Uso de tecnologías para la administración de camas en las unidades de cuidados intensivos: Una revisión sistemática de la literatura *Note: Sub-titles are not captured in Xplore and should not be used León Trejo, Yilthon Aurelio Facultad de Ingeniería y Negocios Universidad Norbert Wiener Lima, Perú a2020102814@uwiener.edu.pe Berrios Albines, Juan Andrés Facultad de Ingeniería y Negocios Universidad Norbert Wiener Lima, Perú a2020101953@uwiener.edu.pe line 1: 3rd Given Name Surname line 2: dept. name of organization (of Affiliation) line 3: name of organization (of Affiliation) line 4: City, Country line 5: email address or ORCID line 1: 6th Given Name Surname line 2: dept. name of organization (of Affiliation) line 3: name of organization (of Affiliation) line 4: City, Country line 5: email address or ORCID Resumen : La investigación titulada “Uso sistemas digitales para la administración de unidades médicas: Una revisión sistemática de la literatura”, el objetivo de la investigación es la recopilación de información acerca de las diversas herramientas digitales y tecnologías con el fin de poder facilitar los procesos en la administración unidades médicas, para ello se reviso diversas base de datos como EBSCO Host, IEEE Xplore, Scielo, ScienceDirect, ProQuest, Dialnet Redib y Scopus. Ideas-Repec, Redalyc, Bvsalud en donde se encontró diversas tecnologias aplicadas a la gestión médica; el cual será llevado a diversos análisis de estudio para lograr responder las preguntas planteadas en la investigación. Palabras clave: Tecnology; UCI; GESTIÓN, SOFTWARE, COVID. I. INTRODUCTION (HEADING 1) En la actualidad se está viviendo una problemática respecto a la falta de camas Uci en los hospitales a nivel internacional debido al Covid19 haciendo que el área UCI colapse[1]; como se sabe el crecimiento raudo de personas que ingresan por emergencias a las unidades de cuidados intensivos va en aumento por lo cual la administración de unidades se hace una tarea muy complicada de llevar día con día. En el área UCI se atienden a pacientes que presentan descompensación hemodinámica, insuficiencia respiratoria, y parocardiorespiratario.[2] Pero ante la coyuntura actual se está priorizando a pacientes que se contagiaron con el coronavirus (COVID-19) A pesar que en la actualidad ya se cuentan con diversas vacunas para contrarrestar el virus, el crecimiento es significativo cuando se anuncia nuevas variantes generando un nuevo rebrote pandémico,[3] el cual no está pronosticado por los hospitales generando problemas en la administración de camas Uci. Actualmente las camas Uci se han vuelto un bien necesario para todos los países ya que se está librando una lucha para contrarrestar el avance del COVID[4]92 por lo cual la implementación de diversos mecanismos que colaboren con la administración de las unidades es de suma importancia. La revisión literaria nos permitirá identificar aquellos factores que intervengan en la problemática acerca de la administración de camas Uci. Metodología A. Tipo de Estudio Para la elaboración del artículo se utilizará la metodología Prisma el cual nos permitirá recolectar investigaciones científicas de manera eficaz[5]. B. Preguntas de investigacion Las preguntas de investigación propuesta son las siguientes; RQ1. ¿Qué tecnologías son más eficientes en la administración de camas UCI? RQ2. ¿Qué resultados son los más relevantes según el análisis del uso de tecnologías en la administración de unidades médicas? C. Estrategias de búsqueda Para responder las preguntas de investigación se realizó una búsqueda de artículos publicados en las principales bases de datos EBSCO Host, IEEE Xplore, Scielo, ScienceDirect, ProQuest, Dialnet Redib y Scopus. IdeasRepec, Redalyc, Bvsalud Donde se recolectaron 40 artículos científicos. Al momento de aplicar la búsqueda para nuestra investigación, se ha considerado palabras que fueron seleccionadas estratégicamente con el fin de encontrar artículos semejantes, siguientes palabras claves: “ICU beds”, “administration management patients”, “software administration patients”, “plataform administration area icu”, “Covid”, “covid impact icu beds”, “medical unit management”, “covid hospitalization”, “ICU optimal care”. E02 Artículos no relacionados a la administración de pacientes