Desarrollo de una herramienta de predicción para el deterioro de la función renal en niños con enfermedad renal...

Área de la Ciencia:

• Nefrología
• Medicina pediátrica
• Estadísticas biológicas

Sus antecedentes:

• Existe una investigación limitada sobre las herramientas predictivas para el deterioro de la función renal en la enfermedad renal crónica pediátrica (ERC).
• La predicción precisa es crucial para intervenciones oportunas y mejores resultados en pacientes pediátricos con ERC.

Objetivo del estudio:

• Desarrollar y validar internamente una herramienta predictiva para el deterioro a corto plazo de la función renal en pacientes pediátricos con ERC.
• Identificar los predictores clave de la disminución de la función renal utilizando algoritmos de aprendizaje automático.

Principales métodos:

• Se utilizaron datos de 539 pacientes en el estudio de cohorte de Corea para resultados en pacientes con enfermedad renal crónica pediátrica (KNOW-PedCKD).
• Se evaluaron 48 variables sociodemográficas, de laboratorio y de tratamiento utilizando algoritmos de aprendizaje automático.
• Rendimiento predictivo validado para la disminución estimada de la tasa de filtración glomerular (eGFR) en 1, 2 y 3 años.

Principales resultados:

• Los modelos de aprendizaje automático demostraron un fuerte rendimiento predictivo para la disminución de la función renal (≥20% de disminución de eGFR).
• El bosque aleatorio y los modelos XGBoost mostraron un rendimiento óptimo para la predicción de 1 año.
• La relación proteína-creatinina en orina, el eGFR basal, la albúmina sérica, el cloruro y la hemoglobina fueron predictores clave.

Conclusiones:

• Se desarrolló una herramienta validada para predecir la disminución de la función renal a corto plazo en la ERC pediátrica.
• El aprendizaje automático identificó eficazmente los predictores críticos en una gran cohorte de ERC pediátrica coreana.
• Esta herramienta puede ayudar en la detección temprana y el tratamiento de la disminución de la función renal en niños con ERC.