Predição de lesões por pressão através de inteligência artificial em unidades de cuidados intensivos
protocolo de scoping review
DOI:
https://doi.org/10.48492/servir0212.36731Palavras-chave:
Inteligência Artificial, Úlcera por Pressão, Unidades de Terapia Intensiva, Cuidados Críticos, Enfermagem de Cuidados CríticosResumo
Introdução: As lesões por pressão são eventos adversos frequentes em unidades de cuidados intensivos, com impacto na qualidade de vida das pessoas e nos custos em saúde. As escalas tradicionais de avaliação de risco apresentam limitações no contexto do doente crítico. A inteligência artificial tem vindo a afirmar-se como uma abordagem promissora na identificação precoce do risco, com maior sensibilidade e capacidade de integração de dados clínicos complexos.
Objetivo: Identificar e mapear a evidência científica sobre a utilização de inteligência artificial na predição de lesões por pressão em adultos em situação crítica internados em unidades de cuidados intensivos.
Métodos: Será realizada uma scoping review segundo a metodologia do Joanna Briggs Institute e a checklist PRISMA-ScR. A pesquisa incluirá bases de dados e literatura cinzenta, sem restrições de idioma ou data. Serão incluídos estudos que abordem a utilização de inteligência artificial na predição de lesões por pressão em unidades de cuidados intensivos.
Resultados: Os dados serão apresentados de forma descritiva e narrativa, com quadros e tabelas que evidenciam os tipos de inteligência artificial, variáveis preditoras, desempenho dos modelos e implicações clínicas.
Conclusões: Esta revisão permitirá sistematizar o conhecimento disponível, identificar lacunas na literatura e apoiar a integração de soluções baseadas em inteligência artificial na prática de enfermagem em cuidados intensivos.
Downloads
Referências
Al Mutairi, K. B., & Hendrie, D. (2018). Global incidence and prevalence of pressure injuries in public hospitals: A systematic review. Wound Medicine, 22, 23–31. https://doi.org/10.1016/j.wndm.2018.05.004
Alderden, J., Kennerly, S. M., Wilson, A., Dimas, J., McFarland, C., Yap, D. Y., Zhao, L., & Yap, T. L. (2022). Explainable Artificial Intelligence for Predicting Hospital-Acquired Pressure Injuries in COVID-19-Positive Critical Care Patients. Computers, Informatics, Nursing : CIN, 40(10), 659–665. https://doi.org/10.1097/CIN.0000000000000943
Barghouthi, E. D., Owda, A. Y., Asia, M., & Owda, M. (2023). Systematic Review for Risks of Pressure Injury and Prediction Models Using Machine Learning Algorithms. Diagnostics, 13(17), 2739. https://doi.org/10.3390/diagnostics13172739
Çayirtepe, Z., & Şenel, A. C. (2022). Risk Management In Intensive Care Units With Artificial Intelligence Technologies: Systematic Review of Prediction Models Using Electronic Health Records. Journal of Basic and Clinical Health Sciences, 6(3), 958–976. https://doi.org/10.30621/jbachs.993798
Chaboyer, W. P., Thalib, L., Harbeck, E. L., Coyer, F. M., Blot, S., Bull, C. F., Nogueira, P. C., & Lin, F. F. (2018). Incidence and Prevalence of Pressure Injuries in Adult Intensive Care Patients: A Systematic Review and Meta-Analysis. Critical Care Medicine, 46(11), e1074–e1081. https://doi.org/10.1097/CCM.0000000000003366
De Micco, F., Di Palma, G., Ferorelli, D., De Benedictis, A., Tomassini, L., Tambone, V., Cingolani, M., & Scendoni, R. (2025). Artificial intelligence in healthcare: Transforming patient safety with intelligent systems—A systematic review. Frontiers in Medicine, 11. https://doi.org/10.3389/fmed.2024.1522554
Fulbrook, P., Lovegrove, J., Hay, K., & Coyer, F. (2023). State-wide prevalence of pressure injury in intensive care versus acute general patients: A five-year analysis. Journal of Clinical Nursing, 32(15–16), 4947–4961. https://doi.org/10.1111/jocn.16687
Gefen, A., Alves, P., Ciprandi, G., Coyer, F., Milne, C. T., Ousey, K., Ohura, N., Waters, N., & Worsley, P. (2020). Device-related pressure ulcers: SECURE prevention. Journal of Wound Care, 29(Sup2a), S1–S52. https://doi.org/10.12968/jowc.2020.29.Sup2a.S1
Haesler, E. (Ed.). (2019). Prevention and treatment of pressure ulcers/injuries: Clinical practice guideline: the international guideline (3. edition). Epuap, European Pressure Ulcer Advisory Panel.
