RESUMO Introdução: a ureteroscopia flexível é uma técnica cirúrgica minimamente invasiva utilizada para o tratamento de litíase renal. A urosepse pós-operatória é uma complicação rara, mas potencialmente fatal. Os modelos tradicionais utilizados para prever o risco dessa condição apresentam precisão limitada, enquanto modelos baseados em inteligência artificial são mais promissores. O objetivo desse estudo é realizar uma revisão sistemática a respeito do uso de inteligência artificial para detecção do risco de sepse em pacientes com litíase renal submetidos à ureteroscopia flexível. Métodos: a revisão de literatura está de acordo com o Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA). A busca com palavras-chave foi realizada no MEDLINE, Embase, Web of Science e Scopus e resultou no total de 2.496 artigos, dos quais 2 se enquadraram nos critérios de inclusão. Resultados: os dois estudos utilizaram modelos de inteligência artificial para predizer o risco de sepse após utereroscopia flexível. O primeiro teve uma amostra de 114 pacientes e foi baseado em parâmetros clínicos e laboratoriais. O segundo teve uma amostra inicial de 132 pacientes e foi baseado em imagens de tomografia computadorizada no pré-operatório. Ambos obtiveram boas medidas de Area Under the Curve (AUC), sensibilidade e especificidade, demonstrando boa performance. Conclusão: a inteligência artificial fornece múltiplas estratégias eficazes para estratificação do risco de sepse em pacientes submetidos a procedimentos urológicos para litíase renal, ainda que mais estudos sejam necessários. Introdução pósoperatória pós operatória rara fatal limitada promissores Métodos MetaAnalysis Meta Analysis PRISMA. PRISMA . (PRISMA) palavraschave palavras chave MEDLINE Embase 2496 496 2.49 artigos inclusão Resultados 11 laboratoriais 13 préoperatório. préoperatório pré operatório. operatório pré-operatório AUC, AUC , (AUC) especificidade performance Conclusão necessários (PRISMA 249 49 2.4 1 (AUC 24 4 2.
ABSTRACT Introduction: flexible ureteroscopy is a minimally invasive surgical technique used for the treatment of renal lithiasis. Postoperative urosepsis is a rare but potentially fatal complication. Traditional models used to predict the risk of this condition have limited accuracy, while models based on artificial intelligence are more promising. The objective of this study is to carry out a systematic review regarding the use of artificial intelligence to detect the risk of sepsis in patients with renal lithiasis undergoing flexible ureteroscopy. Methods: the literature review is in accordance with the Preferred Reporting Items for Systematic Reviews and Meta-Analysis (PRISMA). The keyword search was performed in MEDLINE, Embase, Web of Science and Scopus and resulted in a total of 2,496 articles, of which 2 met the inclusion criteria. Results: both studies used artificial intelligence models to predict the risk of sepsis after flexible uteroscopy. The first had a sample of 114 patients and was based on clinical and laboratory parameters. The second had an initial sample of 132 patients and was based on preoperative computed tomography images. Both obtained good measurements of Area Under the Curve (AUC), sensitivity and specificity, demonstrating good performance. Conclusion: artificial intelligence provides multiple effective strategies for sepsis risk stratification in patients undergoing urological procedures for renal lithiasis, although further studies are needed. Introduction complication accuracy promising Methods MetaAnalysis Meta Analysis PRISMA. PRISMA . (PRISMA) MEDLINE Embase 2496 496 2,49 articles criteria Results uteroscopy 11 parameters 13 images AUC, AUC , (AUC) specificity performance Conclusion needed (PRISMA 249 49 2,4 1 (AUC 24 4 2,