Innovaciones en inteligencia artificial de la RNAO: Una estrategia novedosa para avanzar en las prácticas de enfermería basadas en evidencia

La inteligencia artificial y metodologías de aprendizaje automático, como la predicción, reconocimiento de patrones, o inferencia general basada en datos utilizados en aspectos clínicos, deben encajar entre las razones previstas para su desarrollo. El objetivo de este artículo es brindar detalles no técnicos de alto nivel, sobre la iniciativa y el acercamiento exhaustivo que fue tomado para integrar técnicas impulsadas por IA en prácticas de enfermería basadas en evidencia apropiadamente. Metodología. Un abordaje de múltiples enfoques por fases se consideró para desarrollar herramientas de inteligencia artificial. Este abordaje incluye la realización de una revisión integrativa, el análisis de datos para identificar patrones de intervención de impacto, el empleo de triangulación de datos, la mejora en la recolección de datos basados en estrategias de intervención de impacto, y el desarrollo de un prototipo (piloto) para una herramienta de inteligencia artificial. El proceso agrupa una prueba piloto, realización de pruebas y entrenamiento, validación, e implementación. Resultados. En esta etapa temprana de la prueba piloto de la herramienta, el enfoque principal fue identificar patrones de las diferentes fuentes de información recolectada por organizaciones de la salud. Este análisis reveló oportunidades para la generación de conocimiento, facilitó una implementación acelerada de las guías, y potenció la eficiencia de los recursos. Discusión. Enfocándose en un modelo basado en datos para informar acerca de las mejores prácticas para la implementación de guías e identificar las intervenciones con mayor impacto es facilitado por un extenso almacenamiento interno de datos. La triangulación de los enfoques para el desarrollo de la guía, la implementación y la evaluación contribuye al desarrollo de inteligencia artificial y metodologías de aprendizaje automático científicamente validadas. Conclusión. Cualquier técnica de inteligencia artificial requiere una gran cantidad de datos. Para proveer a organizaciones de la salud la mejor evidencia disponible, deben realizarse esfuerzos significativos para estructurar la recolección de datos y asegurar la calidad de estos antes de expandir el desarrollo de herramientas de inteligencia artificial.

• Autores: Naik, Shanoja; Grinspun, Doris
• Tipo de recurso: Article of investigation
• Fecha de publicación: 2024
• Institución: Universidad Autónoma de Bucaramanga - UNAB
• Repositorio: Repositorio UNAB
• Idioma: spa
• OAI Identifier: oai:repository.unab.edu.co:20.500.12749/27783
• Acceso en línea: http://hdl.handle.net/20.500.12749/27783; https://doi.org/10.29375/01237047.4633
• Palabra clave: Guías de Práctica Clínica como Asunto; Enfermería Basada en la Evidencia; Aprendizaje Automático; Inteligencia Artificial; Sistemas de Información en Salud; Medical sciences; Life sciences; Health sciences; Practice Guidelines as Topic; Evidence-Based Nursing; Machine Learning; Artificial Intelligence; Health Information Systems; Guias de Prática Clínica como Assunto; Enfermagem Baseada em Evidências; Aprendizado de Máquina; Inteligência Artificial; Sistemas de Informação em Saúde; Ciências médicas; Ciências da vida; Ciências da saúde; Ciencias médicas; Ciencias de la vida; Ciencias de la salud
• License: http://creativecommons.org/licenses/by-nc-nd/2.5/co/