Artículo
Comprando el artículo el PDF del mismo podrá ser descargado
Precio 19,34 €
Comprar ahora
array:23 [ "pii" => "S0034935620300487" "issn" => "00349356" "doi" => "10.1016/j.redar.2020.03.001" "estado" => "S300" "fechaPublicacion" => "2020-12-01" "aid" => "1126" "copyright" => "Sociedad Española de Anestesiología, Reanimación y Terapéutica del Dolor" "copyrightAnyo" => "2020" "documento" => "article" "crossmark" => 1 "subdocumento" => "sco" "cita" => "Rev Esp Anestesiol Reanim. 2020;67:535-7" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "Traduccion" => array:1 [ "en" => array:19 [ "pii" => "S2341192920301542" "issn" => "23411929" "doi" => "10.1016/j.redare.2020.03.004" "estado" => "S300" "fechaPublicacion" => "2020-12-01" "aid" => "1126" "copyright" => "Sociedad Española de Anestesiología, Reanimación y Terapéutica del Dolor" "documento" => "article" "crossmark" => 1 "subdocumento" => "sco" "cita" => "Revista Española de Anestesiología y Reanimación (English Version). 2020;67:535-7" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "en" => array:10 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Editorial article</span>" "titulo" => "Predictive medicine, machine learning, and anesthesia" "tienePdf" => "en" "tieneTextoCompleto" => "en" "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "535" "paginaFinal" => "537" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "Medicina predictiva, aprendizaje automático y anestesia" ] ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "J.M. Rabanal Llevot" "autores" => array:1 [ 0 => array:2 [ "nombre" => "J.M." "apellidos" => "Rabanal Llevot" ] ] ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "es" => array:9 [ "pii" => "S0034935620300487" "doi" => "10.1016/j.redar.2020.03.001" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0034935620300487?idApp=UINPBA00004N" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2341192920301542?idApp=UINPBA00004N" "url" => "/23411929/0000006700000010/v1_202012131408/S2341192920301542/v1_202012131408/en/main.assets" ] ] "itemSiguiente" => array:18 [ "pii" => "S0034935620301493" "issn" => "00349356" "doi" => "10.1016/j.redar.2020.05.016" "estado" => "S300" "fechaPublicacion" => "2020-12-01" "aid" => "1171" "copyright" => "Sociedad Española de Anestesiología, Reanimación y Terapéutica del Dolor" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Rev Esp Anestesiol Reanim. 2020;67:538-44" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "es" => array:12 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Adaptación cultural y validación al español de la Escala de intensidad de náuseas y vómitos postoperatorios" "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:2 [ 0 => "es" 1 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "538" "paginaFinal" => "544" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Validation of the translation and cross-cultural adaptation into Spanish of the Postoperative Nausea and Vomiting Intensity Scale" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "L. Alvarez, G. Imbaquingo, M.F. Rivadeneira, L. Reascos" "autores" => array:4 [ 0 => array:2 [ "nombre" => "L." "apellidos" => "Alvarez" ] 1 => array:2 [ "nombre" => "G." "apellidos" => "Imbaquingo" ] 2 => array:2 [ "nombre" => "M.F." "apellidos" => "Rivadeneira" ] 3 => array:2 [ "nombre" => "L." "apellidos" => "Reascos" ] ] ] ] ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0034935620301493?idApp=UINPBA00004N" "url" => "/00349356/0000006700000010/v1_202011270856/S0034935620301493/v1_202011270856/es/main.assets" ] "es" => array:11 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>" "titulo" => "Medicina predictiva, aprendizaje automático y anestesia" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "535" "paginaFinal" => "537" ] ] "autores" => array:1 [ 0 => array:3 [ "autoresLista" => "J.M. Rabanal LLevot" "autores" => array:1 [ 0 => array:3 [ "nombre" => "J.M." "apellidos" => "Rabanal LLevot" "email" => array:1 [ 0 => "josemanuel.rabanal@scsalud.es" ] ] ] "afiliaciones" => array:1 [ 0 => array:2 [ "entidad" => "Servicio de Anestesiología y Reanimación, Hospital Universitario Marqués de Valdecilla. Universidad de Cantabria, Santander, España" "identificador" => "aff0005" ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Predictive medicine, maching learning, and anesthesia" ] ] "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">«Quien mira lo pasado, lo porvenir advierte»</span>. Lope de Vega</p><p id="par0010" class="elsevierStylePara elsevierViewall">Resulta fácil de suponer la contribución de la medida de la presión arterial (PA) sobre la morbimortalidad durante el perioperatorio. Los más viejos del lugar recordarán la necesidad de tomar la PA <span class="elsevierStyleItalic">«as you go»</span> mediante esfingonometría (sonidos de Korotov) o simplemente con la toma de la presencia del pulso radial tras desinflado del manguito para obtener un valor de la PA sistólica.