Modelo não supervisionado de machine learning para análise de suporte nutricional em pacientes sob ventilação mecânica

Resumen

O suporte nutricional é essencial para pacientes graves em ventilação mecânica, ajudando a prevenir desnutrição, otimizar desfechos clínicos e reduzir mortalidade. Entretanto, ainda não há consenso sobre o momento ideal para atingir as metas calóricas e proteicas, evidenciando a necessidade de mais estudos para orientar práticas baseadas em evidências. O objetivo deste estudo foi modelar de maneira não supervisionada a intervenção nutricional em pacientes criticamente doentes sob ventilação mecânica internados em Centro de Terapia Intensiva (CTI). Para analisar esses pacientes foi desenvolvido uma pesquisa retrospectiva, com dados de 260 pacientes atendidos no CTI de um hospital terciário da cidade de Maringá, Paraná, Brasil, por meio da análise de correspondência múltipla (ACM) e análise comparativa qualitativa (QCA). A ACM explicou aproximadamente 21,8% da variação em relação ao desfecho de óbito, onde ser do sexo masculino, não ter complicações clínicas e comorbidades associadas, utilizar vasopressor, iniciar a terapia nutricional precoce entre 24 e 48 horas, ter índice de massa corporal entre 25 até 29,9 kg/m² e atingir a meta calórica proteica em menos de cinco dias, estiveram associados de forma mais proeminente à ocorrência de óbitos.  A QCA por sua vez, demonstrou que, em média, 23% dos óbitos podem ser explicados pela combinação das variáveis dependentes analisadas neste trabalho, principalmente pelo índice de massa corporal, tempo de início da terapia enteral, meta calórica proteica e uso de vasopressor. Esses achados sugerem que, na população estudada, a combinação entre oferta nutricional adequada e manejo oportuno esteve associada a melhores indicadores clínicos, reforçando a necessidade de protocolos assistenciais que priorizem a avaliação e intervenção nutricional precoce em pacientes críticos sob ventilação mecânica e suporte enteral.