Desarrollo y validación de un modelo predictivo basado en LASSO para la hipotermia inadvertida en pacientes de UCI

Área de la Ciencia:

• Medicina de cuidados intensivos
• Modelos de predicción clínica
• Seguridad del paciente

Sus antecedentes:

• La hipotermia inadvertida (IH) es un riesgo significativo para los pacientes de la unidad de cuidados intensivos (UCI).
• La identificación temprana de pacientes de alto riesgo es crucial para prevenir la EI y mejorar los resultados.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo para la hipotermia inadvertida (IH) en pacientes de UCI.
• Proporcionar una herramienta para que los profesionales de la salud identifiquen a los pacientes con alto riesgo de IH.

Principales métodos:

• Se desarrolló un modelo predictivo utilizando datos de 720 pacientes en UCI.
• Se empleó la regresión de menor reducción absoluta y operador de selección (LASSO) para la selección de variables.
• La validación interna y externa se realizó utilizando datos de dos hospitales terciarios.

Principales resultados:

• El modelo final incluyó seis predictores: catecolaminas, analgésicos antipiréticos, RRT, ventilación mecánica invasiva, GCS y lactato.
• El modelo demostró un fuerte rendimiento predictivo con un AUC de 0,852 para la validación interna y de 0,846 para la validación externa.
• El modelo mostró una buena calibración y utilidad clínica, apoyando su uso en la toma de decisiones clínicas.

Conclusiones:

• El modelo predictivo de IH desarrollado es preciso, confiable y generalizable para pacientes de UCI.
• El modelo puede ayudar eficazmente a los profesionales de la salud a identificar a los pacientes con alto riesgo de hipotermia inadvertida.
• Esta herramienta tiene el potencial de mejorar la seguridad del paciente y los resultados en el entorno de la UCI.