</p><p id="par0015" class="elsevierStylePara elsevierViewall">La aparición y generalización de los sistemas automatizados de medida de la PA por oscilometría en la década de los 90 permitió, no solo aumentar la comodidad de su medida al personal quirúrgico, sino también aumentar la frecuencia de su medida.</p><p id="par0020" class="elsevierStylePara elsevierViewall">La Sociedad Americana de Anestesiología (ASA) recomienda en sus estándares de monitorización anestésica que la medida de la PA se realice sistemáticamente y con una frecuencia de al menos cada 5<span class="elsevierStyleHsp" style=""></span>min<a class="elsevierStyleCrossRef" href="#bib0125"><span class="elsevierStyleSup">1</span></a>. Igualmente la Organización Mundial de la Salud (OMS) en sus «Guías de Cirugía Segura» del 2009 establece idéntica recomendación<a class="elsevierStyleCrossRef" href="#bib0130"><span class="elsevierStyleSup">2</span></a>.</p><p id="par0025" class="elsevierStylePara elsevierViewall">Resulta evidente que la práctica anestésica actual conlleva, entre otros parámetros, la medida de la PA, dado que es esencial, para un adecuado transporte de oxígeno y nutrientes, no solo un gasto cardiaco adecuado (flujo), sino también una adecuada presión de perfusión (PA).</p><p id="par0030" class="elsevierStylePara elsevierViewall">Mayor controversia existe con respecto a la definición de hipotensión arterial (HP), dado que la literatura permite encontrar multitud de definiciones dependiendo no solo del umbral de valores absolutos de presión sistólica, diastólica o de PA media, sino de los porcentajes de descenso sobre la basal de los mismos. De ahí que la incidencia de hipotensión durante la anestesia oscile entre un 5 y un 99% según el estudio de Bijker et al.<a class="elsevierStyleCrossRef" href="#bib0135"><span class="elsevierStyleSup">3</span></a>.</p><p id="par0035" class="elsevierStylePara elsevierViewall">Desde un punto de vista fisiopatológico, corresponderá a la PA media el parámetro determinante para la definición de hipotensión dado que es la auténtica presión de conducción del flujo. En cuanto al valor umbral para definir HP, y aunque cada individuo es poseedor de su propio umbral a partir del cual podrá devenir isquemia tisular (edad, hipertensión, arteriopatía, alteración autorregulación estática o dinámica, etc.), la literatura establece un valor de 60-65<span class="elsevierStyleHsp" style=""></span>mmHg como patrón definitorio.</p><p id="par0040" class="elsevierStylePara elsevierViewall">El impacto que tiene la HP intraoperatoria sobre la morbimortalidad postoperatoria queda muy definida en la literatura. Salmasi et al.<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">4</span></a> demuestran en una cohorte de 57.315 pacientes en cirugía no cardiaca que el riesgo de daño renal agudo e isquemia miocárdica se inicia cuando la PA media declina por debajo de los 65<span class="elsevierStyleHsp" style=""></span>mmHg o por debajo del 20% de la basal. Resultados similares de riesgo de fallo renal e isquemia miocárdica se encontraron con umbrales de PA media de 55<span class="elsevierStyleHsp" style=""></span>mmHg en otro gran estudio retrospectivo de 33.330 pacientes en cirugía no cardiaca<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">5</span></a>. Idénticos resultados encuentran Sun et al. en un estudio prospectivo con valores de PA media de 55<span class="elsevierStyleHsp" style=""></span>mmHg con duración superior a 20<span class="elsevierStyleHsp" style=""></span>min para fallo renal y de 60<span class="elsevierStyleHsp" style=""></span>mmHg con duración de 10<span class="elsevierStyleHsp" style=""></span>min para isquemia miocárdica<a class="elsevierStyleCrossRef" href="#bib0150"><span class="elsevierStyleSup">6</span></a>.