en el área UCI. E03 Artículos relacionados al monitoreo del paciente, pero no hace uso de tecnologías digitales. E04 Artículos no relacionados a datos estadísticos acerca de pacientes en el área UCI. II. RESULTADOS Al analizar la base datos recolectadas en la presente investigación de un total de 140 artículos, se descartaron 16 artículos que no aportaban temas similares a la investigación. Luego se procedió a analizar y revisar los artículos restantes los cuales eran 124 artículos, excluyendo un total de 32 de acuerdo a los criterios de exclusión y que no aportaban ninguna respuesta en responder las preguntas de investigación. Obteniendo 92 artículos para la revisión sistemática. Figura 1. Prisma Diagram Methodology D. Criterios de Inclusion y Exclusión Para el estudio de la revisión sistemática se aplicaron los siguientes criterios de inclusión y exclusión en la siguiente tabla. TABLE I. CRITERIOS DE INCLUSIÓN Y EXCLUSIÓN CRITERIO Inclusión Exclusión I01 Artículos relacionados a herramientas digitales y software acerca del manejo hospitalario en áreas UCI. I02 Artículos de medicina correspondiente al área UCI. I03 Artículos relacionados a la administración en el área Uci I04 Artículos relacionados a resultados estadísticos acerca de pacientes del área UCI. E01 Artículos no relacionados a herramientas digitales y software acerca del manejo hospitalario en el área UCI. Figura 2. Flujograma de inclusión y exclusión de documentos Total BVsalud 5% 5% 4% 8% 3% Oceanía Dialnet Ebsco Europa Total Asia IEEE 14% 23% América ProQuest África Redib Scielo 13% 25% 0 20 40 60 SciencieDirect Figura 5. Artículos por Continente Scopus El presente grafico permite mostrar la cantidad de artículos seleccionados publicados por país. El presente grafico permite mostrar la cantidad de artículos encontradas por la base de datos. Figura 3. Artículos por base de datos El presente grafico permite mostrar la cantidad de artículos publicados por mes y base de datos. 14 12 10 BVsalud Dialnet Ebsco 8 Figura 6. Artículos por país IEEE 6 Scopus Inteligencia artificial SciencieDirect El presente grafico permite mostrar la cantidad de artículos publicados por continente. Cloud Computing Redib Figura 4. Artículos por año y base de datos Blockchain Scielo Scopus Big Data IEEE SciencieDirect 10 9 8 7 6 5 4 3 2 1 0 ProQuest Scielo Ebsco 0 El presente grafico permite mostrar la cantidad de artículos seleccionados agrupados por base de datos y categoría. Dialnet 2 Redib BVsalud ProQuest 4 Internet de las cosas Telemedicina Figura 7. Artículos por base de datos y categoría. TEMAS Y FUNCIONALIDAD Total 18 16 16 14 12 10 8 9 8 6 4 2 8 6 5 5 4 4 3 2 2 2 1 1 1 Big Data Cloud Computing Inteligencia artificial Internet de las cosas Telemedicina Blockchain Cloud Computing Inteligencia artificial Internet de las cosas Telemedicina Big Data Blockchain Cloud Computing Inteligencia artificial Internet de las cosas Telemedicina 0 Alto REFERENCIAS médicas Bajo Estos artículos argumentan la alta eficiencia en la administración de unidades médicas utilizando la tecnología blockchain [24] Estos artículos nos indica las mejoras en la gestión hospitalaria gracias a la tecnología Cloud Cumputing [50] Estos artículos describen la importancia de la inteligencia artificial en la administración de unidades médicas Estos artículos argumentan que la utilización de la tecnología de internet de las cosas conlleva a una mejora administrativa de unidades médicas. Estos artículos argumentan la importancia e impacto de la telemedicina en la gestión hospitalaria [58],[59],[60] [68] [73],[74], [6] Medio Figura 8. Artículos, nivel de eficiencia y cantidad La siguiente tabla muestra las categorías de clasificación de artículos de acuerdos a los resultados encontrados. TABLE II. CLASIFICACIÓN DE ARTICULOS DE ACUERDO A LOS RESULTADOS DE OBTENIDOS CATEGORÍAS Big Data Blockchain Cloud Computing Inteligencia artificial Internet de las cosas Telemedicina ARTÍCULOS [7],[8],[9],[10] [11], [12],[13],[14],[15], [16],[17],[18],[19],[20],[21],[22], [23] [24],[25],[26],[27],[28], [29],[30],[31],[32],[33],[34],[35], [36],[37],[38],[39],[40],[41],[42], [43],[44],[45],[46] [47],[48], [49],[50] ,[51],[52],[53],[54],[55],[56], [57], [58],[59],[60],[61],[62],[63],[64], [65],[66],[67] Figura 9 Red de visualización de documentos Base de datos basada en análisis biométrico. [68],[10],[69],[70],[71],[72], [73],[74],[6],[75],[76],[77],[78],[ 79],[80],[81],[82],[83].