Video Experimental Relacionado
Updated: May 28, 2026
Cutoff Value of Phase Angle by Bioelectrical Impedance Analysis at Admission as a Prognostic Factor in Patients with Acute Heart Failure
Published on: June 10, 2025
Modelos de predicción de riesgos para la readmisión hospitalaria: una revisión sistemática
Devan Kansagara1, Honora Englander, Amanda Salanitro
1Department of General Internal Medicine, Portland Veterans Affairs Medical Center, Mailcode RD71, 3710 SW US Veterans Hospital Rd, Portland, OR 97239, USA. kansagar@ohsu.edu
La mayoría de los modelos de predicción de riesgo de readmisión hospitalaria tienen un rendimiento deficiente, lo que dificulta las intervenciones efectivas de atención al paciente y las comparaciones hospitalarias. Se necesita más investigación para mejorar estos modelos para uso clínico y administrativo.
Área de la Ciencia:
- Servicios de salud Servicios de salud Investigación Investigación.
- La informática médica es la informática médica.
- Epidemiología Clínica Epidemiología Clínica.
Sus antecedentes:
- La predicción del riesgo de readmisión hospitalaria es crucial para las intervenciones de transición de atención dirigidas.
- El ajuste preciso del riesgo es esencial para las comparaciones justas de rendimiento hospitalario.
Objetivo del estudio:
- Revisar sistemáticamente los modelos validados de predicción del riesgo de readmisión.
- Para evaluar el rendimiento del modelo y evaluar su idoneidad para aplicaciones clínicas y administrativas.
Principales métodos:
- Ha realizado búsquedas en las bases de datos MEDLINE, CINAHL, Cochrane Library y EMBASE.
- Incluidos los estudios publicados en inglés con cohorte de derivación y validación para pacientes médicos.
- Datos extraídos sobre poblaciones de pacientes, entornos, rendimiento del modelo (discriminación, calibración) y métodos de recopilación de datos.
Principales resultados:
- Se identificaron 30 estudios de 26 modelos únicos, centrados principalmente en las readmisiones de 30 días.
- Los modelos para la comparación de hospitales (n=14) mostraron una pobre discriminación (c-estadística 0,55-0,65).
- Los modelos para identificar pacientes de alto riesgo en el alta (n=5) demostraron una mejor discriminación (c-estadística 0.68-0.83).
- Las variables funcionales y sociales mejoraron la discriminación del modelo, pero fueron subutilizadas.
Conclusiones:
- Los modelos actuales de predicción del riesgo de readmisión generalmente muestran un rendimiento deficiente tanto para fines comparativos como clínicos.
- Si bien algunos modelos pueden ofrecer utilidad en contextos específicos, son necesarias mejoras significativas para una adopción generalizada.
- El desarrollo de modelos futuros debe incorporar una gama más amplia de variables, incluidos los determinantes sociales de la salud.
