RNAO’s Artificial Intelligence Innovations: A Novel Strategy to Advance Evidence-Based Nursing Practice

Autor: Naik, Shanoja, Grinspun, Doris
Jazyk: Spanish; Castilian
Rok vydání: 2024
Předmět:
Zdroj: MedUNAB, Vol 27, Iss 1, Pp 42-51 (2024)
Druh dokumentu: article
ISSN: 01237047
0123-7047
2382-4603
DOI: 10.29375/01237047.4633
Popis: Introduction. Artificial intelligence and machine learning methodologies, such as prediction, pattern recognition, or general inference based on the data used in clinical aspects, must fit within the intended purposes of developing it. This article aims to provide high-level, non-technical details of the initiative and a comprehensive approach that has been taken to integrate AI-powered techniques in evidencebased nursing practices appropriately. Methodology. A multi-pronged phased approach was considered for developing artificial intelligence tools. This approach includes conducting a scoping review, analyzing data to identify patterns of impactful intervention, employing data triangulation, enhancing data collection based on impactful intervention strategies, and developing a prototype (pilot) for an artificial intelligence tool. The process encompasses piloting, testing and training, validation, and implementation. Results. In this early stage of piloting the tool, the primary focus was identifying patterns from various information gathered from healthcare organizations. This analysis revealed opportunities for knowledge generation, facilitated the expedited implementation of guidelines, and enhanced resource efficiency. Discussion. Focusing on a data-driven model to inform best practices for implementing guidelines and identifying the most impactful interventions is facilitated by extensive in-house data storage. The triangulation of approaches to guideline development, implementation, and evaluation contributes to developing this scientifically validated artificial intelligence and machine learning initiative. Conclusion. Any artificial intelligence technique requires extensive data. To provide healthcare organizations with the best available evidence, purposeful efforts must be made to structure data collection and ensure data quality before expanding the development of artificial intelligence tools. Keywords: Practice Guidelines as Topic; Evidence-Based Nursing; Machine Learning; Artificial Intelligence; Health Information Systems Introducción. La inteligencia artificial y metodologías de aprendizaje automático, como la predicción, reconocimiento de patrones, o inferencia general basada en datos utilizados en aspectos clínicos, deben encajar entre las razones previstas para su desarrollo. El objetivo de este artículo es brindar detalles no técnicos de alto nivel, sobre la iniciativa y el acercamiento exhaustivo que fue tomado para integrar técnicas impulsadas por IA en prácticas de enfermería basadas en evidencia apropiadamente. Metodología. Un abordaje de múltiples enfoques por fases se consideró para desarrollar herramientas de inteligencia artificial. Este abordaje incluye la realización de una revisión integrativa, el análisis de datos para identificar patrones de intervención de impacto, el empleo de triangulación de datos, la mejora en la recolección de datos basados en estrategias de intervención de impacto, y el desarrollo de un prototipo (piloto) para una herramienta de inteligencia artificial. El proceso agrupa una prueba piloto, realización de pruebas y entrenamiento, validación, e implementación. Resultados. En esta etapa temprana de la prueba piloto de la herramienta, el enfoque principal fue identificar patrones de las diferentes fuentes de información recolectada por organizaciones de la salud. Este análisis reveló oportunidades para la generación de conocimiento, facilitó una implementación acelerada de las guías, y potenció la eficiencia de los recursos. Discusión. Enfocándose en un modelo basado en datos para informar acerca de las mejores prácticas para la implementación de guías e identificar las intervenciones con mayor impacto es facilitado por un extenso almacenamiento interno de datos. La triangulación de los enfoques para el desarrollo de la guía, la implementación y la evaluación contribuye al desarrollo de inteligencia artificial y metodologías de aprendizaje automático científicamente validadas. Conclusión. Cualquier técnica de inteligencia artificial requiere una gran cantidad de datos. Para proveer a organizaciones de la salud la mejor evidencia disponible, deben realizarse esfuerzos significativos para estructurar la recolección de datos y asegurar la calidad de estos antes de expandir el desarrollo de herramientas de inteligencia artificial. Palabras clave: Guías de Práctica Clínica como Asunto; Enfermería Basada en la Evidencia; Aprendizaje Automático; Inteligencia Artificial; Sistemas de Información en Salud Introdução. A inteligência artificial e as metodologias de aprendizagem automática, como predição, reconhecimento de padrões ou inferência geral baseada em dados utilizados em aspectos clínicos, devem se enquadrar entre as razões previstas para o seu desenvolvimento. O objetivo deste artigo é fornecer detalhes não técnicos de alto nível sobre a iniciativa e a abordagem abrangente que foi tomada para integrar técnicas impulsionadas por IA em práticas de enfermagem baseadas em evidências adequadamente. Metodologia. Foi considerada uma abordagem multifásica para desenvolver ferramentas de inteligência artificial. Esta abordagem inclui a realização de uma revisão integrativa, a análise de dados para identificar padrões de intervenção de impacto, o emprego da triangulação de dados, o aprimoramento na coleta de dados com base em estratégias de intervenção de impacto e o desenvolvimento de um protótipo (piloto) para uma ferramenta de inteligência artificial. O processo inclui um teste piloto, testes e treinamento, validação e implementação. Resultados. Neste estágio inicial do teste piloto da ferramenta, o foco principal foi identificar padrões provenientes das diferentes fontes de informação coletadas pelas organizações de saúde. Esta análise revelou oportunidades para a geração de conhecimento, facilitou a implementação acelerada das diretrizes e aumentou a eficiência dos recursos. Discussão. A concentração num modelo baseado em dados para informar as melhores práticas para a implementação de diretrizes e identificar intervenções com maior impacto é facilitada pelo amplo armazenamento interno de dados. A triangulação de abordagens para o desenvolvimento, implementação e avaliação das diretrizes contribui para o desenvolvimento de inteligência artificial e metodologias de aprendizagem automática cientificamente validadas. Conclusão. Qualquer técnica de inteligência artificial requer uma grande quantidade de dados. Para fornecer às organizações de saúde a melhor evidência disponível, é preciso fazer esforços significativos para estruturar a coleta de dados e garantir a qualidade dos dados antes de expandir o desenvolvimento de ferramentas de inteligência artificial. Palavras-chave: Guias de Prática Clínica como Assunto; Enfermagem Baseada em Evidências; Aprendizado de Máquina; Inteligência Artificial; Sistemas de Informação em Saúde
Databáze: Directory of Open Access Journals
Externí odkaz: