Trauma is the main worldwide cause of death among people under 40 years old. Furthermore, severe trauma is a major global public health issue, contributing to about 1 in 10 mortalities and resulting in the annual worldwide death of more than 5,8 million people. Therefore, to register information of all these cases has been a very important task in the past years.
The characteristics of patients who suffered a traumatism are gathered in a database along with the status in their stay in the hospital and all the information regarding procedures done to the patient and Intensive Care Unit (ICU) stays if that were the case. We will be working with the database TQP PUF AY 2016, which contains all records sent to the National Trauma Data Bank (NTDB) up to 2016.
This Master Thesis focuses on being able to create a predictive model that could be integrated with existing or new medical simulations in order to improve the training given to the Emergency Medical Services (EMS) and Emergency Department (ED) teams. And to analyze the TQP PUF trauma database from 2016, composed of 32 tables with distinct types of data (e.g. demography, vitals, discharge), trying to find correlations in the data enabling us to further exploit the relation to try and model a prediction system. The project would focus on the study of the evolution of patients with trauma in the hospital, a deep analysis of the different indexes that exist (e.g. Glasgow Coma Scale (GCS), Abbreviated Injury Scale (AIS)) and their role at defining the state of a patient with trauma.
This objective has been achieved partially, although a series of operations to clean and prepare the database was performed, in order to improve the results of the correlation analysis, no significant correlation was found that could be integrated into a prognostic system.
However, the analysis of the database was successfully carried out, and we could learn of the accuracy of the distinct trauma scores evaluated: Glasgow Coma Scale (GCS), Injury Severity Score (ISS), Revised Trauma Score (RTS), and Trauma and Injury Severity Score(TRISS); and how the distinct parameters involved in trauma, such as, patients vital signs, and type and location of injury, affected the patient outcome.
El trauma es la principal causa mundial de muerte entre las personas menores de 40 años. Además, el trauma severo es un importante problema de salud pública global, que contribuye a aproximadamente 1 de cada 10 muertes y resulta en la muerte mundial anual de más de 5,8 millones de personas. Por lo tanto, registrar información de todos estos casos ha sido una tarea muy importante en los últimos años.
Las características de los pacientes que sufrieron un traumatismo se recopilan en una base de datos junto con el estado de su estadía en el hospital y toda la información sobre los procedimientos realizados al paciente y las estancias en la Unidad de Cuidados Intensivos (UCI) si ese fuera el caso. Trabajaremos con la base de datos TQP PUF AY 2016, que contiene todos los registros enviados al Banco Nacional de Datos de Trauma (NTDB) hasta 2016.
Esta Tésis de Máster se enfoca en poder crear un modelo predictivo que pueda integrarse con simulaciones médicas, existentes o nuevas, para mejorar el entrenamiento impartido a los equipos de servicios médicos de emergencia (EMS) y del departamento de emergencia (ED). Y en analizar la base de datos de traumatismos TQP PUF de 2016, compuesta de 32 tablas con distintos tipos de datos (por ejemplo, demografía, signos vitales, alta de pacientes), tratando de encontrar correlaciones en los datos que nos permitan explotar aún más la relación para tratar de modelar un sistema de predicción. El proyecto se centraría en el estudio de la evolución de los pacientes con trauma en el hospital, un análisis profundo de los diferentes índices que existen (por ejemplo, Glasgow Coma Scale (GCS), Abbreviated Injury Scale (AIS)) y su papel en la definición del estado de un paciente con trauma.
Este objetivo se ha logrado parcialmente. Aunque se realizó una serie de operaciones para limpiar y preparar la base de datos, con el fin de mejorar los resultados del análisis de correlación, no se encontró una correlación significativa que pudiera integrarse en un sistema de pronóstico.
Sin embargo, el análisis de la base de datos se realizó con éxito, y pudimos conocer la precisión de los distintos índices de trauma evaluados: Glasgow Coma Scale (GCS), Injury Severity Score (ISS), Revised Trauma Score (RTS) y Trauma and Injury Severity Score (TRISS); y cómo los distintos parámetros involucrados en el trauma, como los signos vitales de los pacientes, y el tipo y la ubicación de la lesión, afectan al resultado del paciente.