Predicción del consumo de opiáceos después del alta quirúrgica: un estudio multinacional de derivación y validación...

Área de la Ciencia:

• Informática médica
• Inteligencia artificial en el cuidado de la salud
• Tratamiento del dolor y farmacología

Sus antecedentes:

• La prescripción excesiva de opioides después de la cirugía es una preocupación significativa para la salud pública.
• La predicción precisa del consumo de opioides después del alta hospitalaria es crucial para optimizar el manejo del dolor y reducir el uso indebido.
• Los métodos existentes para la estratificación del riesgo pueden no reflejar plenamente la complejidad de los patrones de consumo de opioides.

Objetivo del estudio:

• Desarrollar y validar un modelo de base tabular para predecir el riesgo de consumo de opioides después del alta en pacientes quirúrgicos.
• Evaluar el rendimiento del modelo en las cohortes de validación interna y externa.
• Estimar el impacto potencial de la aplicación de dicho modelo predictivo en las tasas mundiales de prescripción de opiáceos.

Principales métodos:

• Se entrenó y validó un modelo de base tabular en una gran cohorte quirúrgica (n=4267) del estudio 'Prescripciones de opiáceos y uso después de la cirugía'.
• La validación interna utilizó una división de entrenamiento/prueba de 80:20, mientras que la validación externa involucró a una cohorte separada de pacientes de cirugía general (n=826).
• El rendimiento del modelo se evaluó utilizando el área bajo la curva del operador receptor (AUC) y las puntuaciones de Brier.

Principales resultados:

• El modelo logró un AUC de 0,84 (IC del 95%: 0,81-0,88) en las pruebas internas y de 0,77 (IC del 95%: 0,74-0,80) en la validación externa.
• Las puntuaciones de Brier fueron de 0,13 (95% IC 0,12-0,14) internamente y de 0,19 (95% IC 0,17-0,2) externamente, lo que indica una buena precisión predictiva.
• Los pacientes con < 50% de riesgo predicho consumieron una mediana de 0 equivalentes orales de morfina en la primera semana después de la cirugía.
• Las prescripciones globales de opiáceos podrían reducirse en un 4,5% sin aumentar el dolor severo, según el modelado contrafactual.

Conclusiones:

• Un modelo de base tabular predice eficazmente el riesgo de consumo de opioides después del alta en pacientes quirúrgicos.
• El modelo demuestra un rendimiento sólido en conjuntos de datos de validación internos y externos.
• La aplicación de esta herramienta de IA tiene un potencial significativo para reducir las recetas globales de opiáceos y mitigar los daños relacionados con los opiáceos al tiempo que se mantiene un control adecuado del dolor.