En las ultimas décadas, el papel de la enfermería en el triaje y cribado de pacientes en los servicios de urgencias y emergencias, tanto en el entorno prehospitalario como sobre todo en los hospitales, es esencial e indiscutible. Con el objetivo de analizar el triaje realizado por enfermería para detectar los pacientes con ictus agudo, y llegado el caso mejorarlo, se ha realizado un estudio retrospectivo de las presentaciones cardinales del ictus, la escala del Instituto Nacional de la Salud de Estados Unidos, y la escala modificada de Rankin, aplicadas en el set del triaje por enfermería en el Hospital Universitario de Salamanca, durante el período comprendido entre los años 2016 y 2019, ambos inclusive. El total de historias clínicas analizadas ha sido de 1572. El análisis está centrado en la fiabilidad, evaluado por enfermería, de la presentación cardinal del ictus agudo, y de las dos escalas, frente a los algoritmos tradicionales rápidos de detección del ictus, en particular el método FAST, y la escala de Cincinnati. Nuestro estudio demuestra que son varias las presentaciones clínicas que escapan a las escalas rápidas, por lo que es esencial ampliar los métodos de triaje del ictus agudo realizados por enfermería, con el fin de evitar retardos en la detección y el tratamiento definitivo (enfermedad tiempo-dependiente). Así pues, la identificación ampliada de las presentaciónes cardinales, junto con el uso de escalas más detalladas aplicadas por enfermería entrenada, se muestran como herramientas muy útiles de detección del ictus agudo. In recent decades, the role of nursing in triage and screening of patients in emergency services, both in prehospital environment and especially in hospitals, is essential and indisputable. In order to analyze the triage carried out by nursing to detect patients with acute stroke, and if necessary improve it, a retrospective study was carried out of the cardinal presentations of stroke, the scale of the National Institute of Health of the United States, and the modified Rankin scale, applied in the nursing triage set at the Salamanca University Hospital, during the period between 2016 and 2019, both inclusive. The total number of clinical records analyzed was 1572. The analysis is focused on the reliability, evaluated by nursing, of the cardinal presentations of acute stroke, and of the two scales, compared to the traditional rapid algorithms for stroke detection, in particular the FAST method, and the Cincinnati scale. Our study shows that there are several clinical presentations that escape the rapid scales, so it is essential to expand the triage methods of acute stroke carried out by nursing, in order to avoid delays in detection and definitive treatment (time-dependent disease). Thus, the expanded identification of cardinal presentations, together with the use of more detailed scales applied by trained nurses, appear to be very useful tools for the detection of acute stroke.

Nurses are often asked to predict factors that influence post-stroke outcome by the patient and family. Many studies have been carried out in order to determine the factors that influence the neurological status of the post-stroke patient at the moment of the discharge from the hospital. However, machine learning techniques have not been used for this purpose. Therefore, with the objective of obtaining association rules of neurological prognosis, a double analysis, both clinical and with machine learning techniques of the possible associations of factors that influence the neurological status of the post-stroke patients has been carried out. The Apriori algorithm detected several association rules with high confidence (≥ 95%), from which the following pattern: In patients in the age range of 50-80 years, the association of a NIHSS between 11 and 15 points (intermediate/low NIHSS), along with thrombectomy, leads to recovery ad integrum at discharge. With the SMOTE resampling technique, the 100% confidence was reached for the association of high NIHSS (>20) and involvement of the carotid and basilar arteries, with a dire prognosis (exitus). These rules confirm, for the first time with machine learning, the importance of the association of some predictors, in the post-stroke prognosis. The knowledge by the nurses of these association rules can successfully improve stroke outcome. In addition, the role of nurses in education programs that teach knowledge of risk factors and stroke prognosis becomes essential. A menudo, por parte del paciente y de la familia, se solicita a los profesionales de enfermería que predigan los factores que influyen en el estado post-ictus. Se han realizado numerosos estudios para determinar los factores que influyen en el estado neurológico post-ictus en el momento del alta hospitalaria. Sin embargo, las técnicas de aprendizaje automático no se han utilizado para este propósito. Con el objetivo de obtener reglas de asociación del pronóstico neurológico, se ha llevado a cabo un doble análisis, tanto clínico como con técnicas de aprendizaje automático, de las posibles asociaciones de factores que influyen en el estado neurológico de los pacientes post-ictus. El algoritmo Apriori detectó varias reglas de asociación con alta confianza (≥ 95%), con el siguiente patrón: En pacientes en el rango de edad de 50-80 años, la asociación de un NIHSS entre 11 y 15 puntos (NIHSS intermedio/bajo), junto con la trombectomía, conduce a la recuperación ad integrum al alta. Con la técnica de remuestreo SMOTE, se alcanzó el 100% de confianza para la asociación de NIHSS elevado (>20) y afectación de las arterias carótida y basilar, con pronóstico nefasto (exitus). Estas reglas confirman, por primera vez con aprendizaje automático, la importancia de la asociación de algunos predictores, en el pronóstico post-ictus. El conocimiento por parte de las enfermeras de estas reglas puede mejorar los resultados del ictus. Adicionalmente, el papel de la enfermería en los programas de educación sobre los factores de riesgo, y pronóstico de un ictus se torna imprescindible.

No abstract