Carga de trabalho de enfermagem: uso de inteligência artificial para o desenvolvimento de modelo classificador ^*

Objetivo:

descrever o desenvolvimento de um modelo classificador preditivo da carga de trabalho de enfermagem, utilizando inteligência artificial.

Método:

estudo observacional retrospectivo, em fontes secundárias de registros eletrônicos de pacientes, com uso de aprendizado de máquina. A amostra por conveniência constituiu-se de 43.871 avaliações realizadas por enfermeiras assistenciais com o Sistema de Classificação de Pacientes de Perroca, as quais serviram como padrão ouro, e os dados clínicos do prontuário eletrônico de 11.774 pacientes, que constituíram as variáveis. Para a organização dos dados e a realização das análises, utilizou-se a plataforma de ciência de dados Dataiku ^® . A análise dos dados ocorreu de forma exploratória, descritiva e preditiva. Estudo aprovado pelo Comitê de Ética e Pesquisa da instituição campo do estudo.

Resultados:

o uso de inteligência artificial possibilitou o desenvolvimento do modelo classificador de avaliação da carga de trabalho de enfermagem, identificando as variáveis que mais contribuíram para a sua predição. O algoritmo classificou corretamente 72% das variáveis e a área sob a curva Receiver Operating Characteristic foi de 82%.

Conclusão:

houve o desenvolvimento de um modelo preditivo, demonstrando que é possível treinar algoritmos com dados do prontuário eletrônico do paciente para predizer a carga de trabalho de enfermagem e que as ferramentas da inteligência artificial podem ser efetivas para a automatização desta atividade.

Descritores:
Enfermagem; Carga de Trabalho; Informática em Enfermagem; Registros Eletrônicos em Saúde; Inteligência Artificial; Aprendizado de Máquina

Destaques:

(1) Desenvolvimento de modelo classificador preditivo da carga de trabalho de enfermagem.

(2) Identificação das principais variáveis que geram carga de trabalho de enfermagem.

(3) Possibilidade de automatização da avaliação da carga de trabalho de enfermagem.

(4) Qualificação da gestão assistencial.

(5) Contribuição nos estudos de dimensionamento de pessoal.