Precisión predictiva de un modelo de predicción basado en pruebas de laboratorio perioperatorio para lesiones renales...

Área de la Ciencia:

• Nefrología
• Cardiología
• La informática médica

Sus antecedentes:

• El diagnóstico oportuno de la lesión renal aguda (IRA) es crucial para el tratamiento eficaz, pero los aumentos en el nivel de creatinina sérica a menudo se quedan atrás de la lesión renal.
• Este retraso puede impedir el inicio inmediato de las terapias necesarias para los pacientes que experimentan una IAC.

Objetivo del estudio:

• Desarrollar y validar modelos predictivos para la IAC en pacientes sometidos a cirugía cardíaca.
• Para evaluar la precisión de estos modelos en la predicción de AKI dentro de las 72 horas y 14 días posteriores a la cirugía.

Principales métodos:

• Se utilizó una cohorte de observación retrospectiva de pacientes adultos sometidos a cirugía cardíaca para la derivación del modelo (n=58 526).
• Los modelos fueron validados en una cohorte externa de 3 hospitales comunitarios estadounidenses (n=4, 734).
• Las variables predictivas incluyeron cambios perioperatorios en la creatinina sérica y el nitrógeno de urea en sangre postoperatoria, sodio sérico, potasio, bicarbonato y albúmina.

Principales resultados:

• Los modelos derivados demostraron una excelente discriminación predictiva para la IAC de moderada a grave (AUC de 0,854 a 0,876) y la IAC que requiere diálisis (AUC de 0,900 a 0,916) en un plazo de 72 horas y 14 días.
• La validación en la cohorte externa confirmó una buena precisión predictiva, con AUC para la IAC moderada a grave de 0,860 (72 horas) y 0,842 (14 días), y para la IAC que requiere diálisis de 0,879 (72 horas) y 0,873 (14 días).
• La calibración del modelo fue adecuada tanto en las cohortes de derivación como de validación.

Conclusiones:

• Un modelo de predicción que utiliza valores de laboratorio del panel metabólico básico perioperatorio muestra una fuerte precisión predictiva para AKI después de la cirugía cardíaca.
• Este modelo puede ayudar en la identificación temprana de pacientes en riesgo de IAC, potencialmente mejorando los resultados clínicos.
• Se necesitan más investigaciones para evaluar la utilidad clínica de esta herramienta de predicción de riesgos.