</p><p id="par0045" class="elsevierStylePara elsevierViewall">La literatura no únicamente asocia HP intraoperatoria con daño renal y daño miocárdico postoperatorio<a class="elsevierStyleCrossRefs" href="#bib0140"><span class="elsevierStyleSup">4-11</span></a>, sino que también establece su asociación con accidente isquémico cerebral<a class="elsevierStyleCrossRef" href="#bib0155"><span class="elsevierStyleSup">7</span></a>, delirio postoperatorio<a class="elsevierStyleCrossRefs" href="#bib0180"><span class="elsevierStyleSup">12-14</span></a> y muerte<a class="elsevierStyleCrossRefs" href="#bib0170"><span class="elsevierStyleSup">10,11,15</span></a>. Llagados hasta aquí, y vista la incidencia y las consecuencias de la HP intraoperatoria, cabe preguntarse si es posible su predicción.</p><p id="par0050" class="elsevierStylePara elsevierViewall">El aprendizaje automático <span class="elsevierStyleItalic">(maching learning)</span> constituye una disciplina dentro de la inteligencia artificial, a través de la cual se diseñan sistemas que aprenden automáticamente. El sistema lo que realmente aprende es un algoritmo a través de entradas <span class="elsevierStyleItalic">(features)</span> de millones de variables y las asocia con otras variables de salida <span class="elsevierStyleItalic">(labels)</span>, y con base en ello es capaz de predecir comportamientos futuros. El aprendizaje automático constituye por tanto una herramienta para predecir un determinado comportamiento, y para ello lo que necesita es identificar patrones que son invisibles al cerebro humano. A partir de miles o millones de datos, y la identificación de cómo fue su comportamiento pasado, es capaz de elaborar un algoritmo predictor a futuro.</p><p id="par0055" class="elsevierStylePara elsevierViewall">Hatib et al.<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">16</span></a>, mediante la aplicación de aprendizaje automático a centenares de miles de registros de ondas de PA en pacientes quirúrgicos o en unidades de críticos, construyen un índice de probabilidad de hipotensión (<span class="elsevierStyleItalic">hypotension prediction index</span> [HPi]) de 1 a 100, y que indica la probabilidad de que un paciente presente una PA media inferior a 65<span class="elsevierStyleHsp" style=""></span>mmHg en los próximos 5-15<span class="elsevierStyleHsp" style=""></span>min, y que además esta tenga al menos una duración de 1<span class="elsevierStyleHsp" style=""></span>min. El resultado fue una sensibilidad y especificidad de predecir HP del 92 y 95% a los 5<span class="elsevierStyleHsp" style=""></span>min, del 89 y 90% a los 10<span class="elsevierStyleHsp" style=""></span>min, y del 87 y 88% a los 15<span class="elsevierStyleHsp" style=""></span>min antes de producirse el evento hipotensivo. En la subsiguiente validación externa en pacientes bajo anestesia, la sensibilidad y especificidad fue del 87/89%, 84/84% y 84/83% a los 5, 10 y 15<span class="elsevierStyleHsp" style=""></span>min, respectivamente. El sistema de predicción ha sido comercializado, de manera que la alarma de HP se activa cuando el HPi alcanza una probabilidad igual o superior al 85%. Junto a este valor aparecen en pantalla otras variables hemodinámicas que permiten la toma de decisiones de tratamiento según el posible origen de la HP (contractilidad, precarga, carga arterial, resistencias vasculares).</p><p id="par0060" class="elsevierStylePara elsevierViewall">En el presente número Solares<a class="elsevierStyleCrossRef" href="#bib0245"><span class="elsevierStyleSup">17</span></a> publica un caso de aplicación del HPi en un paciente con miocardiopatía dilatada sometido a resección hepática. El sistema permitió la prevención de los eventos hipotensivos, y mediante una actitud proactiva, su tratamiento precoz, permitiendo así mismo identificar las causas responsables del evento.</p><p id="par0065" class="elsevierStylePara elsevierViewall">El sistema ha sido también validado por otros autores; así Davies et al.<a class="elsevierStyleCrossRef" href="#bib0210"><span class="elsevierStyleSup">18</span></a>, en un análisis retrospectivo de 255 pacientes, encuentran que el sistema HPi predijo la hipotensión con una sensibilidad y especificidad del 85,8% (IC 95%, 85,8-85,9%) y 85,8% (IC 95%, 85,8-85,9%) 5<span class="elsevierStyleHsp" style=""></span>min antes de que el evento se produjera<a class="elsevierStyleCrossRef" href="#bib0210"><span class="elsevierStyleSup">18</span></a>. En otro estudio prospectivo, ciego y aleatorizado con 99 pacientes sometidos a artroplastia de cadera, Schneck et al.