[84],[85],[ 86],[87],[88],[89],[90] La siguiente tabla muestra los temas de clasificación de artículos de acuerdos a los resultados encontrados. TABLE III. CLASIFICACIÓN DE ARTICULOS DE ACUERDO A LAS CATEGORIAS Y TEMAS DE FUNCIONALIDAD TEMAS Y FUNCIONALIDAD Estos artículos argumentan la implementación de un sistema desarrollado con la tecnología Big Data es de suma importancia en la administración de unidades REFERENCIAS [10], [11] Figura 10. Visualización superpuesta de documentos Figura 11. Mapa de densidad del análisis bibliométrico Alfred Lotka introdujo la bibliometría ciertos patrones de producción del autor y presentó los primeros criterios para la bibliometría. [91]. La bibliometría es la aplicación de las matemáticas y métodos estadísticos a toda fuente escrita que esté basada en las facetas de la comunicación y que considere los elementos tales como autores, título de la publicación, tipo de documento, idioma, resumen y palabras claves o descriptores. Figura 12 III. DISCUSIONES En esta investigacion sistemática de la literatura científica se pretende responder las preguntas propuestas; RQ1. ¿Qué tecnologías son las más eficientes en la administración de unidades médicas? De acuerdo a la Figura 7 , se puede apreciar que los artículos relacionados a nuestro tema en mención en su mayoría utilizan la telemedicina como tecnología; y el cluod computing siendo esté más efectivo en el uso de seguimiento al paciente. De acuerdo a la Tabla II, se puede apreciar las categorías de artículos relacionados a nuestro tema en mención donde también se que refleja que la mayor parte de artículos científicos publicados se desarrolla en base a la telemedicina. Según la figura 8, se llega a la conclusión que la aplicación de la telemedicina en la administración de unidades medicas trae consigo un resultado optimo, y el uso de Big Data es una apuesta a futuro concerniente a la gestión medica. RQ2. ¿ Qué resultados son los más relevantes según el análisis del uso de tecnologías en la administración de unidades médicas? Según el mapa de densidad en la figura 11, nos indica que los términos Covid19, simulación y telemedicina son los términos que más repercuten en nuestra investigación, esto indica la importancia de estos términos respecto a la coyuntura ya que se trata de investigaciones que datan desde el 2015 hasta la actualidad. Figura 12: cluster Vosviewer De acuerdo a la figura 5 se puede apreciar que los artículos analizados en su mayoría provienen del continente americano, siendo Estados unidos unos de los principales países en donde se realiza investigaciones científicas respecto al tema tratado en la presente. ICU during the COVID-19 pandemic,” J. Bras. Pneumol., vol. 47, no. 2, 2021, doi: 10.36416/18063756/E20200545. IV. CONCLUSIONES Después de haber realizado la investigación sistemática de la literatura científica de 92 artículos relacionados al tema en mención, se concluye qué; Las herramientas relacionadas a la telemedicina como lo son “Tele-icu”, “Comunication in Health”, “Icu beds prediction” permiten llevar una mejor gestión en las unidades médicas, más en tiempo de pandemia donde las unidades médicas son escasas. Asimismo, se concluye que los principales países afectados con el covid 19 son los principales gestores de propuestas del uso de la tecnología para lograr optimizar los procesos de áreas medicas de cuidados intensivos. [7] R. M. Rodríguez-Montoya, J. S. Hilario-Vargas, and M. E. Alcántara-Gutti, “Effects of a multimodal rehabilitation program in COVID-19 patients admitted to the IntensiveCareUnit:Aquasiexperimentalstudy,” Rev. del Cuerpo Med. Hosp. Nac. Almanzor Aguinaga Asenjo, vol. 14, no. 3, pp. 272–279, Nov. 2021, doi: 10.35434/RCMHNAAA.2021.143.1244. [8] Los resultados de esta investigación puede ser de ayuda para futuras investigaciones sobre las búsquedas de tecnologías para la administración de unidades médicas. [9] REFERENCES V. BIBLIOGRAFÍA [2] [3] [4] [5] [6] SALUD CON LUPA, “Latinoamérica en Cuidados Intensivos - Salud con lupa,” 2020. https://saludconlupa.com/series/coronavirus/latinoa merica-en-cuidados-intensivos/ (accessed May 08, 