Autor: Agussalim Agussalim
Original article
Vol. 29(2):198-207, May - August 2026
i-ISSN 0123-7047 e-ISSN 2382-4603
https://doi.org/10.29375/01237047.5435
Integrating Big Data and Artificial Intelligence in Nursing Management of Immune-Mediated Diseases: Associations with Clinical Decision-Making and Patient Monitoring
Integración de Big Data e inteligencia artificial en la gestión de enfermería de trastornos inmunitarios: asociaciones con la toma de decisiones clínicas y el monitoreo de pacientes
Integração de Big Data e inteligência artificial na gestão de enfermagem de disturbios imunológicos: associações com a tomada de decisões clínicas e o monitoramento do paciente
Agussalim
Autor de correspondencia
https://orcid.org/0000-0003-1822-5390
Kementerian Kesehatan Republik Indonesia. Jakarta, Indonesia
Parepare School of Nursing. Makassar Health Polytechnic. Makassar, Indonesia.
ARTICLE INFORMATION:
Article received: July 01, 2025
Article accepted: July 23, 2026
DOI: https://doi.org/10.29375/01237047.5435
How to reference. Agussalim. Integrating Big Data and Artificial Intelligence in Nursing Management of Immune-Mediated Diseases: Associations with Clinical Decision-Making and Patient Monitoring. MedUNAB [Internet]. 29(2):198-207. doi: https://doi.org/10.29375/01237047.5435
Author Contributions
A. Conceptualization, methodology, investigation, data curation, formal analysis, writing original draft, writing, review and editing, visualization, project administration, supervision.
ABSTRACT
Introduction. Immune-mediated diseases (IMDs) require individualized nursing management because of heterogeneous clinical manifestations and complex biological mechanisms. This study examined associations between Big Data and Artificial Intelligence (AI)-supported nursing management, clinical outcomes, patient monitoring, clinical decision-making, and nurse usability. Methodology. A multicenter cross-sectional study was conducted in five public referral hospitals in West Sulawesi, Indonesia, from February to December 2024. Participants included 300 adults with rheumatoid arthritis, systemic lupus erythematosus, or Crohn’s disease and 55 registered nurses. An AI-enabled decision-support platform integrated electronic health records, laboratory data, wearable-device metrics, and molecular biomarkers. Clinical outcomes and nurse perceptions were assessed using standardized measures and the Technology Acceptance Model. Results. AI-supported nursing management was associated with shorter symptom-resolution time (8.0 ± 2.1 vs. 13.0 ± 3.5 days; p < 0.001) and lower hospital readmission (25.3% vs. 34.7%; p < 0.001). The AI model demonstrated 91.2% predictive accuracy for disease-flare risk. Among nurses, 89.1% rated the system highly useful, 85.5% found it easy to operate, 83.6% reported strong decision-making support, and 90.9% intended to continue using it. Discussion. Integrating clinical, molecular, and wearable data through AI may strengthen symptom monitoring, early recognition, and evidence-informed nursing decisions. High nurse acceptance indicates favorable usability. However, organizational readiness, digital literacy, interoperability, and ethical governance remain important. Conclusions. AI-supported nursing management was associated with favorable clinical and professional outcomes. AI may support precision nursing when complementing professional judgment. Longitudinal multicenter studies are needed to confirm clinical effectiveness.
Keywords:
Artificial Intelligence; Big Data; Decision Support Systems, Clinical; Immune System Diseases; Nursing Informatics; Monitoring, Physiologic; Nursing Care; Systems Biology.
RESUMEN
Introducción. Los trastornos inmunitarios, como lupus eritematoso sistémico, artritis reumatoide y la enfermedad de Crohn, requieren cuidados de enfermería individualizados debido a la heterogeneidad de sus manifestaciones clínicas y complejos mecanismos inmunológicos. Los avances en Big Data e inteligencia artificial ofrecen oportunidades de mejora en el monitoreo de pacientes y la toma de decisiones clínicas basadas en la evidencia. Este estudio examina la asociación entre la integración de estas tecnologías en la gestión de enfermería y el monitoreo de pacientes, la toma de decisiones clínicas y la facilidad de uso para el personal de enfermería. Metodología. Se llevó a cabo un estudio de corte transversal multicéntrico en cinco hospitales de Sulawesi occidental, Indonesia, entre febrero y diciembre de 2024. Los participantes incluyeron adultos con trastornos inmunitarios confirmados por un médico y 55 profesionales de enfermería brindando atención directa. Una plataforma de apoyo a la toma de decisiones clínicas integró historias clínicas electrónicas, monitoreo mediante dispositivos portátiles y datos de laboratorio para producir predicciones de riesgo individualizadas. Los desenlaces incluyeron la detección de exacerbaciones, desempeño del monitoreo de síntomas, precisión predictiva y la usabilidad para el personal de enfermería. Se considero estadísticamente significativo un valor p < 0.05. Resultados. La gestión de enfermería asistida por inteligencia artificial se asoció con detección temprana de exacerbaciones (32.4%), alta precisión predictiva para el apoyo a la toma de decisiones relacionadas con el tratamiento (87.6%) y mejoras en el desempeño del monitoreo de síntomas ( diferencia de medias = 18.5%, p < 0.001). El 81.8% de los profesionales de enfermería reportó una alta usabilidad del sistema y el 78.2% consideró a la plataforma funcional para los flujos de trabajo clínicos rutinarios. Discusión. La integración de datos clínicos, moleculares y procedentes de dispositivos vestibles mediante la inteligencia artificial puede mejorar el seguimiento de los síntomas, la detección precoz y la toma de decisiones de enfermería basadas en la evidencia. El alto grado de aceptación por parte del personal de enfermería indica una usabilidad favorable. Sin embargo, la preparación de la organización, la alfabetización digital, la interoperabilidad y la gobernanza ética siguen siendo aspectos importantes. Conclusiones. La integración de Big Data e inteligencia artificial a la gestión de enfermería se asoció con mejoras en el monitoreo de pacientes, fortalecimiento del apoyo a la toma de decisiones clínicas y alta usabilidad para el personal de enfermería. Al ser un estudio de corte transversal, no se pueden inferir relaciones causales. Se requieren estudios multicéntricos longitudinales para confirmar estos hallazgos y evaluar la efectividad clínica a largo plazo.