<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">19</span></a> encuentran mediante monitorización con HPi una reducción significativa tanto del número absoluto de eventos hipotensivos como de su duración con respecto a los controles.</p><p id="par0070" class="elsevierStylePara elsevierViewall">Es fácil inferir, dado que los patrones identificados en la onda de PA en el desarrollo del algoritmo predictivo están basados en la puesta en marcha de los mecanismos compensadores previos a la hipotensión, que los ascensos de HPi, independientemente de que alcancen el valor del 85%, son indicativos de la puesta en marcha de esos mecanismos.</p><p id="par0075" class="elsevierStylePara elsevierViewall">Aunque sin ninguna duda la monitorización con HPi constituye una herramienta esperanzadora, quedan no obstante interrogantes a futuro que deberán ser resueltos. Desde los resultados clínicos sobre reducción en morbimortalidad ante el menor número de eventos hipotensivos con su uso, al cambio real de los clínicos hacia una postura más proactiva en el tratamiento de la HP, o qué consecuencias podrán tener los falsos positivos, y con base en todo lo anterior su coste-efectividad.</p><p id="par0080" class="elsevierStylePara elsevierViewall">Lo que es innegable es que el <span class="elsevierStyleItalic">maching learning</span> aplicado a la medicina tanto en su vertiente clínica como tecnológica está aquí para quedarse. Liu et al., en un metaanálisis de los trabajos que comparan la eficacia diagnóstica entre profesionales o modelos basados en aprendizaje automático, encuentran unos resultados equivalentes, pero con tendencia a la superioridad de estos últimos<a class="elsevierStyleCrossRef" href="#bib0220"><span class="elsevierStyleSup">20</span></a>. El número de sistemas comercializados basados en inteligencia artificial y aprendizaje automático escapa a este editorial, pero se calcula que entre 2 y 3 lo son cada mes, e incluyen campos como el diagnóstico por imagen, cribado en oncología, diagnóstico histológico, diagnóstico en dermatología, etc.<a class="elsevierStyleCrossRef" href="#bib0225"><span class="elsevierStyleSup">21</span></a>.</p><p id="par0085" class="elsevierStylePara elsevierViewall">Recientemente Attia et al., utilizando inteligencia artificial, son capaces de predecir mediante electrocardiograma los pacientes con valores de fracción de eyección del ventrículo izquierdo inferior al 35% con una sensibilidad y especificidad del 86,3 y 85,7%, respectivamente<a class="elsevierStyleCrossRef" href="#bib0230"><span class="elsevierStyleSup">22</span></a>. El mismo autor mediante el mismo análisis identifica pacientes con entrada y salida de fibrilación auricular a través de un electrocardiograma en ritmo sinusal, y ello también con elevada sensibilidad y especificidad<a class="elsevierStyleCrossRef" href="#bib0235"><span class="elsevierStyleSup">23</span></a>.</p><p id="par0095" class="elsevierStylePara elsevierViewall">La aparición de los sistemas predictores en el ámbito de la anestesia y medicina crítica basados en la inteligencia artificial y aprendizaje automático es en la actualidad y será en un futuro determinante en la optimización de los cuidados, diagnóstico y tratamiento de los pacientes<a class="elsevierStyleCrossRef" href="#bib0240"><span class="elsevierStyleSup">24</span></a>. Los millones de datos procedentes de millones de historias clínicas electrónicas ofrecerán nuevos modelos asistenciales. Las múltiples escalas de riesgo o pronósticas diseñadas hasta ahora quedarán obsoletas. Y un algoritmo sentará la indicación quirúrgica con base en los antecedentes y evaluación de riesgos con sensibilidades próximas al 100%. El futuro ya está aquí.