2022). M. Plus, “Unidad de Cuidados Intensivos (UCI): MedlinePlus enciclopedia médica illustración,” 2022. https://medlineplus.gov/spanish/ency/esp_imagepag es/19957.htm (accessed May 10, 2022). R. Medica, “Ómicron: ¿Los hospitales están al límite en la sexta ola?,” 2022. https://www.redaccionmedica.com/secciones/sanida d-hoy/la-catarrizacion-de-la-sexta-ola-escondedatos-uci-propios-de-enero-2021-5640 (accessed May 10, 2022). V. D, “COVID-19 Y LA DISPONIBILIDAD MUNDIAL DE CAMAS DE CUIDADOS INTENSIVOS,” 2021. https://www.siicsalud.com/dato/resiiccompleto.php/ 163573 (accessed May 10, 2022). M. J. Page et al., “Declaración PRISMA 2020: una guía actualizada para la publicación de revisiones sistemáticas,” Rev. Española Cardiol., vol. 74, no. 9, pp. 790–799, Sep. 2021, doi: 10.1016/J.RECESP.2021.06.016. B. R. de Macedo et al., “Implementation of Tele- R. Guner et al., “Development and validation of nomogram to predict severe illness requiring intensive care follow up in hospitalized COVID-19 cases,” BMC Infect. Dis., vol. 21, no. 1, Dec. 2021, doi: 10.1186/S12879-021-06656-W. [10] L. Griebel et al., “A scoping review of cloud computing in healthcare,” BMC Med. Inform. Decis. Mak., vol. 15, no. 1, 2015, doi: 10.1186/S12911015-0145-7. [11] [1] A. Yousefinya, C. Torabizadeh, F. Zand, M. Rakhshan, and M. Fararooei, “Effectiveness Of Application Of A Manual For Improvement Of Alarms Management By Nurses In Intensive Care Units,” Investig. y Educ. en Enferm., vol. 39, no. 2, 2021, doi: 10.17533/UDEA.IEE.V39N2E11. [12] X. Wang, Y. Wang, C. Gao, K. Lin, and Y. Li, “Automatic diagnosis with efficient medical case searching based on evolving graphs,” IEEE Access, vol. 6, pp. 53307–53318, 2018, doi: 10.1109/ACCESS.2018.2871769. A. M. de Bruin, R. Bekker, L. van Zanten, and G. M. Koole, “Dimensioning hospital wards using the Erlang loss model,” Ann. Oper. Res., vol. 178, no. 1, pp. 23–43, 2010, doi: 10.1007/S10479-009-0647-8. [13] A. Mahmoudian-Dehkordi and S. Sadat, “Sustaining critical care: using evidence-based simulation to evaluate ICU management policies,” Health Care Manag. Sci., vol. 20, no. 4, pp. 532–547, Dec. 2017, doi: 10.1007/S10729-016-9369-Z. [14] J. L. Martínez, “Free software for digitalization and management of electronic documents at official entities,” Sist. , vol. 15, no. 40, 2017, Accessed: May 07, 2022. [Online]. Available: https://www.redalyc.org/pdf/4115/411550688004.p df [15] M. Garbey, G. Joerger, S. Furr, and V. Fikfak, “A model of workflow in the hospital during a pandemic to assist management,” PLoS One, vol. 15, no. 11 November, Nov. 2020, doi: 10.1371/JOURNAL.PONE.0242183. [16] E. J. Ahn and S. R. Bang, “Risk factors associated with treatment of hyperactive postoperative delirium in elderly patients following hip fracture surgery under regional anesthesia: a nationwide populationbased study,” Brazilian J. Anesthesiol. (English Ed., 2021, doi: 10.1016/J.BJANE.2021.03.020. [17] [18] [19] M. Zareshahi, S. Mirzaei, and K. Nasiriani, “Nursing informatics competencies in critical care unit,” Health Informatics J., vol. 28, no. 1, p. 146045822210838, Jan. 2022, doi: 10.1177/14604582221083843. D. M. Bravata et al., “Association of Intensive Care Unit Patient Load and Demand With Mortality Rates in US Department of Veterans Affairs Hospitals During the COVID-19 Pandemic,” JAMA Netw. open, vol. 4, no. 1, p. e2034266, Jan. 2021, doi: 10.1001/JAMANETWORKOPEN.2020.34266. Roberto Reveco Sepúlveda Herenia Gutiérrez Ponce Catalina Merino Osorio Jose Ignacio Marmolejo, “Activity based costing for an intensive care unit (icu) in Chile as a management tool and financial analysis - Dialnet,” 2019. https://dialnet.unirioja.es/servlet/articulo?codigo=74 58268 (accessed May 06, 2022). [20] R. T. Clemen, “Combining forecasts: A review and annotated bibliography,” Int. J. Forecast., vol. 5, no. 4, pp. 559–583, 2015, doi: 10.1016/01692070(89)90012-5. [21] D. Kwiatkowski, P. C. B. Phillips, P. Schmidt, and Y. Shin, “Testing the null hypothesis of stationarity against the alternative of a unit root. How sure are we that economic time series have a unit root?,” J. Econom., vol. 54, no. 1–3, pp. 159–178, 2015, doi: 10.1016/0304-4076(92)90104-Y. [22] W. C. Roda, M. B. Varughese, D. Han, and M. Y. Li, “Why is it difficult to