Applicazioni dell’intelligenza artificiale in contesti di triage infermieristico una revisione sistematica
Barra laterale dell'articolo
Contenuto principale dell'articolo
Abstract
Background: Il triage è una competenza infermieristica volta all’attribuzione di un codice priorità ai pazienti che si presentano in pronto soccorso e alla valutazione del potenziale rischio evolutivo sulla base dei sintomi osservabili e dei sintomi riferiti. L’infermiere di triage deve essere esperto e deve essere formato secondo le normative nazionali esistenti. Il triage è un momento fondamentale per garantire la presa in carico dei pazienti e per definire l’ordine di accesso al trattamento. L’intelligenza artificiale sta avendo un impatto crescente a livello globale, soprattutto a supporto delle attività sanitarie. Questa revisione sistematica mirava a valutare l’efficacia dell’utilizzo di sistemi basati sull’intelligenza artificiale (IA) durante il processo di triage infermieristico rispetto ai metodi tradizionali.
Metodi: Il quesito di foreground è stato composto attraverso il metodo PICO. La ricerca è stata condotta con l’utilizzo di tre database (PubMed, Cinahl, Scopus) sulla base delle linee guida PRISMA. Per includere più articoli possibili sono state utilizzate cinque diverse combinazioni delle keywords stabilite (nurs*, triage, artificial intelligence). Sono stati identificati studi pubblicati in un range temporale che va dal 2019 al 2024, in italiano e inglese.
Risultati: Sono stati inclusi un totale di 12 articoli. Più della metà degli studi inclusi esprimono dati molto recenti. I dati estrapolati dagli studi riguardano principalmente l’obiettivo, i metodi utilizzati, gli outputs misurati e i risultati ottenuti. In ogni articolo incluso, i risultati sono stati ottenuti dal confronto con le prestazioni delle tecnologie descritte, proposte o sviluppate, con le procedure di triage tradizionali. Il limite principale della ricerca risiede nella limitatezza di letteratura scientifica disponibile sull’argomento.
Conclusioni: L’utilizzo dell’intelligenza artificiale in contesti di triage infermieristico è un campo fortemente in via di sviluppo e ha un potenziale evidente, soprattutto se utilizzato per ottimizzare il lavoro infermieristico. Tuttavia, essendo in forte accrescimento, quasi tutte le applicazioni basate sull’IA descritte e studiate necessitano di ulteriori test e miglioramenti prima di poter essere utilizzate. Nel complesso, i risultati provenienti dagli studi sono molto promettenti.
Downloads
Dettagli dell'articolo
Questo lavoro è fornito con la licenza Creative Commons Attribuzione - Non commerciale 4.0 Internazionale.
Riferimenti bibliografici
Chen, J.-Y., Hsieh, C.-C., Lee, J.-T., Lin, C.-H., & Kao, C.-Y. (2024). Patient stratification based on the risk of severe illness in emergency departments through collaborative machine learning models. The American Journal of Emergency Medicine, 82, 142–152. https://doi.org/10.1016/j.ajem.2024.06.015
• Defilippo, A., Veltri, P., Lió, P., & Guzzi, P. H. (2024). Leveraging graph neural networks for supporting automatic triage of patients. Scientific Reports, 14(1), 12548. https://doi.org/10.1038/s41598-024-63376-2
• Ivanov, O., Wolf, L., Brecher, D., Lewis, E., Masek, K., Montgomery, K., Andrieiev, Y., McLaughlin, M., Liu, S., Dunne, R., Klauer, K., & Reilly, C. (2021). Improving ED Emergency Severity Index Acuity Assignment Using Machine Learning and Clinical Natural Language Processing. Journal of Emergency Nursing, 47(2), 265- 278.e7. https://doi.org/10.1016/j. jen.2020.11.001
• Jacob, J. (2023). ChatGPT: Friend or Foe?--Utility in Trauma Triage. Indian Journal of Critical Care Medicine, 27(8), 561–564. https://doi.org/10.5005/jp-journals-10071-24498
• Kim, D., Oh, J., Im, H., Yoon, M., Park, J., & Lee, J. (2021). Automatic Classification of the Korean Triage Acuity Scale in Simulated Emergency Rooms Using Speech Recognition and Natural Language Processing: A Proof of Concept Study. Journal of Korean Medical Science, 36(27), e175. https://doi.org/10.3346/jkms.2021.36.e175
• Kipourgos, G., Tzenalis, A., Diamantidou, V., Koutsojannis, C., & Hatzilygeroudis, I. (2022). An Artificial Intelligence Based Application for Triage Nurses in Emergency Department, Using the Emergency Severity Index Protocol. International Journal of Caring Sciences, 15(3), 1764–1772
• Levine, D. M., Tuwani, R., Kompa, B., Varma, A., Finlayson, S. G., Mehrotra, A., & Beam, A. (2024). The diagnostic and triage accuracy of the GPT-3 artificial intelligence model: An observational study. The Lancet Digital Health, 6(8), e555–e561. https://doi.org/10.1016/S2589-7500(24)00097-9
• Liu, X., Lai, R., Wu, C., Yan, C., Gan, Z., Yang, Y., Zeng, X., Liu, J., Liao, L., Lin, Y., Jing, H., & Zhang, W. (2024). Assessing the utility of artificial intelligence
throughout the triage outpatients: A prospective randomized controlled clinical study. Frontiers in Public Health, 12.https://doi.org/10.3389/fpubh.2024.1391906
• Mayerhoffer, H. (2024). The Future of Triage: The Analysis of Traditional Methods Compared to ChatGPT. Croatian Nursing Journal, 8(1), 29–36. https://doi.org/10.24141/2/8/1/3
• Morse, K. E., Ostberg, N. P., Jones, V. G., & Chan, A. S. - (2020). Use Characteristics and Triage Acuity of a Digital Symptom Checker in a Large Integrated Health System: Population-Based Descriptive Study. Journal of Medical Internet Research, 22(11), https://doi.org/10.2196/20549
• Page MJ, et al. BMJ 2021;372:n71. doi: 10.1136/bmj.n71
• Saban, M., & Dubovi, I. (2024). A comparative vignette