Predecir la supervivencia y la mortalidad a 5 años en pacientes con demencia: un enfoque basado en datos que utiliza...

Área de la Ciencia:

• Medicina para la edad avanzada
• Ciencia de datos en el cuidado de la salud
• Análisis predictivo

Sus antecedentes:

• La demencia plantea desafíos significativos para la supervivencia del paciente y la asignación de recursos sanitarios.
• La identificación de los factores predictivos de la mortalidad en la demencia es crucial para las intervenciones oportunas.

Objetivo del estudio:

• Desarrollar y validar un modelo de regresión eXtreme Gradient Boosting (XGBoost) para predecir la supervivencia a 5 años en pacientes con demencia.
• Identificar los principales factores predictivos de la mortalidad y la supervivencia en esta población.

Principales métodos:

• Utilizó el conjunto de datos del Seguro Nacional de Salud de Taiwán (n=6,556) para el desarrollo y la validación del modelo.
• Se empleó una división de 80/10/10 para los conjuntos de datos de capacitación, validación y prueba.
• Se seleccionaron 24 variables, incluidas las comorbilidades y la demografía, como predictores, optimizando los hiperparámetros para el rendimiento.

Principales resultados:

• El modelo XGBoost logró una precisión del 81,86% y un AUC de 0,81 para predecir la supervivencia a 5 años.
• Los principales predictores incluyeron la inserción de tubo nasogástrico, enfermedad renal crónica, cáncer y enfermedad pulmonar.
• Las comorbilidades influyeron significativamente en las predicciones de supervivencia.

Conclusiones:

• El modelo XGBoost desarrollado predice efectivamente la supervivencia a 5 años en pacientes con demencia.
• Los factores de riesgo clave identificados pueden servir de base para una planificación específica de la atención clínica y de los recursos sanitarios.
• Los hallazgos apoyan las estrategias de gestión proactiva para las personas con demencia de alto riesgo.