</p></span>" "pdfFichero" => "main.pdf" "tienePdf" => true "bibliografia" => array:2 [ "titulo" => "Bibliografía" "seccion" => array:1 [ 0 => array:2 [ "identificador" => "bibs0015" "bibliografiaReferencia" => array:24 [ 0 => array:3 [ "identificador" => "bib0125" "etiqueta" => "1" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "Committee of Origin. American Society of Anesthesiologists. Standards for Basic Anesthetic Monitoring. [consultado 27 Feb 2020]. Disponible en: <a target="_blank" href="https://www.asahq.org/~/media/Sites/ASAHQ/Files/Public/Resources/standards-guidelines/standards-for-basic-anesthetic-%20monitoring.pdf">https://www.asahq.org/∼/media/Sites/ASAHQ/Files/Public/Resources/standards-guidelines/standards-for-basic-anesthetic- monitoring.pdf</a>" ] ] ] 1 => array:3 [ "identificador" => "bib0130" "etiqueta" => "2" "referencia" => array:1 [ 0 => array:1 [ "referenciaCompleta" => "World Health Organization. WHO Guidelines for Safe Surgery; 2009. [consultado 27 Feb 2020]. Disponible en: <a target="_blank" href="http://apps.who.int/iris/bitstream/10665/44185/1/9789241598552_eng.pdf">http://apps.who.int/iris/bitstream/10665/44185/1/9789241598552_eng.pdf</a>" ] ] ] 2 => array:3 [ "identificador" => "bib0135" "etiqueta" => "3" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Incidence of intraoperative hypotension as a function of the chosen definition: literature definitions applied to a retrospective cohort using automated data collection" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:6 [ 0 => "J.B. Bijker" 1 => "W.A. van Klei" 2 => "T.H. Kappen" 3 => "L. van Wolfswinkel" 4 => "K.G.M. Moons" 5 => "C.J. Kalkman" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/01.anes.0000270724.40897.8e" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2007" "volumen" => "107" "paginaInicial" => "213" "paginaFinal" => "220" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/17667564" "web" => "Medline" ] ] ] ] ] ] ] ] 3 => array:3 [ "identificador" => "bib0140" "etiqueta" => "4" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Relationship between intraoperative hypotension, defined by either reduction from baseline or absolute thresholds, and acute kidney and myocardial injury after noncardiac surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "V. Salmasi" 1 => "K. Maheshwari" 2 => "D. Yang" 3 => "E.J. Mascha" 4 => "A. Singh" 5 => "D.I. Sessler" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000001432" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2017" "volumen" => "126" "paginaInicial" => "47" "paginaFinal" => "65" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/27792044" "web" => "Medline" ] ] ] ] ] ] ] ] 4 => array:3 [ "identificador" => "bib0145" "etiqueta" => "5" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Relationship between intraoperative mean arterial pressure and clinical outcomes after noncardiac surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M. Walsh" 1 => "A. Kurz" 2 => "A. Turan" 3 => "R.N. Rodseth" 4 => "J. Cywinski" 5 => "L. Thabane" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0b013e3182a10e26" "Revista" => array:5 [ "tituloSerie" => "Anesthesiology." "fecha" => "2013" "volumen" => "119" "paginaInicial" => "507" "paginaFinal" => "515" ] ] ] ] ] ] 5 => array:3 [ "identificador" => "bib0150" "etiqueta" => "6" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Association of intraoperative hypotension with acute kidney injury after elective noncardiac surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "L.Y. Sun" 1 => "D.N. Wijeysundera" 2 => "G.A. Tait" 3 => "W.S. Beattie" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000000765" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2015" "volumen" => "123" "paginaInicial" => "515" "paginaFinal" => "523" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26181335" "web" => "Medline" ] ] ] ] ] ] ] ] 6 => array:3 [ "identificador" => "bib0155" "etiqueta" => "7" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Intraoperative hypotension and perioperative ischemic stroke after general surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "J.B. Bijker" 1 => "S. Persoon" 2 => "L. Peelen" 3 => "K. Moons" 4 => "C. Kalkman" 5 => "L. Kappelle" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0b013e3182472320" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2012" "volumen" => "116" "paginaInicial" => "658" "paginaFinal" => "664" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/22277949" "web" => "Medline" ] ] ] ] ] ] ] ] 7 => array:3 [ "identificador" => "bib0160" "etiqueta" => "8" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "High versus low blood-pressure target in patients with septic shock" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "P. Asfar" 1 => "F. Meziani" 2 => "Hamel J-FF" 3 => "F. Grelon" 4 => "B. Megarbane" 5 => "N. Anguel" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1056/NEJMoa1312173" "Revista" => array:6 [ "tituloSerie" => "N Engl J Med." "fecha" => "2014" "volumen" => "370" "paginaInicial" => "1583" "paginaFinal" => "1593" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/24635770" "web" => "Medline" ] ] ] ] ] ] ] ] 8 => array:3 [ "identificador" => "bib0165" "etiqueta" => "9" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Effects of extended-release metoprolol succinate in patients undergoing non-cardiac surgery (POISE trial): a randomised controlled trial" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "P.J. Devereaux" 1 => "H. Yang" 2 => "S. Yusuf" 3 => "G. Guyatt" 4 => "K. Leslie" 5 => "J.C. Villar" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/S0140-6736(08)60601-7" "Revista" => array:6 [ "tituloSerie" => "Lancet." "fecha" => "2008" "volumen" => "371" "paginaInicial" => "1839" "paginaFinal" => "1847" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/18479744" "web" => "Medline" ] ] ] ] ] ] ] ] 9 => array:3 [ "identificador" => "bib0170" "etiqueta" => "10" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Intraoperative mean arterial pressure variability and 30-day mortality in patients having noncardiac surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:4 [ 0 => "E.J. Mascha" 1 => "D. Yang" 2 => "S. Weiss" 3 => "D.I. Sessler" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000000686" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2015" "volumen" => "123" "paginaInicial" => "79" "paginaFinal" => "91" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/25929547" "web" => "Medline" ] ] ] ] ] ] ] ] 10 => array:3 [ "identificador" => "bib0175" "etiqueta" => "11" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Association between intraoperative hypotension and hypertension and 30-day postoperative mortality in noncardiac surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "T.G. Monk" 1 => "M.R. Bronsert" 2 => "W.G. Henderson" 3 => "M.P. Mangione" 4 => "S.T.J. Sum-Ping" 5 => "D.R. Bentt" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000000756" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2015" "volumen" => "123" "paginaInicial" => "307" "paginaFinal" => "319" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/26083768" "web" => "Medline" ] ] ] ] ] ] ] ] 11 => array:3 [ "identificador" => "bib0180" "etiqueta" => "12" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Preoperative risk factors for postoperative delirium (POD) after urological surgery in the elderly" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "Tognoni P1" 1 => "A. Simonato" 2 => "N. Robutti" 3 => "M. Pisani" 4 => "A. Cataldi" 5 => "F. Monacelli" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1016/j.archger.2010.10.021" "Revista" => array:6 [ "tituloSerie" => "Arch Gerontol Geriatr." "fecha" => "2011" "volumen" => "52" "paginaInicial" => "e166" "paginaFinal" => "e169" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/21084123" "web" => "Medline" ] ] ] ] ] ] ] ] 12 => array:3 [ "identificador" => "bib0185" "etiqueta" => "13" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Impact of intraoperative hypotension and blood pressure fluctuations on early postoperative delirium after non-cardiac surgery" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "J. Hirsch" 1 => "G. DePalma" 2 => "T.T. Tsai" 3 => "L.P. Sands" 4 => "J.M. Leung" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1093/bja/aeu458" "Revista" => array:6 [ "tituloSerie" => "Br J Anaesth." "fecha" => "2015" "volumen" => "115" "paginaInicial" => "418" "paginaFinal" => "426" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/25616677" "web" => "Medline" ] ] ] ] ] ] ] ] 13 => array:3 [ "identificador" => "bib0190" "etiqueta" => "14" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Predisposing factors for delirium in the surgical intensive care unit" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "M. Aldemir" 1 => "S. Ozen" 2 => "I.H. Kara" 3 => "A. Sir" 4 => "B. Baç" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1186/cc1044" "Revista" => array:6 [ "tituloSerie" => "Crit Care." "fecha" => "2001" "volumen" => "5" "paginaInicial" => "265" "paginaFinal" => "270" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/11737901" "web" => "Medline" ] ] ] ] ] ] ] ] 14 => array:3 [ "identificador" => "bib0195" "etiqueta" => "15" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Concurrence