Modelado predictivo de trastornos hipertensivos agudos en una cohorte del mundo real: integración de predictores...

Área de la Ciencia:

• Cardiología
• Medicina de emergencia
• Investigación de la hipertensión

Sus antecedentes:

• Los trastornos hipertensivos agudos, incluidas las emergencias y urgencias hipertensivas, son razones comunes para las visitas al departamento de emergencias.
• La distinción entre emergencias hipertensivas y urgencias es crítica debido al manejo clínico y pronósticos diferentes.

Objetivo del estudio:

• Identificar los predictores clave para diferenciar las emergencias hipertensivas de las emergencias hipertensivas en pacientes que se presentan en el departamento de emergencias.
• Evaluar la utilidad de los modelos de regresión logística y aprendizaje automático para predecir emergencias hipertensivas.

Principales métodos:

• Análisis retrospectivo de 261 pacientes con trastornos hipertensivos agudos (SBP ≥ 180 mmHg o DBP ≥ 110 mmHg) ingresados en un servicio de urgencias italiano.
• Aplicación de modelos de regresión logística, red elástica y bosque aleatorio para identificar predictores de emergencias hipertensivas.
• Categoría de pacientes basada en la presencia de daño agudo de órganos mediado por hipertensión.

Principales resultados:

• Los niveles elevados de troponina I predijeron de forma independiente emergencias hipertensivas (OR: 2,82; p < 0,001).
• Los modelos de aprendizaje automático identificaron la troponina I, la edad y la SBP como predictores primarios, con el Bosque Aleatorio mostrando un alto rendimiento (AUC: 0.93).
• Se identificó un umbral óptimo de troponina I de 0,12 ng/ ml para el diagnóstico de emergencias hipertensivas (AUC: 0,66).

Conclusiones:

• Los niveles elevados de troponina I, la edad avanzada y una mayor presión arterial son indicadores tempranos significativos de emergencias hipertensivas en el entorno del departamento de emergencias.
• Estos hallazgos ayudan en la diferenciación oportuna entre emergencias hipertensivas y urgencias, orientando el manejo clínico apropiado.
• Los enfoques de aprendizaje automático son prometedores para mejorar la precisión predictiva de las emergencias hipertensivas.