Video Experimental Relacionado
Updated: May 4, 2026

Establishing a Competing Risk Regression Nomogram Model for Survival Data
Published on: October 23, 2020
Desarrollo y validación de un modelo de predicción de nomogramas para los factores que influyen en el hipertiroidismo
Kehua Liao1, Xiaojuan Wei1, Yan Chen1
1Department of Nuclear Medicine, People's Hospital of Guangxi Zhuang Autonomous Region, Nanning, Guangxi Zhuang Autonomous Region, China.
Este estudio identificó factores clave que predicen la resistencia al tratamiento con yodo radiactivo (IRA) en el hipertiroidismo por enfermedad de Graves. Un modelo de nomograma validado ayuda a personalizar el tratamiento y mejorar los resultados para los pacientes con hipertiroidismo refractario.
Área de la Ciencia:
- Endocrinología
- La medicina nuclear
- La informática médica
Sus antecedentes:
- El hipertiroidismo de la enfermedad de Graves (GD) a menudo requiere terapia con yodo radiactivo (RAI).
- Un subconjunto de pacientes presenta resistencia al tratamiento con RAI, lo que requiere estrategias de tratamiento adicionales.
- La predicción de la refractividad de la RAI es crucial para optimizar la atención al paciente y evitar tratamientos prolongados o ineficaces.
Objetivo del estudio:
- Identificar los factores que influyen en el hipertiroidismo GD refractario al RAI.
- Desarrollar y validar un modelo de predicción de nomogramas para la refractividad del RAI.
- Para ayudar en las decisiones de tratamiento personalizado para el hipertiroidismo GD.
Principales métodos:
- Se analizó una cohorte de 272 pacientes con hipertiroidismo tratados con RAI.
- La regresión LASSO y la regresión logística multivariada se utilizaron para identificar los factores predictivos.
- Se construyó y validó un modelo de predicción de nomogramas utilizando curvas de ROC, curvas de calibración y análisis de curvas de decisión.
Principales resultados:
- Se identificaron seis factores independientes que predijeron la refractividad de la RAI: la duración del hipertiroidismo, la calidad del sueño, la oftalmopatía de Graves, la semivida efectiva de 131I, la absorción de 99mTc y la masa tiroidea.
- El nomograma demostró un fuerte rendimiento predictivo con AUC de 0,943 (entrenamiento) y 0,926 (validación).
- El modelo mostró una buena calibración y utilidad clínica en un rango de probabilidades de umbral.
Conclusiones:
- El nomograma desarrollado predice con precisión el hipertiroidismo GD refractario al RAI.
- Esta herramienta puede guiar las decisiones clínicas, mejorar la evaluación de la eficacia del tratamiento de RAI y apoyar el manejo personalizado de GD.
- La identificación temprana de los casos refractarios puede reducir la carga del paciente y optimizar las estrategias terapéuticas.
Más Videos Relacionados
06:46Competing-Risk Nomogram for Predicting Cancer-Specific Survival in Multiple Primary Colorectal Cancer Patients after Surgery
Published on: September 27, 2024
07:13Comparison of Predictive Performance of Three Lymph Node Staging Systems in Colorectal Signet Ring Cell Carcinoma Based on Machine Learning Model
Published on: April 18, 2025
Videos de Conceptos Relacionados
Dosage Regimen Designs: Nomograms and Tabulations
Hyperthyroidism I: Introduction
Hyperthyroidism II: Pathophysiology
Graves' Disease I: Introduction
Graves Disease II: Pathophysiology
Hypothyroidism II: Pathophysiology