Kunstmatige intelligentie
Machine Learning voor vroegtijdige signalering van sepsis bij
oncologische en gastro-intestinale chirurgie.
Naam: Dylan Vervoort
Studentennummer: 1018701
Inleverdatum: 22-01-2024
Cursuscode: IVGACZ (duaal)
Opleiding: HBO-verpleegkunde (Hogeschool Rotterdam)
Studiejaar: 2023/2024 leerjaar 4
Docent: Speksnijder, H.T. (Herma)
Versie (herkansing): 3
,Inhoudsopgave
Inleiding.............................................................................................................................1
Validering..........................................................................................................................2
Fit of setting.......................................................................................................................5
Toepasbaarheid deel A.......................................................................................................7
Toepasbaarheid deel B.......................................................................................................9
Current practice...............................................................................................................14
Literatuurlijst...................................................................................................................15
Bijlagen:...........................................................................................................................17
Bijlage 1: Bewijs van presenteren...............................................................................................17
Bijlage 2: PowerPoint pitch.........................................................................................................18
, Inleiding
Op de afdeling Gastro-enterologische chirurgie, MDL (Maag, Darm en Lever) en
Chirurgische oncologie (GE-onco) komen veelal patiënten voor die een risico hebben op het
vormen van sepsis. Mijn enthousiasme kwam dan ook naar voren in dit onderzoeksartikel
dat ik heb gelezen, wat gericht is op vroegtijdige herkenning van sepsis. Deze studie
onderzoekt een innovatieve benadering met behulp van machine learning (AI), waarbij
klinische laboratoriumresultaten en vitale functies van IC-patiënten worden geanalyseerd om
sepsis in een vroeg stadium te voorspellen (Alanazi et al., 2023).
Het gebruik van verschillende modellen, waaronder het gevarenmodel en datamining-
algoritmen, leidde in dit artikel tot interessante resultaten. Het regressiemodel met
overlevingsanalyse identificeerde drie cruciale factoren – tijd, lactaat en temperatuur met
een voorspellende waarde (Alanazi et al., 2023). Een regressiemodel is een statistische
methode die wordt gebruikt om de relatie tussen een afhankelijke variabele en een of meer
onafhankelijke variabelen te modelleren.
Database: Zoekstring Aantallen/ gevonden
artikelen
PubMed Machine learning AND Intensive Care Unit AND 111 (6de artikel gekozen)
prediction of sepsis
Tabel 1: Zoekstring wetenschappelijke bron
Waarom ik denk dat dit relevant is voor onze verpleegafdeling? Als verpleegkundige begrijp
ik de urgentie van sepsisherkenning en de impact op patiëntenzorg. Deze geavanceerde
aanpak biedt niet alleen de mogelijkheid tot vroegtijdige interventie, maar ook tot een
wetenschappelijk onderbouwde basis voor gerichte zorg, wat in de vorm van een protocol
geïmplementeerd kan worden.
Mijn interesse voor dit onderwerp kwam doordat ik laatst voor het eerst in aanmerking kwam
met een patiënt die septisch werd. Ik merkte aan die patiënt hoe snel hij vocht verloor wat
onder andere resulteerde in een bloeddrukdaling en hoe zijn temperatuur steeg. Ik zag toen
hoe snel er gereageerd werd door de verpleegkundigen en de arts om dit te behandelen. De
snelle interventies op het geven van vocht en een sterk antibioticum (Gentamycine) gaven
de ernst aan van deze diagnose. Ik vroeg mij toen af of dit eventueel voorkomen had
kunnen worden.
1
Machine Learning voor vroegtijdige signalering van sepsis bij
oncologische en gastro-intestinale chirurgie.
Naam: Dylan Vervoort
Studentennummer: 1018701
Inleverdatum: 22-01-2024
Cursuscode: IVGACZ (duaal)
Opleiding: HBO-verpleegkunde (Hogeschool Rotterdam)
Studiejaar: 2023/2024 leerjaar 4
Docent: Speksnijder, H.T. (Herma)
Versie (herkansing): 3
,Inhoudsopgave
Inleiding.............................................................................................................................1
Validering..........................................................................................................................2
Fit of setting.......................................................................................................................5
Toepasbaarheid deel A.......................................................................................................7
Toepasbaarheid deel B.......................................................................................................9
Current practice...............................................................................................................14
Literatuurlijst...................................................................................................................15
Bijlagen:...........................................................................................................................17
Bijlage 1: Bewijs van presenteren...............................................................................................17
Bijlage 2: PowerPoint pitch.........................................................................................................18
, Inleiding
Op de afdeling Gastro-enterologische chirurgie, MDL (Maag, Darm en Lever) en
Chirurgische oncologie (GE-onco) komen veelal patiënten voor die een risico hebben op het
vormen van sepsis. Mijn enthousiasme kwam dan ook naar voren in dit onderzoeksartikel
dat ik heb gelezen, wat gericht is op vroegtijdige herkenning van sepsis. Deze studie
onderzoekt een innovatieve benadering met behulp van machine learning (AI), waarbij
klinische laboratoriumresultaten en vitale functies van IC-patiënten worden geanalyseerd om
sepsis in een vroeg stadium te voorspellen (Alanazi et al., 2023).
Het gebruik van verschillende modellen, waaronder het gevarenmodel en datamining-
algoritmen, leidde in dit artikel tot interessante resultaten. Het regressiemodel met
overlevingsanalyse identificeerde drie cruciale factoren – tijd, lactaat en temperatuur met
een voorspellende waarde (Alanazi et al., 2023). Een regressiemodel is een statistische
methode die wordt gebruikt om de relatie tussen een afhankelijke variabele en een of meer
onafhankelijke variabelen te modelleren.
Database: Zoekstring Aantallen/ gevonden
artikelen
PubMed Machine learning AND Intensive Care Unit AND 111 (6de artikel gekozen)
prediction of sepsis
Tabel 1: Zoekstring wetenschappelijke bron
Waarom ik denk dat dit relevant is voor onze verpleegafdeling? Als verpleegkundige begrijp
ik de urgentie van sepsisherkenning en de impact op patiëntenzorg. Deze geavanceerde
aanpak biedt niet alleen de mogelijkheid tot vroegtijdige interventie, maar ook tot een
wetenschappelijk onderbouwde basis voor gerichte zorg, wat in de vorm van een protocol
geïmplementeerd kan worden.
Mijn interesse voor dit onderwerp kwam doordat ik laatst voor het eerst in aanmerking kwam
met een patiënt die septisch werd. Ik merkte aan die patiënt hoe snel hij vocht verloor wat
onder andere resulteerde in een bloeddrukdaling en hoe zijn temperatuur steeg. Ik zag toen
hoe snel er gereageerd werd door de verpleegkundigen en de arts om dit te behandelen. De
snelle interventies op het geven van vocht en een sterk antibioticum (Gentamycine) gaven
de ernst aan van deze diagnose. Ik vroeg mij toen af of dit eventueel voorkomen had
kunnen worden.
1
