Mejora de la precisión pronóstica en la miocardiopatía inducida por sepsis: un enfoque de aprendizaje automático

Área de la Ciencia:

• Medicina de Cuidados Intensivos
• Cardiología
• Ciencia de Datos en Salud

Sus antecedentes:

• La miocardiopatía inducida por sepsis (SIMD) es una complicación grave de la sepsis, que provoca disfunción miocárdica y alta mortalidad.
• Las herramientas pronósticas existentes abordan de manera inadecuada la compleja fisiopatología de la SIMD, lo que requiere modelos predictivos avanzados.

Objetivo del estudio:

• Desarrollar y validar un modelo pronóstico robusto para predecir la mortalidad a corto plazo en pacientes adultos con SIMD.
• Identificar predictores clave de mortalidad en pacientes con SIMD.

Principales métodos:

• Análisis retrospectivo de 1068 pacientes adultos con SIMD de la base de datos MIMIC-IV.
• Selección de características utilizando Boruta, LASSO y RFECV, seguida del desarrollo del modelo de regresión logística.
• Rendimiento del modelo evaluado utilizando curvas ROC, curvas de calibración, análisis de curvas de decisión y SHAP para la interpretabilidad.

Principales resultados:

• Siete predictores identificados: APS III, edad, CCI, enfermedad cerebrovascular, ALP, lactato y CK-MB.
• El modelo de regresión logística demostró una fuerte discriminación (AUC hasta 0,88) y calibración (K-S > 0,45).
• Los predictores clave de mortalidad incluyeron la gravedad de la enfermedad aguda (APS III), la edad y la disfunción hepática (ALP).

Conclusiones:

• Un modelo de regresión logística validado predice eficazmente la mortalidad a corto plazo en pacientes con SIMD.
• El modelo destaca la gravedad de la enfermedad aguda, el envejecimiento y la disfunción hepática como determinantes principales de la mortalidad.
• Esta herramienta ayuda a la estratificación temprana del riesgo en entornos de cuidados intensivos para pacientes con SIMD.