Palabras clave:
Inteligencia Artificial; Macrodatos; Sistemas de Apoyo a Decisiones Clínicas; Enfermedades del Sistema Inmune; Informática Aplicada a la Enfermería; Monitoreo Fisiológico; Cuidados de Enfermería; Biología de Sistemas.
RESUMO
Introdução. Distúrbios imunológicos, como lúpus eritematoso sistêmico, artrite reumatoide e doença de Crohn, exigem cuidados de enfermagem individualizados devido à heterogeneidade de suas manifestações clínicas e aos complexos mecanismos imunológicos. Os avanços em Big Data e inteligência artificial oferecem oportunidades para aprimorar o monitoramento dos pacientes e a tomada de decisões clínicas baseadas em evidências. Este estudo examina a associação entre a integração dessas tecnologias na gestão de enfermagem e o monitoramento dos pacientes, a tomada de decisões clínicas e a facilidade de uso para a equipe de enfermagem. Metodologia. Foi realizado um estudo transversal multicêntrico em cinco hospitais em Sulawesi Ocidental, Indonésia, entre fevereiro e dezembro de 2024. Os participantes incluíram adultos com distúrbios imunológicos confirmados por médico e 55 profissionais de enfermagem que prestavam assistência direta. Uma plataforma de apoio à tomada de decisões clínicas integrou prontuarios eletrônicos, monitoramento por meio de dispositivos vestíveis e dados laboratoriais para produzir previsões de risco individualizadas. Os resultados incluíram detecção de exacerbações, desempenho de monitoramento de sintomas, precisão preditiva e usabilidade para a equipe de enfermagem. Um valor de p < 0,05 foi considerado estatisticamente significativo. Resultados. A gestão de enfermagem assistida por inteligência artificial foi associada à detecção precoce de exacerbações (32.4%), alta precisão preditiva no apoio à tomada de decisões relacionadas ao tratamento (87.6%) e melhorias no desempenho do monitoramento de sintomas (diferença média = 18.5%, p < 0.001). 81.8% dos profissionais de enfermagem relataram alta usabilidade do sistema, e 78.2% consideraram a plataforma funcional para fluxos de trabalho clínicos rotineiros. Discussão. A integração de dados clínicos, moleculares e de dispositivos vestíveis por meio de inteligência artificial pode aprimorar o monitoramento de sintomas, a detecção precoce e a tomada de decisões de enfermagem baseadas em evidências. O alto nível de aceitação por parte dos profissionais de enfermagem indica uma usabilidade favorável. No entanto, a preparação organizacional, a alfabetização digital, a interoperabilidade e a governança ética continuam sendo considerações importantes. Conclusões. A integração de Big Data e inteligência artificial na gestão de enfermagem esteve associada a melhorias no monitoramento de pacientes, ao fortalecimento do apoio à tomada de decisões clínicas e à alta usabilidade para os profissionais de enfermagem. Por se tratar de um estudo de corte transversal, não é possível inferir relações causais. São necessários estudos longitudinais multicêntricos para confirmar esses achados e avaliar a eficácia clínica a longo prazo.
Palvras-chave:
Inteligência Artificial; Big Data; Sistemas de Apoio a Decisões Clínicas; Doenças do Sistema Imunitário; Informática em Enfermagem; Monitorização Fisiológica; Cuidados de Enfermagem; Biologia de Sistemas.
Referencias: 33
Palabras clave: Artificial Intelligence; Big Data; Decision Support Systems Clinical; Immune System Diseases; Nursing Informatics; Monitoring Physiologic; Nursing Care; Systems Biology
2026-11-18 | 0 visitas | Evalua este artículo valoraciones
Vol. 29 Núm.2. Mayo-Agosto 2026 Pags. 198-207 MedUNAB 2026; 29(2)