Pressure Injury Prediction in Intensive Care Units Using Artificial Intelligence: A Scoping Review
Vorhersage von Druckverletzungen auf Intensivstationen mit künstlicher Intelligenz: Scoping Review
Nursing Reports · 09.04.2025 · 15 (4) · 126
DOI: 10.3390/nursrep15040126 ↗Auf einen Blick
Der Review fasst 14 Studien zu KI-gestützter Vorhersage von Druckverletzungen bei kritisch Kranken auf Intensivstationen zusammen. Meist wurden Machine-Learning-Modelle mit Daten aus elektronischen Gesundheitsakten genutzt.
Fragestellung
Wie weit ist die Literatur zum Einsatz von KI-Technologien zur Vorhersage von Druckverletzungen bei kritisch kranken Patient:innen auf Intensivstationen?
Methode
Scoping Review nach Joanna Briggs Institute; Protokoll prospektiv im Open Science Framework registriert.
Ergebnisse
14 Studien. Überwiegend wurden Machine-Learning-Modelle mit Daten aus elektronischen Gesundheitsakten trainiert. Es wurden 6 bis 86 Variablen genutzt. Nur 2 Studien berichteten eine klinische Anwendung.
Schlussfolgerung der Autor:innen
KI-Technologien stellen laut den Autor:innen einen dynamischen und innovativen Ansatz dar, um Risikofaktoren zu identifizieren und Druckverletzungen effektiv und zeitnah vorherzusagen.
Kernaussagen
- 14 Studien zu KI in der Druckverletzungs-Vorhersage
- Meist Machine Learning mit elektronischen Gesundheitsakten
- Nur 2 Studien berichteten eine klinische Implementierung
Deutsche Zusammenfassung: KI-gestützt aus dem Original-Abstract erstellt; alle Zahlen wurden automatisch mit dem Original abgeglichen. Maßgeblich ist der Original-Abstract.
Kurz gefasst
Übersichtsarbeit in der Zeitschrift Nursing Reports, online erschienen am 09.04.2025. Verfasst von José Alves und 4 weiteren Autor:innen. Beteiligte Einrichtung: Center for Interdisciplinary Research in Health, Faculty of Health Sciences and Nursing, Universidade Católica Portuguesa, 4169-005 Porto, Portugal. Die Arbeit wurde bisher 17-mal zitiert (Crossref) und nennt 70 Literaturangaben. Der Volltext ist frei zugänglich (Open Access, CC BY 4.0). Gefördert von: Fundação para a Ciência e Tecnologia, Foundation for Science and Technology (FCT).
Themen: Künstliche Intelligenz in der Pflege, Dekubitus, Intensivpflege
Abstract (Originalsprache)
Background/Objetives: Pressure injuries pose a significant challenge in healthcare, adversely impacting individuals’ quality of life and healthcare systems, particularly in intensive care units. The effective identification of at-risk individuals is crucial, but traditional scales have limitations, prompting the development of new tools. Artificial intelligence offers a promising approach to identifying and preventing pressure injuries in critical care settings. This review aimed to assess the extent of the literature regarding the use of artificial intelligence technologies in the prediction of pressure injuries in critically ill patients in intensive care units to identify gaps in current knowledge and direct future research.
Methods
The review followed the Joanna Briggs Institute’s methodology for scoping reviews, and the study protocol was prospectively registered on the Open Science Framework platform.
Results
This review included 14 studies, primarily highlighting the use of machine learning models trained on electronic health records data for predicting pressure injuries. Between 6 and 86 variables were used to train these models. Only two studies reported the clinical deployment of these models, reporting results such as reduced nursing workload, decreased prevalence of hospital-acquired pressure injuries, and decreased intensive care unit length of stay.
Conclusions
Artificial intelligence technologies present themselves as a dynamic and innovative approach, with the ability to identify risk factors and predict pressure injuries effectively and promptly. This review synthesizes information about the use of these technologies and guides future directions and motivations.
Schlagwörter
Stichwörter der Autor:innen
Autor:innen und Institutionen
- Center for Interdisciplinary Research in Health, Faculty of Health Sciences and Nursing, Universidade Católica Portuguesa, 4169-005 Porto, Portugal.
- Intensive Care Unit, Braga Local Healthcare Unit, 4710-243 Braga, Portugal.
- Intensive Care Unit, Gaia and Espinho Local Healthcare Unit, 4434-502 Vila Nova de Gaia, Portugal.
- Cardiology Intensive Care Unit, São João Local Healthcare Unit, 4200-319 Porto, Portugal.
ORCID-Profile: José Alves, Rita Azevedo, Ana Marques, Rúben Encarnação, Paulo Alves
Förderung
- Fundação para a Ciência e Tecnologia
- Foundation for Science and Technology (FCT)
Zitieren
APA
Alves, J., Azevedo, R., Marques, A., Encarnação, R., & Alves, P. (2025). Pressure Injury Prediction in Intensive Care Units Using Artificial Intelligence: A Scoping Review. Nursing Reports, 15(4), 126. https://doi.org/10.3390/nursrep15040126
Vancouver
Alves J, Azevedo R, Marques A, Encarnação R, Alves P. Pressure Injury Prediction in Intensive Care Units Using Artificial Intelligence: A Scoping Review. Nursing Reports. 2025;15(4):126. doi:10.3390/nursrep15040126
BibTeX
@article{Alves2025,
author = {Alves, José and Azevedo, Rita and Marques, Ana and Encarnação, Rúben and Alves, Paulo},
title = {Pressure Injury Prediction in Intensive Care Units Using Artificial Intelligence: A Scoping Review},
journal = {Nursing Reports},
year = {2025},
volume = {15},
number = {4},
pages = {126},
doi = {10.3390/nursrep15040126}
}
EUVIMED