La ricerca, sviluppata da Giuliana Favara, è stata premiata dalla rivista scientifica Informatics
L’analisi dei big data attraverso approcci innovativi di Health Informatics potrebbe contribuire ad identificare precocemente sottogruppi di pazienti a rischio più elevato di infezioni correlate all’assistenza ed outcome avversi nelle unità di terapia intensiva.
È quanto ha sviluppato, nella sua tesi di dottorato, dal titolo Application of Public Health Informatics to Monitor and Prevent Healthcare Associated Infections and Related Outcomes in Intensive Care Units la ricercatrice Giuliana Favara nell'ambito del XXXIV ciclo di Dottorato in Informatica coordinato dal prof. Sebastiano Battiato.
Una tesi di dottorato che la ricercatrice (grazie alla tutor prof.ssa Antonella Agodi) ha elaborato sviluppando e testando un algoritmo di Machine Learning per migliorare le performance degli attuali score predittivi, quali ad esempio il Simplified Acute Physiology Score (SAPS) II nella gestione del rischio dei pazienti durante la loro degenza nelle Unità di Terapia intensiva.
«Sono stati applicati modelli supervisionati e non-supervisionati di Machine Learning per distinguere i pazienti in base alle loro caratteristiche al momento del ricovero e per identificare i determinanti di rischio di infezioni del tratto urinario, polmonite e esiti avversi associati» spiega la dott.ssa Giuliana Favara che ha svolto le attività nell’ambito del progetto di ricerca in collaborazione con il Dipartimento di Matematica e Informatica dell’Università di Catania.
La ricercatrice Giuliana Favara
«Le analisi sono state condotte utilizzando i dati di più di 20mila pazienti ricoverati in terapia intensiva raccolti nell’ambito delle prime otto edizioni del progetto Sorveglianza attiva Prospettica delle Infezioni Nosocomiali nelle Unità di Terapia Intensiva del Gruppo italiano di studio di igiene ospedaliera della Società Italiana di Igiene, Medicina preventiva e Sanità pubblica, la cui responsabile è la prof.ssa Antonella Agodi» spiega la dott.ssa Giuliana Favara.
«I risultati della tesi suggeriscono che i modelli di Machine Learning potrebbero superare i limiti degli strumenti tradizionali esistenti, ponendo le basi per lo sviluppo di uno strumento automatizzato utile in una prospettiva di medicina personalizzata» aggiunge la ricercatrice.
In questo contesto, la dott.ssa Giuliana Favara - ricercatrice in Statistica medica al Dipartimento di Scienze Mediche, Chirurgiche e Tecnologie Avanzate “G.F. Ingrassia”, diretto dalla prof.ssa Antonella Agodi -, ha ricevuto il premio Informatics 2022 Best PhD Thesis da parte della rivista scientifica Informatics che ha selezionato l’elaborato come migliore tesi di dottorato conseguita nel 2022.
La ricercatrice Giuliana Favara