Kayambankadzanja, R. K., Schell, C. O., Gerdin Wärnberg, M., Tamras, T., Mollazadegan, H., Holmberg, M., Alvesson, H. M., & Baker, T. (2022). Towards definitions of critical illness and critical care using concept analysis. BMJ Open, 12(9), e060972. https://doi.org/10.1136/bmjopen-2022-060972
Labeau, S. O., Afonso, E., Benbenishty, J., Blackwood, B., Boulanger, C., Brett, S. J., Calvino-Gunther, S., Chaboyer, W., Coyer, F., Deschepper, M., François, G., Honore, P. M., Jankovic, R., Khanna, A. K., Llaurado-Serra, M., Lin, F., Rose, L., Rubulotta, F., Saager, L., … Erdogan, E. (2021). Prevalence, associated factors and outcomes of pressure injuries in adult intensive care unit patients: The DecubICUs study. Intensive Care Medicine, 47(2), 160–169. https://doi.org/10.1007/s00134-020-06234-9
Ladios-Martin, M., Fernández-de-Maya, J., Ballesta-López, F.-J., Belso-Garzas, A., Mas-Asencio, M., & Cabañero-Martínez, M. J. (2020). Predictive Modeling of Pressure Injury Risk in Patients Admitted to an Intensive Care Unit. American Journal of Critical Care : An Official Publication, American Association of Critical-Care Nurses, 29(4), e70–e80. https://doi.org/10.4037/ajcc2020237
Luo, Y., Yin, L., Bai, W., & Mao, K. (2020). An Appraisal of Incremental Learning Methods. Entropy, 22(11), 1190. https://doi.org/10.3390/e22111190
Marshall, J. C., Bosco, L., Adhikari, N. K., Connolly, B., Diaz, J. V., Dorman, T., Fowler, R. A., Meyfroidt, G., Nakagawa, S., Pelosi, P., Vincent, J.-L., Vollman, K., & Zimmerman, J. (2017). What is an intensive care unit? A report of the task force of the World Federation of Societies of Intensive and Critical Care Medicine. Journal of Critical Care, 37, 270–276. https://doi.org/10.1016/j.jcrc.2016.07.015
Ouzzani, M., Hammady, H., Fedorowicz, Z., & Elmagarmid, A. (2016). Rayyan—A web and mobile app for systematic reviews. Systematic Reviews, 5(1). https://doi.org/10.1186/s13643-016-0384-4
Peters, M. D. J., Godfrey, C., McInerney, P., Khalil, H., Larsen, P., Marnie, C., Pollock, D., Tricco, A. C., & Munn, Z. (2022). Best practice guidance and reporting items for the development of scoping review protocols. JBI Evidence Synthesis, 20(4), 953. https://doi.org/10.11124/JBIES-21-00242
Peters, M. D. J., Marnie, C., Tricco, A. C., Pollock, D., Munn, Z., Alexander, L., McInerney, P., Godfrey, C. M., & Khalil, H. (2020). Updated methodological guidance for the conduct of scoping reviews. JBI Evidence Synthesis, 18(10), 2119–2126. https://doi.org/10.11124/JBIES-20-00167
Picoito, R. J. de B. R., Lapuente, S. M. M. P. da C., Ramos, A. C. P., Rabiais, I. C. M., Deodato, S. J., & Nunes, E. M. G. T. (2023). Risk assessment instruments for pressure ulcer in adults in critical situation: A scoping review. Revista Latino-Americana de Enfermagem, 31(e3983). https://doi.org/10.1590/1518-8345.6659.3983
Raju, D., Su, X., Patrician, P. A., Loan, L. A., & McCarthy, M. S. (2015). Exploring factors associated with pressure ulcers: A data mining approach. International Journal of Nursing Studies, 52(1), 102–111. https://doi.org/10.1016/j.ijnurstu.2014.08.002
Roussou, E., Fasoi, G., Stavropoulou, A., Kelesi, M., Vasilopoulos, G., Gerogianni, G., & Alikari, V. (2023). Quality of life of patients with pressure ulcers: A systematic review. Medicine and Pharmacy Reports, 96(2), 123–130. https://doi.org/10.15386/mpr-2531
Tricco, A. C., Lillie, E., Zarin, W., O’Brien, K. K., Colquhoun, H., Levac, D., Moher, D., Peters, M. D. J., Horsley, T., Weeks, L., Hempel, S., Akl, E. A., Chang, C., McGowan, J., Stewart, L., Hartling, L., Aldcroft, A., Wilson, M. G., Garritty, C., … Straus, S. E. (2018). PRISMA Extension for Scoping Reviews (PRISMA-ScR): Checklist and Explanation. Annals of Internal Medicine, 169(7), 467–473. https://doi.org/10.7326/M18-0850
Wei, M., Wu, L., Chen, Y., Fu, Q., Chen, W., & Yang, D. (2020). Predictive Validity of the Braden Scale for Pressure Ulcer Risk in Critical Care: A Meta-Analysis. Nursing in Critical Care, 25(3), 165–170. https://doi.org/10.1111/nicc.12500
Xu, Y., Liu, X., Cao, X., Huang, C., Liu, E., Qian, S., Liu, X., Wu, Y., Dong, F., Qiu, C.-W., Qiu, J., Hua, K., Su, W., Wu, J., Xu, H., Han, Y., Fu, C., Yin, Z., Liu, M., … Zhang, J. (2021). Artificial intelligence: A powerful paradigm for scientific research. The Innovation, 2(4), 100179. https://doi.org/10.1016/j.xinn.2021.100179
Zheng, L., Xue, Y., Yuan, Z., & Xing, X. (2025). Explainable SHAP-XGBoost models for pressure injuries among patients requiring with mechanical ventilation in intensive care unit. Scientific Reports, 15(1), 9878. https://doi.org/10.1038/s41598-025-92848-2
Downloads
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2025 José Alves, Rita Azevedo, Ana Marques, Paulo Alves
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
No intuito de promover a livre circulação do conhecimento, a Servir funciona em regime de acesso livre (open access). Todo o seu conteúdo está disponível e protegido sob a licença Creative Commons (CC BY 4.0).
A revista permite o auto-arquivo em repositórios institucionais de todas as versões, podendo ficar imediatamente disponíveis.
