Mejora de la predicción y prevención del delirio en pacientes ancianos mediante el análisis basado en el aprendizaje...

Este estudio tuvo como objetivo identificar predictores de delirium dentro de las 24 horas posteriores al ingreso en pacientes ancianos mediante el uso de modelos de aprendizaje automático (ML) y evaluar su rendimiento.

Este estudio de cohorte prospectivo se llevó a cabo con pacientes de 65 años o más ingresados en la unidad médica general del Hospital de la Universidad Sultan Qaboos, Mascate, Omán, desde enero de 2022 hasta mayo de 2023. Se recopilaron y analizaron datos clínicos y demográficos mediante cuatro modelos de aprendizaje automático (ML): regresión logística, bosque aleatorio (random forest), potenciación del gradiente (gradient boosting) y máquina de vectores de soporte (support vector machine). El rendimiento de los modelos se evaluó utilizando las métricas de exactitud, precisión, sensibilidad (recall), puntuación F1 y el área bajo la curva de la característica operativa del receptor (AUC-ROC). Se realizó una validación cruzada para evaluar la robustez del modelo y se llevó a cabo un análisis de importancia de las características para identificar los predictores clave.

Se incluyó un total de 327 pacientes en este estudio. El modelo de bosque aleatorio (random forest) demostró el mejor rendimiento, alcanzando una exactitud del 96,9 %, una puntuación F1 del 97,2 % y un AUC-ROC del 98,4 %. La validación cruzada confirmó la estabilidad del modelo. El análisis de importancia de las características identificó la lesión renal aguda, la insuficiencia respiratoria, la demencia, el accidente cerebrovascular y la insuficiencia cardíaca descompensada como los predictores más influyentes del delirio.

Los modelos de ML, particularmente el modelo de bosque aleatorio, exhibieron un sólido rendimiento predictivo en la identificación de pacientes con riesgo de delirio dentro de las 24 horas posteriores al ingreso. Estos hallazgos respaldan el potencial del ML para mejorar la detección temprana del delirio y orientar estrategias preventivas focalizadas. Las investigaciones futuras deberían centrarse en la validación externa para confirmar la aplicabilidad del modelo en diferentes entornos sanitarios.