Un modelo predictivo basado en la red bayesiana para el delirio postoperatorio después del injerto de derivación de...

Área de la Ciencia:

• Biología computacional y medicina
• Inteligencia artificial en la salud
• Informática clínica

Sus antecedentes:

• El delirio postoperatorio es una complicación frecuente después del injerto de derivación de la arteria coronaria (CABG).
• La predicción precisa del riesgo de delirio es crucial para la intervención oportuna y la mejora de los resultados del paciente.
• Los modelos predictivos existentes pueden carecer de interpretabilidad o validación sólida.

Objetivo del estudio:

• Desarrollar y validar un modelo de Red Bayesiana (BN) para predecir el delirio postoperatorio en pacientes con CABG.
• Evaluar el rendimiento predictivo del modelo BN con respecto a los algoritmos de aprendizaje automático establecidos.
• Mejorar la interpretabilidad de la predicción del delirio utilizando un modelo gráfico probabilístico.

Principales métodos:

• Se utilizaron datos de las bases de datos MIMIC-IV y eICU-CRD para la formación de modelos y la validación interna y externa.
• Construido un gráfico acíclico dirigido utilizando el algoritmo Max-Min Hill-Climbing para el modelo BN.
• Evaluación del rendimiento del modelo utilizando el área bajo la curva de características de funcionamiento del receptor (AUROC) y en comparación con la regresión logística y LightGBM.

Principales resultados:

• El modelo BN, que comprende 14 nodos y 22 bordes dirigidos, logró un AUROC de 0,79 (validación interna) y 0,72 (validación externa).
• Los predictores clave identificados incluyen la Escala de Agitación-Sedación de Richmond y la puntuación de evaluación de la insuficiencia orgánica secuencial.
• Se desarrolló una aplicación de plataforma Shiny fácil de usar basada en el modelo BN validado.

Conclusiones:

• Se desarrolló con éxito un modelo de red bayesiana robusto e interpretable para predecir el delirio postoperatorio en pacientes con CABG.
• El modelo BN demuestra un potencial significativo para su aplicación clínica en la identificación de pacientes de alto riesgo.
• Este enfoque ofrece una herramienta valiosa para el manejo proactivo del delirio después de la cirugía cardíaca.