accurately predict the COVID-19 epidemic?,” Infect. Dis. Model., vol. 5, pp. 271–281, 2020, doi: 10.1016/j.idm.2020.03.001. [23] J. Chambord, D. Attivi, V. Thuus, C. Zeghmouli, and S. Gibaud, “The effect of intravenous isosorbide dinitrate in acute decompensated heart failure in hospital,” Int. J. Clin. Pharm., vol. 39, no. 3, pp. 536–541, Jun. 2017, doi: 10.1007/S11096-0170459-X. [24] [25] [26] [27] C. Li, M. X. Dong, J. Li, P. Xu, X. Chen, and K. Ota, “Healthchain: gestión segura de EMR y comercio en el sistema de servicios de salud distribuidos,” D. Internet las cosas IEEE, 2020, doi: 10.1109/JIOT.2020.3038721. G. Carrasco, J. Morillas, M. Calizaya, I. Baeza, R. Molina, and Y. Meije, “ICU decision making based on Living Systematic Review strategy during SARS-CoV-2 pandemic. Results of a prospective case serie,” Med. Intensiva, vol. 44, no. 8, pp. 516– 519, Nov. 2020, doi: 10.1016/J.MEDIN.2020.06.001. D. Naranjo López, M. A. González Jiménez, S. Buitrago Toro, and J. Gallego Londoño, “Inclination measurement device for hospital beds’ in ICU,” Visión electrónica, vol. 13, no. 1, pp. 92–100, Jan. 2019, doi: 10.14483/22484728.14408. A. J. Á. Villegas, Á. M. R. Saldaña, and E. R. Rodríguez, “Centralized management of Intensive and Intermediate Care Unit beds by the Emergency Care Regulation Center of Bogotá facing the COVID-19,” Rev. Gerenc. y Polit. Salud, vol. 20, 2021, doi: 10.11144/JAVERIANA.RGPS20.GCCU. X. Li, D. Liu, N. Geng, and X. Xie, “Control óptimo de ingreso en UCI con alta prematura,” Trans. IEEE sobre Cienc. e Ing. Autom., 2020, Accessed: May 05, 2022. [Online]. Available: https://ieeexplore.ieee.org/document/8359326/ [28] [29] José Llagunes Herrero, “Gestión del conocimiento clínico en la UCI,” Rev. Electrónica AnestesiaR, vol. 10, no. 9, p. 5, Apr. 2021, doi: 10.30445/REAR.V10I9.611. [30] E. M. Bejar Chuchon and Y. G. Castro Tito, “Los dilemas médicos que se suscitan ante la insuficiencia de camas de UCI por el coronavirus desde una perspectiva biojurídica,” Rev. Of. del Pod. Judic. Órgano Investig. la Corte Suprema Justicia la República del Perú, vol. 13, no. 15, pp. 357–380, Jun. 2021, doi: 10.35292/ROPJ.V13I15.400. [31] M. G. R. A. C. T. R. de P. R. M. , D. P. L. T. Bardi, “Respuesta rápida a COVID-19, estrategias de escalada y desescalada para ajustar la capacidad suplementaria de camas de UVI a una epidemia de gran magnitud - Dialnet,” 2021. https://dialnet.unirioja.es/servlet/articulo?codigo=76 97900 (accessed Apr. 20, 2022). [32] M. M. A. M. . M. D. C. P. M. R. I. G. H. J. P. G. Í. A. L. Martínez de Morentin Navarcorena, “Manejo en la UCI pediátrica del paciente quemado Dialnet,” 2020. https://dialnet.unirioja.es/servlet/articulo?codigo=77 52625 (accessed May 06, 2022). [33] Ximena Palacios-Espinosa; Jessica Pulido-Rozo; Diana Ramos-Zamudio1, “Intervención interdisciplinaria del paciente con dolor en Unidades de Cuidado Intensivo (UCI): Revisión de tema Dialnet,” 2017. https://dialnet.unirioja.es/servlet/articulo?codigo=67 67284 (accessed May 06, 2022). F. Pecoraro, F. Clemente, and D. Luzi, “The efficiency in the ordinary hospital bed management in Italy: An in-depth analysis of intensive care unit in the areas affected by COVID-19 before the outbreak,” PLoS One, vol. 15, no. 9 September, Sep. 2020, doi: 10.1371/JOURNAL.PONE.0239249. [34] [35] M. Goic, M. S. Bozanic-Leal, M. Badal, and L. J. Basso, “COVID-19: Short-term forecast of ICU beds in times of crisis,” PLoS One, vol. 16, no. 1 January, Jan. 2021, doi: 10.1371/JOURNAL.PONE.0245272. A. J. Kucharski et al., “Early dynamics of transmission and control of COVID-19: a mathematical modelling study,” Lancet Infect. Dis., vol. 20, no. 5, pp. 553–558, May 2020, doi: 10.1016/S1473-3099(20)30144-4. [36] [37] R. El-Bouri, D. W. Eyre, P. Watkinson, T. Zhu, and D. A. Clifton, “Hospital Admission Location Prediction via Deep Interpretable Networks for the Year-Round Improvement of Emergency Patient Care,” IEEE J. Biomed. Heal. INFORMATICS, vol. 25, no. 1, p. 289, 2021, doi: 10.1109/JBHI.2020.2990309. J. H. Stone et al., “Efficacy of Tocilizumab in Patients Hospitalized with Covid-19,” N. Engl. J. Med., vol. 383, no. 24, pp. 2333–2344, Dec. 2020, doi: 10.1056/NEJMOA2028836. [38] [39] F. Reyes-Santias, I. Barrachina-Martinez, and D. Vivas-Consuelo, “Predictions