Pronóstico basado en la edad de la descarga no rutinaria después de la discectomía cervical anterior y la fusión utilizando el aprendizaje automático
Video Experimental Relacionado
Updated: Sep 10, 2025
06:11
Anterior Cervical Discectomy and Fusion in the Ovine Model
Published on: October 5, 2009
13.0K
Paul G Mastrokostas1,2, Leonidas E Mastrokostas3,4, Aaron B Lavi3
1SUNY Downstate Health Sciences University, Brooklyn, USA. Pmastrokostas06@gmail.com.
Resumen
Los factores del paciente influyen significativamente en la secreción no rutinaria después de la discectomía y fusión cervical anterior (ACDF). Los modelos de aprendizaje automático predicen con precisión los resultados del alta, especialmente en adultos mayores, destacando la necesidad de intervenciones específicas para pacientes complejos.
Área de la Ciencia:
- Neurocirugía
- Investigación en servicios de salud
- Enfermedad de los ancianos
Sus antecedentes:
- La discectomía y fusión cervical anterior (ACDF) es un procedimiento espinal común.
- La comprensión de los factores que conducen al alta no rutinaria es crucial para optimizar la atención al paciente y la asignación de recursos.
- Las diferencias relacionadas con la edad en las características del paciente pueden influir en los resultados postoperatorios.
Objetivo del estudio:
- Investigar los factores específicos del paciente que afectan el alta no rutinaria después del ACDF.
- Estratificar estos factores en diferentes grupos de edad (50-64, 65-79, 80 años o más).
- Evaluar el rendimiento predictivo de los modelos de aprendizaje automático en la identificación de pacientes en riesgo de alta no rutinaria.
Principales métodos:
- Se utilizó una gran cohorte de 219.380 casos ponderados de ACDF de la base de datos nacional de muestras de pacientes hospitalizados (NIS) (2016-2020).
- Empleó ocho modelos supervisados de aprendizaje automático para predecir el alta no rutinaria basada en la demografía del paciente, la duración de la estancia (LOS) y las comorbilidades.
- Se compararon los resultados en tres estratos de edad utilizando pruebas estadísticas con corrección de Bonferroni (P < 0,004).
Principales resultados:
- Las anemias por deficiencia, la parálisis y la raza fueron predictores significativos de la descarga no rutinaria en el grupo de edad de 50 a 64 años.
- La insuficiencia cardíaca y la demencia aumentaron el riesgo de descargas no rutinarias en el grupo de edad de 65 a 79 años.
- Las disparidades raciales en la descarga no rutinaria persistieron en el grupo de más de 80 años. Los modelos de aprendizaje automático, en particular AdaBoost y Gradient Boosting, lograron AUCs de más del 80% para las cohortes más antiguas. La pérdida de peso prolongada fue un predictor significativo en todos los grupos de edad.
Conclusiones:
- Los factores específicos del paciente influyen significativamente en la descarga no rutinaria después del ACDF.
- Los modelos de aprendizaje automático demuestran una alta precisión en la predicción de la disposición de descarga.
- Se necesitan estrategias específicas para pacientes mayores con comorbilidades complejas para reducir los resultados adversos y mejorar la atención postoperatoria.