Modelado de la duración de la estancia hospitalaria: una comparación de modelos lineales y conjuntos para el análisis...

Área de la Ciencia:

• La informática médica
• Estadísticas biológicas
• Gestión de la asistencia sanitaria

Sus antecedentes:

• La duración de la estancia (LoS) es una métrica clave de la eficiencia de la atención médica, a menudo vinculada a las complicaciones adquiridas en el hospital.
• La predicción precisa de la pérdida de vida es crucial para la asignación de recursos y la gestión de los resultados del paciente.

Objetivo del estudio:

• Explorar el análisis del tiempo hasta el evento, específicamente los modelos de riesgo (CR) competidores, para predecir la pérdida de vida de los pacientes hospitalizados.
• Comparar el rendimiento de los modelos de CR utilizando signos vitales longitudinales transformados con las puntuaciones clínicas establecidas (NEWS, MEWS).

Principales métodos:

• Se utilizaron modelos de riesgo competitivos (Cox específico de la causa, peligro de subdistribución, bosques de supervivencia aleatoria) para analizar la pérdida de vida.
• Transformar los datos de signos vitales longitudinales en estadísticas de sección transversal para el modelado.
• Se incluyeron los datos demográficos de los pacientes (sexo, edad) y los signos vitales como predictores.
• Evaluación del rendimiento del modelo en un período de 2 a 15 días utilizando métricas como el puntaje de barrera integrado y el índice C.

Principales resultados:

• El modelo de mejor rendimiento fue un Bosque de Supervivencia Aleatorio usando la división de prueba de Gray.
• Este modelo logró un puntaje de obstáculo integrado de 0,386, un índice C por encima del 99% y un puntaje de obstáculo por debajo de 0,006.
• El método propuesto que utiliza las estadísticas de signos vitales superó a la puntuación de alerta temprana nacional (NEWS) y a la puntuación de alerta temprana modificada (MEWS).

Conclusiones:

• Los modelos de riesgo competidores, en particular los bosques de supervivencia aleatoria con datos de signos vitales transformados, ofrecen una precisión superior para predecir la duración de la estadía en el hospital.
• Este enfoque basado en datos proporciona una herramienta más precisa para la gestión de la atención médica que las puntuaciones de alerta temprana tradicionales.