of FluSurge 2.0 methodology on hospital utilization during the Covid-19 outbreaks in several countries,” Int. J. Eng. Bus. Manag., vol. 13, 2021, doi: 10.1177/18479790211020530. M. Gatto et al., “Spread and dynamics of the COVID-19 epidemic in Italy: Effects of emergency containment measures,” Proc. Natl. Acad. Sci. U. S. A., vol. 117, no. 19, pp. 10484–10491, May 2020, doi: 10.1073/pnas.2004978117. [40] G. Rainisch, E. A. Undurraga, and G. Chowell, “A dynamic modeling tool for estimating healthcare demand from the COVID19 epidemic and evaluating population-wide interventions,” Int. J. Infect. Dis., vol. 96, pp. 376–383, Jul. 2020, doi: 10.1016/j.ijid.2020.05.043. [41] K. Roosa et al., “Short-term Forecasts of the COVID-19 Epidemic in Guangdong and Zhejiang, China: February 13-23, 2020.,” J. Clin. Med., vol. 9, no. 2, Feb. 2020, doi: 10.3390/jcm9020596. COVID-19 - Dialnet,” 2020. https://dialnet.unirioja.es/servlet/articulo?codigo=80 37105 (accessed May 06, 2022). [48] T. Chakraborty and I. Ghosh, “Real-time forecasts and risk assessment of novel coronavirus (COVID19) cases: A data-driven analysis,” Chaos, Solitons and Fractals, vol. 135, Jun. 2020, doi: 10.1016/j.chaos.2020.109850. [49] [50] Z. Yang et al., “Modified SEIR and AI prediction of the epidemics trend of COVID-19 in China under public health interventions.,” J. Thorac. Dis., vol. 12, no. 3, pp. 165–174, Mar. 2020, doi: 10.21037/jtd.2020.02.64. [44] Heitor Spagnol dos Santos; Ana Paula Andrighetti; Maria Carolina Manfredini; Ederlon Rezende; João Manoel Silva Junior; Maurício de Miranda Ventura, “Hospitalization indications and its relation to mortality in very elderly patient in the ICU,” 2016. https://www.redib.org/Record/oai_articulo2807214hospitalization-indications-its-relation-mortalityvery-elderly-patient-icu (accessed May 06, 2022). [45] [46] [47] F. Zhou et al., “Clinical course and risk factors for mortality of adult inpatients with COVID-19 in Wuhan, China: a retrospective cohort study,” Lancet, vol. 395, no. 10229, pp. 1054–1062, Mar. 2020, doi: 10.1016/S0140-6736(20)30566-3. A. A, J. P, L. N, L. A, and R. LM, “A data-driven approach to include availability of ICU beds in the planning of the operating room,” Omega (United Kingdom), vol. 109, Jun. 2022, doi: 10.1016/J.OMEGA.2022.102608. Antonio Morlà Rosselló Albert Cortés Borra, “Gestión humanizada en una UCI en tiempos de R. Cao, Z. Tang, C. Liu, and B. Veeravalli, “A Scalable Multicloud Storage Architecture for CloudSupported Medical Internet of Things,” IEEE Internet Things J., vol. 7, no. 3, pp. 1641–1654, Mar. 2020, doi: 10.1109/JIOT.2019.2946296. L. Cieza-Yamunaqué et al., “Evolution and management of the pediatric multi-systemic inflammatory syndrome associated with SARS CoV-2 infection in a pediatric ICU in Lima, Peru,” Rev. del Cuerpo Med. Hosp. Nac. Almanzor Aguinaga Asenjo, vol. 14, no. 3, pp. 262–266, Nov. 2021, doi: 10.35434/RCMHNAAA.2021.143.1216. [51] [52] C. P. Da Costa, D. L. Gomes, and M. C. A. Franco, “Management of gastrointestinal complications of enteral nutritional therapy in the ICU,” Rev. Assoc. Med. Bras., vol. 67, no. 6, pp. 889–894, 2021, doi: 10.1590/1806-9282.20201068. [42] [43] F. Mallor, C. Azcárate, and J. Barado, “Optimal control of ICU patient discharge: from theory to implementation,” Health Care Manag. Sci., vol. 18, no. 3, pp. 234–250, Sep. 2015, doi: 10.1007/S10729-015-9320-8. [53] P. S. de Oliveira Coelho, K. do Valle, G. P. do Carmo, T. R. de Melo dos Santos, J. S. Nascimento, and M. B. Pelosi, “Systematization of procedures for the implementation of alternative and extended communication in a general ICU,” Brazilian J. Occup. Ther., vol. 28, no. 3, pp. 829–854, Jul. 2020, doi: 10.4322/2526-8910.CTOAO1930. [54] M. Andresen et al., “La criticidad de las Unidades de Intensivo. Ampliando las Unidades en tiempos de pandemia,” Rev. Med. Chil., vol. 148, no. 5, pp. 674–683, May 2020, doi: 10.4067/S003498872020000500674. [55] M. L. Ranney, V. Griffeth, and A. K. Jha, “Critical Supply Shortages — The Need for Ventilators and Personal Protective Equipment during the Covid-19 Pandemic,” N. Engl. J. Med., vol. 382, no. 18, p. e41, Apr. 2020, doi: 10.1056/NEJMP2006141. [56] D. Wang et al., “Clinical Characteristics of 138 Hospitalized Patients with 