%A Miguel ?ngel Armengol de la Hoz
%T Promotion, Integration, Management and Processing of Critical Inpatients? Open Big Data Repositories
%X The results of the research work carried out in this doctoral thesis can be summarized in three main areas:  1. Social aspects: Promoting and boosting the use and integration of open clinical data repositories through datathons and scientific publications: in this sense we participated in several datathons in Asia, Europe, North America and South America. During the development of this dissertation we were able to overcome different organizational, bureaucratic, cultural and professional barriers in the field of study of the promotion of Large Open Data Warehouses of critical patients enhancing the transference of knowledge between the clinical-technical world and the society.   This work has led to the publication of two manuscripts so far.  2. Technological aspects: Define a basic layout that enhances the design of integrated, normalized and structured open and de-identified high-resolution clinical big data repositories.   In addition, we were able to conduct a review on how the integration and management of large open critical patient data repositories can help drive critical patient research by working closely with critical care unit members to address their unmet needs and focus on delivering better value to their patients by means of cutting edge technologies such as big data and machine learning.  This work has led to the publication of two manuscripts so far.  3. Clinical aspects: Using innovative statistical and machine learning techniques to mine data in order to answer relevant clinical questions about critical inpatients employing state-of-the-art knowledge. Finally, but most importantly, we address specific clinical issues in the two hospital departments where we focus our efforts:   ? Intensive Care Unit: we helped gather more knowledge about the obesity paradox, we study and improved the way severity scores are developed while providing open access to our exceptionally performing score for decision support, we studied how critical care outcomes differ throughout the United States geography, we developed a model for severe tachypnea risk in terminal patients, we address admission disorientation and risk of code status change, we studied how GCS mediates the baseline sodium effect when predicting mortality, finally we studied the association of chloride ion and sodium-chloride difference with acute kidney injury and mortality in critically ill patients.  ? Operating Room: we addressed the association of intraoperative hypotension with postoperative stroke, acute kidney injury and death in patients having cardiac surgery with cardiopulmonary bypass and in a more analytically advanced version of this project we trained Machine Learning models with preoperative risk factors and intraoperative hypotension parameters, so we were able to predict mortality following cardiac surgery. This work led to the publication of eight manuscripts so far, but most importantly allowed us and our collaborating physicians to broaden the knowledge about critically ill patients and their treatment optimization. It also helped us acquire essential data analysis skills that now and in the foreseeable future will aid us tackle a wide variety of clinically relevant questions. ----------RESUMEN---------- Los resultados de la labor de investigaci?n realizada en esta tesis doctoral pueden resumirse en tres ?reas principales:  1. Aspectos pedag?gicos: Promoci?n e impulso del uso e integraci?n de repositorios de datos cl?nicos abiertos a trav?s de datathons y publicaciones cient?ficas: en este sentido hemos participado en varios datathons en Asia, Europa, Am?rica del Norte y Am?rica del Sur. Durante el desarrollo de esta tesis pudimos superar diferentes barreras organizativas, burocr?ticas, culturales y profesionales en el campo de estudio de la promoci?n de Grandes Dep?sitos de Datos Abiertos de pacientes cr?ticos. Este trabajo ha llevado a la publicaci?n de dos manuscritos hasta ahora.   2. Aspectos tecnol?gicos: Definici?n y revisi?n de una estructura b?sica que mejore el dise?o de grandes repositorios de datos cl?nicos de alta resoluci?n integrados, normalizados y estructurados, abiertos y anonimizados. Adem?s, pudimos realizar un examen de la forma en que la integraci?n y la gesti?n de grandes repositorios abiertos de datos de pacientes cr?ticos puede ayudar a impulsar la investigaci?n en este ?mbito trabajando en estrecha colaboraci?n con los miembros de la unidad de cuidados intensivos para atender sus necesidades no cubiertas y as? poder centrarnos en ofrecer un mejor valor a sus pacientes mediante tecnolog?as de vanguardia, como son el big data y Machine Learning. Este trabajo ha llevado a la publicaci?n de dos manuscritos hasta ahora.   3. Aspectos cl?nicos: Utilizaci?n de innovadoras t?cnicas estad?sticas y de machine learning para extraer datos con el fin de responder a las preguntas cl?nicas pertinentes sobre los pacientes hospitalizados cr?ticos empleando los conocimientos m?s avanzados.   Por ?ltimo, pero m?s importante, abordamos cuestiones cl?nicas espec?ficas en los dos departamentos del hospital en los que centramos nuestros esfuerzos:  ? Unidad de Cuidados Intensivos: ayudamos a entender mejor la paradoja de la obesidad, estudiamos y mejoramos la forma en la que se elaboran las scores de gravedad al tiempo que proporcionamos acceso abierto a nuestro algoritmo de rendimiento excepcional para el apoyo de decisiones, estudiamos c?mo difieren los tratamientos de los cuidados intensivos en toda la geograf?a de los Estados Unidos, desarrollamos un modelo para el riesgo de taquipnea grave en pacientes terminales, abordamos la desorientaci?n en los ingresos y el riesgo de cambio de estado del nivel de intervenciones m?dicas que un paciente desea que se inicien si su coraz?n o su respiraci?n se detienen, estudiamos c?mo la escala de coma de Glasgow media el efecto del sodio basal al predecir la mortalidad, por ?ltimo estudiamos la asociaci?n del ion cloruro y la diferencia de cloruro de sodio con la lesi?n renal aguda y la mortalidad en los pacientes cr?ticos. ???Quir?fano: abordamos la asociaci?n de la hipotensi?n intraoperatoria con el accidente cerebrovascular postoperatorio, la lesi?n renal aguda y la muerte en pacientes sometidos a cirug?a card?aca con baip?s cardiopulmonar y en una versi?n m?s avanzada anal?ticamente de este proyecto entrenamos modelos de machine learning con factores de riesgo preoperatorios y par?metros de hipotensi?n intraoperatoria, para ser capaces de predecir la mortalidad despu?s de la cirug?a card?aca.  Este trabajo condujo a la publicaci?n de ocho manuscritos hasta el momento, pero lo m?s importante fue que nos permiti? a nosotros y a los m?dicos con los que colaboramos ampliar el conocimiento sobre pacientes en estado cr?tico optimizar su tratamiento. Tambi?n nos ayud? a adquirir habilidades esenciales de an?lisis de datos que ahora y en el futuro previsible nos ayudar?n a abordar una amplia variedad de cuestiones cl?nicamente relevantes.
%D 2020
%I Telecomunicacion
%R 10.20868/UPM.thesis.63196
%L upm63196