Publication
Predição de lesões por pressão através de inteligência artificial em unidades de cuidados intensivos: protocolo de scoping review
| dc.contributor.author | Alves, José | |
| dc.contributor.author | Azevedo, Rita | |
| dc.contributor.author | Marques, Ana | |
| dc.contributor.author | Alves, Paulo | |
| dc.date.accessioned | 2025-06-23T13:58:12Z | |
| dc.date.available | 2025-06-23T13:58:12Z | |
| dc.date.issued | 2025-06-30 | |
| dc.description.abstract | Introdução: As lesões por pressão são eventos adversos frequentes em unidades de cuidados intensivos, com impacto na qualidade de vida das pessoas e nos custos em saúde. As escalas tradicionais de avaliação de risco apresentam limitações no contexto do doente crítico. A inteligência artificial tem vindo a afirmar-se como uma abordagem promissora na identificação precoce do risco, com maior sensibilidade e capacidade de integração de dados clínicos complexos. Objetivo: Identificar e mapear a evidência científica sobre a utilização de inteligência artificial na predição de lesões por pressão em adultos em situação crítica internados em unidades de cuidados intensivos. Métodos: Será realizada uma scoping review segundo a metodologia do Joanna Briggs Institute e a checklist PRISMA-ScR. A pesquisa incluirá bases de dados e literatura cinzenta, sem restrições de idioma ou data. Serão incluídos estudos que abordem a utilização de inteligência artificial na predição de lesões por pressão em unidades de cuidados intensivos. Resultados: Os dados serão apresentados de forma descritiva e narrativa, com quadros e tabelas que evidenciam os tipos de inteligência artificial, variáveis preditoras, desempenho dos modelos e implicações clínicas. Conclusões: Esta revisão permitirá sistematizar o conhecimento disponível, identificar lacunas na literatura e apoiar a integração de soluções baseadas em inteligência artificial na prática de enfermagem em cuidados intensivos. | por |
| dc.description.abstract | Introduction: Pressure injuries are common adverse events in intensive care units, impacting individuals’ quality of life and increasing healthcare costs. Traditional risk assessment scales have significant limitations in the context of critically ill patients. Artificial intelligence has emerged as a promising approach for early risk identification, offering greater sensitivity and the ability to integrate complex clinical data. Objective: To identify and map the available scientific evidence on the use of artificial intelligence for predicting pressure injuries in critically ill adult patients admitted to intensive care units. Methods: A scoping review will be conducted according to the Joanna Briggs Institute methodology and the PRISMA-ScR checklist. The search will include scientific databases and grey literature sources, with no restrictions on language or publication date. Studies addressing the use of artificial intelligence to predict pressure injuries in intensive care settings will be included. Results: Data will be presented descriptively and narratively, using summary tables to highlight types of artificial intelligence, predictive variables, model performance, and clinical implications. Conclusions: This review will systematize current knowledge, identify research gaps, and support the integration of artificial intelligence-based solutions in nursing practice within intensive care contexts. | eng |
| dc.description.abstract | Introducción: Las lesiones por presión son frecuentes en cuidados intensivos, afectando la calidad de vida y aumentando los costes sanitarios. Las escalas tradicionales presentan limitaciones en pacientes críticos. La inteligencia artificial surge como alternativa prometedora para una detección precoz más precisa. Objetivos: Identificar y mapear la evidencia científica disponible sobre el uso de inteligencia artificial para la predicción de lesiones por presión en pacientes adultos en situación crítica ingresados en unidades de cuidados intensivos. Métodos: Se realizará una scoping review según la metodología del Joanna Briggs Institute y la checklist PRISMA-ScR. La búsqueda incluirá bases de datos científicas y literatura gris, sin restricciones de idioma o fecha. Se considerarán estudios que aborden el uso de inteligencia artificial para predecir lesiones por presión en cuidados intensivos. Resultados: Los datos se presentarán de forma descriptiva y narrativa, con tablas que resuman tipos de inteligencia artificial, variables predictoras, rendimiento de los modelos e implicaciones clínicas. Conclusión: Esta revisión permitirá sistematizar el conocimiento actual, identificar vacíos en la literatura y apoyar la integración de soluciones basadas en inteligencia artificial en la práctica enfermera en cuidados intensivos. | spa |
| dc.identifier.doi | 10.48492/servir0212.36731 | |
| dc.identifier.issn | 0871-2379 | |
| dc.identifier.uri | http://hdl.handle.net/10400.14/53721 | |
| dc.language.iso | por | |
| dc.peerreviewed | yes | |
| dc.rights.uri | http://creativecommons.org/licenses/by/4.0/ | |
| dc.subject | Inteligência artificial | |
| dc.subject | Úlcera por pressão | |
| dc.subject | Unidades de terapia intensiva | |
| dc.subject | Cuidados críticos | |
| dc.subject | Enfermagem de cuidados críticos | |
| dc.subject | Artificial intelligence | |
| dc.subject | Pressure ulcer | |
| dc.subject | Intensive care units | |
| dc.subject | Critical care | |
| dc.subject | Critical care nursing | |
| dc.subject | Inteligencia artificial | |
| dc.subject | Úlcera por presión | |
| dc.subject | Unidades de cuidados intensivos | |
| dc.subject | Enfermería de cuidados críticos | |
| dc.title | Predição de lesões por pressão através de inteligência artificial em unidades de cuidados intensivos: protocolo de scoping review | por |
| dc.title.alternative | Pressure injury prediction in intensive care units using artificial intelligence: scoping review protocol | eng |
| dc.title.alternative | Predicción de lesiones por presión en unidades de cuidados intensivos mediante inteligencia artificial: protocolo de scoping review | spa |
| dc.type | research article | |
| dspace.entity.type | Publication | |
| oaire.citation.issue | 12 | |
| oaire.citation.title | Servir | |
| oaire.citation.volume | 2 | |
| oaire.version | http://purl.org/coar/version/c_970fb48d4fbd8a85 |