Qual o contexto?

Um estudo investigou se ajustar individualmente as metas de saturação de oxigênio (SpO2) em pacientes sob ventilação mecânica pode melhorar as taxas de sobrevida. Utilizando algoritmos de machine-learning, resultados sugerem que alvos personalizados de SpO2 podem diminuir significativamente a mortalidade em pacientes críticos.

Como o estudo foi feito?

Um modelo de machine-learning previu o impacto de diferentes alvos de SpO2 baseados nas condições clínicas dos pacientes. Esse modelo foi criado durante o estudo PILOT nos EUA com 1.682 pacientes e validado no estudo ICU-ROX na Austrália e Nova Zelândia com 965 pacientes. Pacientes com lesões cerebrais agudas se beneficiaram de metas mais baixas de SpO2, enquanto aqueles com sepse mostraram melhores resultados com metas mais altas. O modelo previu que a personalização das metas poderia reduzir a mortalidade global em até 6.4%.

Qual o impacto na prática?

A personalização das metas de SpO2, adaptada às necessidades clínicas específicas de cada paciente desafia a prática convencional de definir alvos universais para todos os pacientes sob ventilação mecânica. No entanto, ensaios clínicos prospectivos que avaliem diferentes metas de acordo com a situação clínica são necessários para comprovar essa tese.