Algoritmo de aprendizaje automático basado en LASSO para la predicción de disfagia en pacientes con discectomía y...

Área de la Ciencia:

• Neurocirugía
• Cirugía ortopédica
• La informática médica

Sus antecedentes:

• La disfagia postoperatoria es una complicación común después de la discectomía y fusión cervical anterior (ACDF).
• La predicción precisa del riesgo de disfagia es crucial para el manejo del paciente y la planificación quirúrgica.
• Los modelos predictivos existentes para la disfagia relacionada con el ACDF tienen limitaciones en su alcance y precisión.

Objetivo del estudio:

• Desarrollar y validar un modelo predictivo robusto para la disfagia postoperatoria en pacientes sometidos a ACDF.
• Identificar los predictores clave de la disfagia, incluidos los factores radiográficos, biomarcadores, historia clínica y quirúrgicos.
• Para permitir la estratificación del riesgo individualizado para los pacientes sometidos a ACDF.

Principales métodos:

• Análisis retrospectivo de 500 pacientes con FADC (2018-2022).
• Evaluación de 53 predictores candidatos (radiografía, biomarcadores de la sangre, historial médico y características quirúrgicas).
• Desarrollo de un modelo predictivo mediante regresión LASSO y validación mediante análisis de ROC y DCA.

Principales resultados:

• El 23,0% de los pacientes desarrolló disfagia dentro de un mes después de la ACDF.
• Se identificó un panel final de 9 predictores clave.
• El modelo desarrollado demostró una alta precisión con un AUC de 0,969 (entrenamiento) y 0,954 (validación).

Conclusiones:

• Un modelo de regresión logística penalizado por LASSO predice con precisión la disfagia postoperatoria después del ACDF.
• El modelo integra diversos datos de pacientes para mejorar la capacidad predictiva.
• Esta herramienta predictiva puede guiar la estratificación del riesgo individualizado y mejorar los resultados de los pacientes.