of intraoperative hypotension, low mini-mum alveolar concentration, and low bispectral index is associated with postoperative death" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "M.D. Willingham" 1 => "E. Karren" 2 => "A.M. Shanks" 3 => "M.F. O’Connor" 4 => "E. Jacobsohn" 5 => "S. Kheterpal" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000000822" "Revista" => array:5 [ "tituloSerie" => "Anesthesiology." "fecha" => "2015" "volumen" => "123" "paginaInicial" => "775" "paginaFinal" => "785" ] ] ] ] ] ] 15 => array:3 [ "identificador" => "bib0200" "etiqueta" => "16" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Machine-learning algorithm to predict hypotension based on high-fidelity arterial pressure waveform analysis" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "F. Hatib" 1 => "Z. Jian" 2 => "S. Buddi" 3 => "C. Lee" 4 => "J. Settels" 5 => "K. Sibert" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000002300" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2018" "volumen" => "129" "paginaInicial" => "663" "paginaFinal" => "674" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/29894315" "web" => "Medline" ] ] ] ] ] ] ] ] 16 => array:3 [ "identificador" => "bib0245" "etiqueta" => "17" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "El valor del Índice de Predicción de la Hipotensión y el dP/dt<span class="elsevierStyleInf">max</span> para predecir y tratar la hipotensión en un paciente con una miocardiopatía Dilatada" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "G. Solares" 1 => "F. Barredo" 2 => "I. Monge García" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:2 [ "tituloSerie" => "Res Esp Anestesiol Reanim." "fecha" => "2020" ] ] ] ] ] ] 17 => array:3 [ "identificador" => "bib0210" "etiqueta" => "18" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Ability of an arterial waveform analysis-derived hypotension prediction index to predict future hypotensive events in surgical patients" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "S.J. Davies" 1 => "S.T. Vistisen" 2 => "Z. Jian" 3 => "F. Hatib" 4 => "T.W.L. Scheeren" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1213/ANE.0000000000004121" "Revista" => array:6 [ "tituloSerie" => "Anesth Analg." "fecha" => "2020" "volumen" => "130" "paginaInicial" => "352" "paginaFinal" => "359" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30896602" "web" => "Medline" ] ] ] ] ] ] ] ] 18 => array:3 [ "identificador" => "bib0215" "etiqueta" => "19" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Hypotension Prediction Index based protocolized haemodynamic management reduces the incidence and duration of intraoperative hypotension in primary total hip arthroplasty: a single centre feasibility randomised blinded prospective interventional trial" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "E. Schneck" 1 => "D. Schulte" 2 => "L. Habig" 3 => "S. Ruhrmann" 4 => "F. Edinger" 5 => "M. Markmann" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1007/s10877-019-00433-6" "Revista" => array:2 [ "tituloSerie" => "J Clin Monit Comput." "fecha" => "2019" ] ] ] ] ] ] 19 => array:3 [ "identificador" => "bib0220" "etiqueta" => "20" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "A comparison of deep learning performance against health-care professionals in detecting diseases from medical imaging: a systematic review and meta-analysis" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "X. Liu" 1 => "L. Faes" 2 => "A.U. Kale" 3 => "S.K. Wagner" 4 => "D.J. Fu" 5 => "A. Bruynseels" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Lancet Digital Health." "fecha" => "2019" "volumen" => "1" "paginaInicial" => "e271" "paginaFinal" => "e297" ] ] ] ] ] ] 20 => array:3 [ "identificador" => "bib0225" "etiqueta" => "21" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Machine learning in medicine" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:3 [ 0 => "A. Rajkomar" 1 => "J. Dean" 2 => "I. Kohane" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1056/NEJMra1814259" "Revista" => array:6 [ "tituloSerie" => "N Engl J Med." "fecha" => "2019" "volumen" => "380" "paginaInicial" => "1347" "paginaFinal" => "1358" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30943338" "web" => "Medline" ] ] ] ] ] ] ] ] 21 => array:3 [ "identificador" => "bib0230" "etiqueta" => "22" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Screening