L’evento arresto cardiaco può verificarsi anche nella popolazione di pazienti ricoverati in ospedale, generando emergenze all’interno dei reparti che devono essere gestite al meglio.
È chiaro che poter prevedere chi è a maggior rischio d’incorrere nell’evento permetterebbe un monitoraggio più personalizzato e una migliore gestione dei casi.
Nel 2018 un team koreano aveva sviluppato il “Deep Learning Based Early Warning Score, basato su pressione diastolica, frequenza cardiaca, frequenza respiratoria e temperatura corporea.
Lo score si era dimostrato in grado di prevedere l’evento arresto cardiaco entro 24 ore.
Una seconda versione dello score ha visto l’aggiunta di pressione diastolica er età.
Per confermare l’efficacia dello score il team ha allestito uno studio multicentrico che ha visto la partecipazione di cinque ospedali, di durata 12 mesi: il Mediplex Sejong Hospital (323 letti), il Sejong Hospital (301 letti), l’Inha University Hospital (925 letti), il Seoul National University Bundang Hospital (1324 letti) e il Samsung Medical Center (1989 letti). I due ospedali più piccoli sono quelli in cui è stato sviluppato il DEWS. 178.368 in tutto i pazienti presi in considerazione, per 224 arresti cardiaci in ospedale.
I risultati dello studio hanno evidenziato la superiorità del DEWS rispetto allo score MEWS, utilizzato in precedenza, in termini di sensibilità, di numero di allarmi emesso e tempi di previsione (Lee YJ, Cho KJ, Kwon O, Park H, Lee Y, Kwon JM, Park J, Kim JS, Lee MJ, Kim AJ, Ko RE, Jeon K, Jo YH. A multicentre validation study of the deep learning-based early warning score for predicting in-hospital cardiac arrest in patients admitted to general wards. Resuscitation. 2021 Apr 22:S0300-9572(21)00154-4. doi: 10.1016/j.resuscitation.2021.04.013. Epub ahead of print. PMID: 33895236).
Stefania Somaré