2019 Novel CoronavirusInfected Pneumonia in Wuhan, China,” JAMA - J. Am. Med. Assoc., vol. 323, no. 11, pp. 1061–1069, Mar. 2020, doi: 10.1001/JAMA.2020.1585. D. A. Sarti, “SOFTWARE SELECTION THROUGH DECISION ANALYSIS AND INFORMATION SYSTEMS MANAGEMENT,” JISTEM J. Inf. Syst. Technol. Manag., vol. 12, no. 1, 2015, Accessed: May 07, 2022. [Online]. Available: [57] https://www.redalyc.org/pdf/2032/203238424004.p df Z. Wang and B. Yao, “Multi-Branching Temporal Convolutional Network for Sepsis Prediction,” IEEE J. Biomed. Heal. Informatics, vol. 26, no. 2, 2022, doi: 10.1109/JBHI.2021.3092835. [58] T. Chen et al., “Prediction of Extubation Failure for Intensive Care Unit Patients Using Light Gradient Boosting Machine,” IEEE Access, vol. 7, 2019, Accessed: Jun. 01, 2022. [Online]. Available: https://ieeexplore.ieee.org/document/8864987/ [59] [60] Q. Liu, L. Yang, and Q. Peng, “Artificial Intelligence Technology-Based Medical Information Processing and Emergency First Aid Nursing Management,” Comput. Math. Methods Med., vol. 2022, 2022, doi: 10.1155/2022/8677118. [62] J. T. Marquinez, A. Sauré, A. Cataldo, and J. C. Ferrer, “Identifying proactive ICU patient admission, transfer and diversion policies in a public-private hospital network,” Eur. J. Oper. Res., vol. 295, no. 1, pp. 306–320, Nov. 2021, doi: 10.1016/J.EJOR.2021.02.045. [67] I. D. M. B. Filho, G. Aquino, R. S. Malaquias, G. Girao, and S. R. M. Melo, “An IoT-Based Healthcare Platform for Patients in ICU Beds during the COVID-19 Outbreak,” IEEE Access, vol. 9, pp. 27262–27277, 2021, doi: 10.1109/ACCESS.2021.3058448. D. Manca, D. Caldiroli, and E. Storti, “A simplified math approach to predict ICU beds and mortality rate for hospital emergency planning under Covid19 pandemic,” Comput. Chem. Eng., vol. 140, Sep. 2020, doi: 10.1016/J.COMPCHEMENG.2020.106945. [69] [70] N. Newman, S. Gilman, M. Burdumy, M. Yimen, and O. Lattouf, “A novel tool for patient data management in the ICU—Ensuring timely and accurate vital data exchange among ICU team members,” Int. J. Med. Inform., vol. 144, p. 104291, Dec. 2020, doi: 10.1016/J.IJMEDINF.2020.104291. [71] O. Torrealba-Rodriguez, R. A. Conde-Gutiérrez, and A. L. Hernández-Javier, “Modeling and prediction of COVID-19 in Mexico applying mathematical and computational models.,” Chaos. Solitons. Fractals, vol. 138, p. 109946, Sep. 2020, doi: 10.1016/j.chaos.2020.109946. [72] C. Azcarate, L. Esparza, and F. Mallor, “The problem of the last bed: Contextualization and a new simulation framework for analyzing physician decisions,” Omega (United Kingdom), vol. 96, Oct. 2020, doi: 10.1016/J.OMEGA.2019.102120. [63] F. Perraud et al., “A qualitative study of reinforcement workers’ perceptions and experiences of working in intensive care during the COVID-19 pandemic: A PsyCOVID-ICU substudy,” PLoS One, vol. 17, no. 3 March, Mar. 2022, doi: 10.1371/JOURNAL.PONE.0264287. [73] R. Chang, K. M. Elhusseiny, Y. C. Yeh, and W. Z. Sun, “COVID-19 ICU and mechanical ventilation patient characteristics and outcomes—A systematic review and meta-analysis,” PLoS One, vol. 16, no. 2 February, Feb. 2021, doi: 10.1371/JOURNAL.PONE.0246318. Z. Kuang, J. Thomson, M. Caldwell, P. Peissig, R. Stewart, and D. Page, “Computational drug repositioning using continuous self-controlled case series,” Proc. ACM SIGKDD Int. Conf. Knowl. Discov. Data Min., vol. 13-17-Augu, pp. 491–500, Aug. 2016, doi: 10.1145/2939672.2939715. [74] K. Zheng, J. Gao, K. Y. Ngiam, B. C. Ooi, and W. L. J. Yip, “Resolving the bias in electronic medical records,” Proc. ACM SIGKDD Int. Conf. Knowl. Discov. Data Min., vol. Part F1296, pp. 2171–2180, Aug. 2017, doi: 10.1145/3097983.3098149. [65] [66] [68] M. Armony, C. W. Chan, and B. Zhu, “Critical Care Capacity Management: Understanding the Role of a Step Down Unit,” Prod. Oper. Manag., vol. 27, no. 5, pp. 859–883, May 2018, doi: 10.1111/POMS.12825. [61] [64] 07, 2022. [Online]. Available: https://www.redalyc.org/journal/170/17059490043/ 17059490043.pdf S. H. Kim, C. W. Chan, M. Olivares, and G. Escobar, “ICu admission control: An empirical study of capacity allocation and its implication for patient outcomes,” Manage. Sci., vol. 61, no. 1, pp. 19–38, Jan. 2015, doi: 10.1287/MNSC.2014.2057. N. G. E. B. S. S. D. A. M. V. A. de la R. F.-P. A. M.