for cardiac contractile dysfunction using an artificial intelligence-enabled electrocardiogram" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "Z.I. Attia" 1 => "S. Kapa" 2 => "F. Lopez-Jimenez" 3 => "P.M. McKie" 4 => "D.J. Ladewig" 5 => "G. Satam" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1038/s41591-018-0240-2" "Revista" => array:6 [ "tituloSerie" => "Nat Med." "fecha" => "2019" "volumen" => "25" "paginaInicial" => "70" "paginaFinal" => "74" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30617318" "web" => "Medline" ] ] ] ] ] ] ] ] 22 => array:3 [ "identificador" => "bib0235" "etiqueta" => "23" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "An artificial intelligence-enabled ECG algorithm for the identification of patients with atrial fibrillation during sinus rhythm: a retrospective analysis of outcome prediction" "autores" => array:1 [ 0 => array:2 [ "etal" => true "autores" => array:6 [ 0 => "Z.I. Attia" 1 => "P.A. Noseworthy" 2 => "F. Lopez-Jimenez" 3 => "S.J. Asirvatham" 4 => "A.J. Deshmukh" 5 => "B.J. Gersh" ] ] ] ] ] "host" => array:1 [ 0 => array:1 [ "Revista" => array:5 [ "tituloSerie" => "Lancet." "fecha" => "2019" "volumen" => "7" "paginaInicial" => "861" "paginaFinal" => "867" ] ] ] ] ] ] 23 => array:3 [ "identificador" => "bib0240" "etiqueta" => "24" "referencia" => array:1 [ 0 => array:2 [ "contribucion" => array:1 [ 0 => array:2 [ "titulo" => "Artificial intelligence in anesthesiology: current techniques, clinical applications, and limitations" "autores" => array:1 [ 0 => array:2 [ "etal" => false "autores" => array:5 [ 0 => "D.A. Hashimoto" 1 => "E. Witkowski" 2 => "L. Gao" 3 => "O. Meireles" 4 => "G. Rosman" ] ] ] ] ] "host" => array:1 [ 0 => array:2 [ "doi" => "10.1097/ALN.0000000000002960" "Revista" => array:6 [ "tituloSerie" => "Anesthesiology." "fecha" => "2020" "volumen" => "132" "paginaInicial" => "379" "paginaFinal" => "394" "link" => array:1 [ 0 => array:2 [ "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31939856" "web" => "Medline" ] ] ] ] ] ] ] ] ] ] ] ] ] "idiomaDefecto" => "es" "url" => "/00349356/0000006700000010/v1_202011270856/S0034935620300487/v1_202011270856/es/main.assets" "Apartado" => array:4 [ "identificador" => "7640" "tipo" => "SECCION" "es" => array:2 [ "titulo" => "Editorial" "idiomaDefecto" => true ] "idiomaDefecto" => "es" ] "PDF" => "https://static.elsevier.es/multimedia/00349356/0000006700000010/v1_202011270856/S0034935620300487/v1_202011270856/es/main.pdf?idApp=UINPBA00004N&text.app=https://www.elsevier.es/" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0034935620300487?idApp=UINPBA00004N" ]
Consulte los artículos y contenidos publicados en este medio, además de los e-sumarios de las revistas científicas en el mismo momento de publicación
Esté informado en todo momento gracias a las alertas y novedades
Acceda a promociones exclusivas en suscripciones, lanzamientos y cursos acreditados
La Revista Española de Anestesiología y Reanimación (REDAR) es el órgano científico de la Sociedad Española de Anestesiología, Reanimación y Terapéutica del Dolor. Esta es una revista mensual (10 números) que publica artículos científicos de todas las áreas que abarca la especialidad: anestesia clínica, reanimación-medicina intensiva y cuidados críticos, diagnóstico y tratamiento del dolor agudo y crónico, urgencias y emergencias, así como trabajos de ciencias básicas y relacionadas. La REDAR acepta trabajos tanto en español como en inglés.
Web of Science, Emerging Sources Citation Index (WoS, Clarivate), PubMed/Medline, Scopus, EMBASE, IBECS
Ver másEl factor de impacto mide la media del número de citaciones recibidas en un año por trabajos publicados en la publicación durante los dos años anteriores.
© Clarivate Analytics, Journal Citation Reports 2022
SJR es una prestigiosa métrica basada en la idea de que todas las citaciones no son iguales. SJR usa un algoritmo similar al page rank de Google; es una medida cuantitativa y cualitativa al impacto de una publicación.
Ver másSNIP permite comparar el impacto de revistas de diferentes campos temáticos, corrigiendo las diferencias en la probabilidad de ser citado que existe entre revistas de distintas materias.
Ver más¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?
Are you a health professional able to prescribe or dispense drugs?
Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos