Clusters clínicos durante la enfermedad aguda predicen la mortalidad a largo plazo en pacientes de edad avanzada

Área de la Ciencia:

• Gerontología
• Biología Computacional
• Medicina Clínica

Sus antecedentes:

• La descompensación de enfermedades agudas carece de enfoques de tratamiento individualizados para pacientes de edad avanzada.
• Los datos multimodales y de alta dimensionalidad ofrecen potencial para derivar clústeres clínicamente significativos de pacientes.
• Este estudio explora predictores basados en clústeres y de alta dimensionalidad para la descompensación de enfermedades agudas, incluida la afectación cerebral.

Objetivo del estudio:

• Probar la hipótesis de que se pueden construir predictores basados en clústeres y de alta dimensionalidad para su implementación clínica.
• Obtener información mecanicista sobre la fisiopatología de la descompensación de enfermedades agudas, que afecta particularmente al cerebro.
• Mejorar la predicción de resultados adversos en adultos mayores que experimentan enfermedades agudas.

Principales métodos:

• Armonización de dos estudios de cohortes prospectivos independientes (DELPHIC y DECIDE) para entrenamiento y prueba.
• Aplicación de T-distributed stochastic neighbor embedding y clustering jerárquico aglomerativo para identificar subtipos de pacientes.
• Comparación del rendimiento predictivo de la descompensación cerebral y la mortalidad a 2 años utilizando modelos basados en clústeres y de alta dimensionalidad, con valores SHAP para el análisis de la contribución de la entrada.

Principales resultados:

• Identificación de tres subtipos clínicos amplios en adultos mayores durante la enfermedad aguda, con contribuciones de variables basales y agudas.
• Mejora significativa en el área bajo la curva característica operativa del receptor (AUROC) para predecir la descompensación cerebral, de 0.563 (basal) a 0.641 (basado en clústeres) y 0.797 (alta dimensionalidad).
• La alteración del ciclo sueño-vigilia se identificó como el principal predictor del delirio; las fluctuaciones fisiológicas, especialmente las cognitivas, predijeron la mortalidad a largo plazo.

Conclusiones:

• Se pueden identificar clústeres robustos, generalizables y clínicamente útiles para pacientes de edad avanzada durante la enfermedad aguda.
• Demostración de una prueba de concepto para un enfoque longitudinal para definir y modelar la enfermedad aguda.
• Resaltando el potencial de la alta dimensionalidad y la multimodalidad para predecir resultados adversos e identificar las alteraciones del ciclo sueño-vigilia como un objetivo clave para la investigación del delirio.