COVID Mascarilla Nasal

El Instituto Politécnico Nacional (IPN) de México ha desarrollado una mascarilla nasal «única en su tipo», con la que pretenden «disminuir los contagios por el coronavirus SARS-CoV-2».

Investigadores del Instituto Politécnico Nacional de México crearon una mascarilla nasal única en su tipo para poder realizar actividades cotidianas como beber o comer sin aumentar las posibilidades de contraer el virus. La «eating mask» cubre únicamente la nariz y deja libre la boca, por lo que se reduce el riesgo de contagiarse por aerosoles.

Los diseñadores mexicanos se han puesto en contacto con una empresa para poder fabricar y comercializar la mascarilla.

Mascarilla nasal: inventan una mascarilla que se puede usar mientras comes o bebes

La mascarilla nos ayudaría a proteger la zona de entrada del virus en el organismo, las fosas nasales, en actos habituales como la ingesta de alimentos o la visita al dentista. «El desarrollo de la mascarilla nasal (denominada Mask Eating) surgió como una necesidad de contar con mayores elementos de protección sanitaria», indica Gustavo Acosta Altamirano, científico de la Escuela superior de Medicina y coordinador del proyecto. Además, destaca que surge también como medida a la mayor capacidad de infección de las nuevas variantes.

Inteligencia Artificial: Ayuda A Predecir La Evolución De Los Pacientes Con COVID-19

Un algoritmo de predicción basado en inteligencia artificial, que utiliza aprendizaje automático y procesamiento de big data, puede predecir el desarrollo de muchos pacientes afectados por COVID-19 en tiempo real. Se trata de un nuevo método a disposición de los hospitales públicos gestionados por Quirónsalud.

El sistema de pronóstico se diseñó en mayo y se puso en marcha en el mencionado centro en septiembre. El responsable de big data de la red sanitaria explicó que la red sanitaria puede predecir aquellas hospitalizaciones que cumplan determinadas condiciones en función de la mortalidad y el deterioro de la enfermedad (el riesgo de ser ingresado en una unidad de cuidados intensivos (UCI) en las próximas horas) Criterios para el desarrollo de enfermedades en pacientes con COVID.

Para poner en práctica el algoritmo se estudiaron 352 variables y más de 15.000 pacientes. En los datos recopilados, se han evaluado los datos demográficos del paciente (como edad o sexo), historial médico personal (como hipertensión arterial o enfermedad cardiovascular, problemas pulmonares, cancerosos o renales). El estudio también consideró si el paciente había recibido medicamentos antes y en el momento del ingreso, así como otras variables, como si estaba ventilado mecánicamente o si fue aceptado en la UCI.

Una herramienta eficiente

En cuanto a la gestión asistencial, el algoritmo ayuda a optimizar la eficiencia fomentando la agilidad de actuar sobre los pacientes; la capacidad de predecir la demanda de determinados recursos con varios días de antelación, lo que nos permite predecir la demanda en cada momento.

El Departamento de Medicina y Respiración de la Fundación Jiménez Díaz indica que la herramienta puede verificar estos patrones a través de datos clínicos, mejorar la calidad y seguridad del proceso, y brindar a los profesionales médicos información más útil a la hora de tomar decisiones.

En este sentido, agregaron que los beneficios del sistema en relación con los beneficios del paciente son igualmente obvios. Esto se debe a que al mejorar la experiencia del hospital y la calidad y seguridad de la atención, existen factores que indican un desarrollo continuo desde el inicio.

Las variables clave se dividen en cuatro niveles

De las 20 variables identificadas como relevantes, los miembros del proyecto utilizaron árboles de decisión con hasta cuatro niveles de complejidad para hacer ajustes de modo que tuvieran una visión global clara de cómo cada variable afectaría la clasificación. En concreto, sobre un conjunto de 20 variables se aplica un algoritmo para calcular la probabilidad de un evento, que tiene información a priori sobre el evento, proporcionando así un conjunto de reglas de umbral que pueden predecir mejor la gravedad futura del paciente.

Posteriormente, una vez determinadas las variables relevantes, se entrenaron los dos modelos para determinar la probabilidad de que los pacientes hospitalizados requieran ingreso en UCI o fallezcan. Finalmente, la información del paciente y sus indicadores de análisis se transmiten a través de estos modelos para obtener los valores estimados correspondientes. De esta forma, los resultados se cargan en la base de datos en tiempo real y se integran en el historial médico del paciente para generar las correspondientes alertas predictivas para agilizar y facilitar la toma de decisiones.

Algoritmos de mejora y desarrollo permanente

Actualmente, todos estos departamentos se están beneficiando del proyecto, pero también brindan retroalimentación y mejoran continuamente a través del análisis de los resultados de los pacientes. De esta forma, el proyecto permite ampliar la muestra, ajustar los parámetros, incluir nuevas variables y optimizarlas, y enriquecer y perfeccionar permanentemente el algoritmo. Por lo tanto, luego de entrenar el modelo y ajustarlo a los datos disponibles, se reevaluó la importancia de cada variable. En ambos modelos predictivos, variables como la edad, el IMC o la fracción de oxígeno inspirado (FiO2) tienen pesos relevantes. Y, en el corto plazo, se espera agregar otras herramientas que ayudarán a mejorar la precisión de los resultados.

Distanciamiento físico, acercamiento virtual ¿Cuántos usuarios se conectan a internet a través de su móvil?

Distanciamiento físico se ha convertido en una manera de prevención de contagio e impedimento del coronavirus. Evitar términos afines como cuarentena o aislamiento trata un sentido de lo social que delata el involucramiento que necesitamos para comprender que lo individual es colectivo, y que frente a lo que se avecina, la coordinación y cooperación serán esenciales.

Seguir leyendo