Predicción de reacciones adversas en las transfusiones sanguíneas del paciente receptor basado en redes neuronales

Abstract

La transfusión de sangre es un tratamiento terapéutico que salva vidas, para ello es necesario proporcionar sangre segura a los pacientes. La hemovigilancia es el proceso que comprende desde la recolección de sangre hasta la transfusión sanguínea. La hemovigilancia permite identificar los efectos adversos en los receptores a fin de implementar mejoras en los procesos de la transfusión. El objetivo del estudio fue predecir las reacciones adversas ocurridas durante las 24 horas post transfusión hacia el receptor, evidenciadas por signos y síntomas como fiebre, cianosis, urticaria, hemoglobinura, edema facial, náuseas, dolor lumbar, dolor toráxico, prurito y escalofríos. El método se basó en un estudio transversal y exploratorio. Se utilizó las redes neuronales de backpropagation que constan de tres capas que son las de entrada, oculta y la de salida. Para el diseño de la red neuronal, se utilizaron las diez variables de salida por medio del tipo de red neuronal multicapa backpropagation ya que permitió ajustar el resultado de la predicción del objeto de estudio. Conocer las reacciones adversas es una contribución social para mejorar la calidad de los procesos de la cadena transfusional que comprende desde la extracción de la sangre de los donantes hasta la transfusión sanguínea en los receptores.

Blood transfusion is a life-saving therapeutic procedure that requires the provision of safe blood to patients. Hemovigilance is the process from blood collection to blood transfusion. Hemovigilance allows the identification of adverse effects on recipients in order to implement improvements in transfusion processes. The objective of the study is to predict adverse reactions occurring during the 24 hours after transfusion to the recipient, evidenced by signs and symptoms such as fever, cyanosis, hives, hemoglobinura, facial edema, nausea, low back pain, chest pain, itching and chills. The method is based on a cross-sectional and exploratory study. It uses backpropagation neural networks consisting of three layers: input, output and hidden. For the design of the neural network, the ten output variables were used by means of the backpropagation multilayer neural network type as it will allow the result of the prediction of the study object to be adjusted. Knowing about adverse reactions was a social contribution to improving health care in the transfusion chain, from the collection of blood from donors to the transfusion of blood to recipients.