-P. Francisco Javier Yaniz Álvarez, “Incidencia de Flebitis asociada a Catéteres Centrales de Inserción Periférica en UCI Adultos: Implementación de un Protocolo para Enfermería,” Enfermería Glob., vol. 16, no. 1, 2017, Accessed: May 07, 2022. [Online]. Available: https://www.redalyc.org/pdf/3658/365849076015.p df J. C.-C. B.-A. G.-G. G.-J. M. Desamparados BernatAdell, “Valoración de la estancia en UCI desde el punto de vista de pacientes y familiares,” Rev. Esp. Salud Publica, vol. 92, no., 2018, Accessed: May H. I. Brunner et al., “Efficacy and safety of tocilizumab in patients with polyarticular-course juvenile idiopathic arthritis: Results from a phase 3, randomised, double-blind withdrawal trial,” Ann. Rheum. Dis., vol. 74, no. 6, pp. 1110–1117, Jun. 2015, doi: 10.1136/ANNRHEUMDIS-2014205351. [75] [76] Y. Ramsamy et al., “Genomic analysis of carbapenemase-producing extensively drug-resistant Klebsiella pneumonia isolates reveals the horizontal spread of p18-43_01 plasmid encoding blandm-1 in South Africa,” Microorganisms, vol. 8, no. 1, Jan. 2020, doi: 10.3390/MICROORGANISMS8010137. [77] M. Choteau et al., “Development of SARS-CoV2 humoral response including neutralizing antibodies is not sufficient to protect patients against fatal infection,” Sci. Rep., vol. 12, no. 1, Dec. 2022, doi: 10.1038/S41598-022-06038-5. [78] [79] [80] M. Chinazzi et al., “The effect of travel restrictions on the spread of the 2019 novel coronavirus (COVID-19) outbreak,” Science (80-. )., vol. 368, no. 6489, pp. 395–400, Apr. 2020, doi: 10.1126/science.aba9757. [84] T. Burki, “COVID-19 in Latin America,” Lancet. Infect. Dis., vol. 20, no. 5, pp. 547–548, May 2020, doi: 10.1016/S1473-3099(20)30303-0. [85] R. S. Wax, “Preparing the Intensive Care Unit for Disaster,” Crit. Care Clin., vol. 35, no. 4, pp. 551– 562, Oct. 2019, doi: 10.1016/J.CCC.2019.06.008. [86] C. Uschnig, F. Recker, M. Blaivas, Y. Dong, and C. F. Dietrich, “Tele-ultrasound in the Era of COVID19: A Practical Guide,” Ultrasound Med. Biol., 2022, doi: 10.1016/j.ultrasmedbio.2022.01.001. M. Prado-Ortega, H. Carvajal-Romero, H. ViteCevallos, and M. Loaiza-Mora, “Gobierno Electrónico: Equipamiento UCI Hospitalarias del Ecuador ante emergencias epidemiológicas, Caso IESS Hospital Machala,” 593 Digit. Publ. CEIT, vol. 5, no. 5, pp. 54–66, Sep. 2020, doi: 10.33386/593DP.2020.5.266. [81] J. Phua et al., “Intensive care management of coronavirus disease 2019 (COVID-19): challenges and recommendations,” Lancet Respir. Med., vol. 8, no. 5, pp. 506–517, May 2020, doi: 10.1016/S22132600(20)30161-2. [82] D. K. Menon, B. L. Taylor, and S. A. Ridley, “Modelling the impact of an influenza pandemic on critical care services in England,” Anaesthesia, vol. 60, no. 10, pp. 952–954, Oct. 2015, doi: 10.1111/j.1365-2044.2005.04372.x. [83] 10.23938/ASSN.0872. M. Taínta et al., “Conocimientos y actitudes de las enfermeras de una unidad de cuidados intensivos acerca del dolor de los pacientes,” An. Sist. Sanit. Navar., vol. 43, no. 2, pp. 177–187, 2020, doi: [87] M. M. Jeitziner, J. P. Hamers, R. Bürgin, V. Hantikainen, and S. M. Zwakhalen, “Long-term consequences of pain, anxiety and agitation for critically ill older patients after an intensive care unit stay,” J. Clin. Nurs., vol. 24, no. 17–18, pp. 2419–2428, Sep. 2015, doi: 10.1111/JOCN.12801. V. Ramoo et al., “Educational intervention on delirium assessment using confusion assessment method-ICU (CAM-ICU) in a general intensive care unit,” J. Clin. Nurs., vol. 27, no. 21–22, pp. 4028– 4039, Nov. 2018, doi: 10.1111/JOCN.14525. [88] H. Wøien, H. Værøy, G. Aamodt, and I. T. Bjørk, “Improving the systematic approach to pain and sedation management in the ICU by using assessment tools,” J. Clin. Nurs., vol. 23, no. 11–12, pp. 1552–1561, 2014, doi: 10.1111/J.13652702.2012.04309.X. [89] L. A. Castro et al., “How new mexico leveraged a covid-19 case forecasting model to preemptively address the health care needs of the state: Quantitative analysis,” JMIR Public Heal. Surveill., vol. 7, no. 6, Jun. 2021, doi: 10.2196/27888. A. Torres et al., “Methodology of a Large Multicenter Observational Study of Patients with COVID-19 in Spanish Intensive Care Units,” Arch. Bronconeumol., vol. 58, pp. 22–31, Apr. 2022, doi: 10.1016/J.ARBRES.2022.03.010. [90]