiento clínico de los pacientes, sin embargo se genera una pregunta relevante sobre cuáles son las métricas precisas para evaluar el desempeño de este tipo de sistema si se desea ir en coherencia con los avances clínicos, demostrando que los criterios de cálculo para parámetros de error están abiertos a re interpretaciones al igual que los rangos de optima profundidad anestésica según las particularidades inherentes a cada sujeto concluyendo así que la monitorización y evaluación de desempeño de este tipo de dispositivos debe basarse en el análisis de un amplio conjunto de datos y no solo en índices de profundidad anestésica.

ABSTRACT : Anesthesia plays a fundamental role in healthcare, and its constant evolution is crucial for improving clinical outcomes. In this context, the development of data analysis tools becomes essential for informed decision-making. This study conceptualizes and develops a data analytics tool for closed-loop total intravenous anesthesia infusion and monitoring devices, showing the results of applying such a tool for the analysis of a retrospective post-market study to evaluate the performance of these technologies. The tool processes and analyzes raw data from the anesthesia machine, extracting the necessary variables to generate sociodemographic and anthropometric reports (age, weight, height, etc.), surgical procedures (duration and delimitation of anesthetic phases) and pharmacological consumption (discriminated for each phase). It also evaluates the device's performance in maintaining an adequate anesthetic régimen along (% time PSI in optimal range) with its related error metrics according to specific calculation considerations (PE, MDPE, MDAPE and Wobble) to find the metric that best satisfies the analysis. In turn, the tool graphs variables of interest and allows individualization of clinical cases. The results highlight the tool's ability to produce global and individual reports from different perspectives, allowing to find correlations between the clinical behavior of patients. However, a relevant question is raised about which are the precise metrics to evaluate the performance of this type of system if it is desired to be consistent with clinical advances, demonstrating that the calculation criteria for error parameters are open to reinterpretation, as well as the ranges of optimal anesthetic depth according to the particularities inherent to each subject. It is concluded that the monitoring and performance evaluation of this type of device should be based on the analysis of a large set of data and not only on indexes of anesthetic depth.