Predecir el riesgo de trombosis venosa profunda en pacientes de edad avanzada: un análisis comparativo de siete...

Área de la Ciencia:

• Medicina cardiovascular
• La informática médica
• Enfermedad de los ancianos

Sus antecedentes:

• La trombosis venosa profunda (TVP) es una causa importante de mortalidad en las personas de edad avanzada.
• Las herramientas actuales de evaluación de riesgos son insuficientes para este grupo demográfico.
• La incidencia de TVP está aumentando entre la población de edad avanzada.

Objetivo del estudio:

• Desarrollar y validar modelos de aprendizaje automático (ML) para predecir el riesgo de TVP en pacientes ancianos.
• Identificar los factores de riesgo clave para la TVP en esta población.
• Crear una herramienta de apoyo a la decisión clínica para la estratificación del riesgo de TVP.

Principales métodos:

• Análisis retrospectivo de 1226 pacientes de edad avanzada con cirugía cardiovascular.
• Se utiliza el operador de reducción y selección mínimos absolutos (LASSO) para la identificación de los factores de riesgo.
• Se han entrenado y validado siete modelos ML, incluida la regresión logística (LR) y el bosque aleatorio (RF), utilizando la búsqueda de cuadrícula y la validación cruzada.

Principales resultados:

• Los modelos de Regresión Logística (LR) y Bosque Aleatorio (RF) mostraron un rendimiento superior.
• Áreas bajo la curva alcanzadas (AUC) de 0,835 para LR y 0,819 para RF.
• SHapley Additive exPlanations (SHAP) identificó la hinchazón, el dolor, la albúmina (ALB) y el D-dimero como predictores cruciales.

Conclusiones:

• Los modelos ML desarrollados ofrecen una estratificación precisa del riesgo de TVP en pacientes de edad avanzada.
• Los predictores clave identificados pueden mejorar la evaluación clínica.
• Una herramienta interactiva basada en la web puede apoyar la toma de decisiones clínicas para la prevención de la TVP.