Automatic detection of ventilatory modes during invasive mechanical ventilation
Murias, Gastón (Universidad Favaloro (Argentina))
Montanyà, Jaume (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Chacón, Encarna (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Estruga, Anna (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Subirà, Carles (Universitat Internacional de Catalunya. Facultat de Medicina)
Fernández, Rafael (Universitat Internacional de Catalunya. Facultat de Medicina)
Sales, Bernat (Better Care (Catalunya))
de Haro, Candelaria (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
López-Aguilar, Josefina (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Lucangelo, Umberto (Trieste University)
Villar, Jesús (Hospital Universitario de Gran Canaria Dr. Negrín)
Kacmarek, Robert M. (Massachusetts General Hospital (Boston))
Blanch, Lluís (Parc Taulí Hospital Universitari. Institut d'Investigació i Innovació Parc Taulí (I3PT))
Universitat Autònoma de Barcelona

Date:	2016
Abstract:	Expert systems can help alleviate problems related to the shortage of human resources in critical care, offering expert advice in complex situations. Expert systems use contextual information to provide advice to staff. In mechanical ventilation, it is crucial for an expert system to be able to determine the ventilatory mode in use. Different manufacturers have assigned different names to similar or even identical ventilatory modes so an expert system should be able to detect the ventilatory mode. The aim of this study is to evaluate the accuracy of an algorithm to detect the ventilatory mode in use. We compared the results of a two-step algorithm designed to identify seven ventilatory modes. The algorithm was built into a software platform (BetterCare® system, Better Care SL; Barcelona, Spain) that acquires ventilatory signals through the data port of mechanical ventilators. The sample analyzed compared data from consecutive adult patients who underwent >24 h of mechanical ventilation in intensive care units (ICUs) at two hospitals. We used Cohen's kappa statistics to analyze the agreement between the results obtained with the algorithm and those recorded by ICU staff. We analyzed 486 records from 73 patients. The algorithm correctly labeled the ventilatory mode in 433 (89 %). We found an unweighted Cohen's kappa index of 84. 5 % [CI (95 %) = (80. 5 %: 88. 4 %)]. The computerized algorithm can reliably identify ventilatory mode. The online version of this article (doi:10. 1186/s13054-016-1436-9) contains supplementary material, which is available to authorized users.
Grants:	Ministerio de Economía y Competitividad PI09/91074 Ministerio de Economía y Competitividad PI13/02204 Ministerio de Industria, Turismo y Comercio TSI-020302-2008-38
Rights:	Aquest document està subjecte a una llicència d'ús Creative Commons. Es permet la reproducció total o parcial, la distribució, la comunicació pública de l'obra i la creació d'obres derivades, fins i tot amb finalitats comercials, sempre i quan es reconegui l'autoria de l'obra original.
Language:	Anglès
Document:	Article ; recerca ; Versió publicada
Subject:	Mechanical ventilation ; Automatic detection ; Ventilatory mode ; Information systems in critical care
Published in:	Critical Care, Vol. 20 (august 2016) , ISSN 1466-609X

DOI: 10.1186/s13054-016-1436-9
PMID: 27522580

7 p, 2.1 MB

The record appears in these collections:
Research literature > UAB research groups literature > Research Centres and Groups (research output) > Health sciences and biosciences > Parc Taulí Research and Innovation Institute (I3PT
Articles > Research articles
Articles > Published articles