Videos de Experimentos Relacionados
Algoritmo para predecir la enfermedad de la arteria coronaria principal de los vasos triples / izquierda en pacientes
R Detrano1, A Janosi, W Steinbrunn
1Department of Medicine, Veterans Administration Medical Center, Long Beach, Calif.
Circulation
|May 1, 1991
Resumen
Los investigadores desarrollaron un algoritmo de regresión logística utilizando datos clínicos y de ejercicio para predecir la probabilidad de enfermedad arterial coronaria grave en pacientes sin ataques cardíacos previos. El algoritmo demostró un poder discriminatorio justo a bueno en estudios de validación.
Área de la Ciencia:
- Cardiología Cardiología.
- La informática médica es la informática médica.
- El análisis predictivo es analítico.
Sus antecedentes:
- La predicción precisa de la enfermedad de las arterias coronarias (CAD) es crucial para el manejo del paciente.
- La identificación de pacientes con CAD de vasos triples o CAD principal izquierdo requiere herramientas predictivas confiables.
- Los algoritmos anteriores pueden no integrar completamente los datos clínicos, los factores de riesgo y los datos de ejercicio.
Objetivo del estudio:
- Desarrollar y validar un algoritmo de regresión logística para predecir la enfermedad de la arteria coronaria principal de los vasos triples / izquierda.
- Para evaluar el rendimiento predictivo del algoritmo utilizando datos de múltiples centros internacionales.
Principales métodos:
- El análisis de regresión logística se aplicó a los datos clínicos, de factores de riesgo y de ejercicio de 1.074 pacientes.
- Desarrollo de cuatro algoritmos de probabilidad separados utilizando datos de tres de los cuatro centros de estudio.
- Validación cruzada de algoritmos en poblaciones de pacientes independientes del centro restante.
Principales resultados:
- Los algoritmos incorporaron 13 variables, incluida la edad, el tipo de dolor torácico, la presión arterial y los parámetros de ejercicio.
- El poder discriminatorio (área bajo la curva ROC) osciló entre 0,68 y 0,85 en todos los grupos de validación.
- Los algoritmos generalmente proporcionan estimaciones de probabilidad precisas, con una sobre / subestimación menor en un centro.
Conclusiones:
- Los algoritmos de regresión logística desarrollados muestran una capacidad de predicción justa a buena para CAD grave.
- La integración de datos multicéntricos y la validación cruzada mejoran la robustez de los modelos predictivos.
- Estos algoritmos pueden ayudar a identificar a los pacientes que pueden beneficiarse de la angiografía coronaria.