Más allá del cumplimiento: riesgo del paciente, adherencia a ERAS y resultados postoperatorios mediante aprendizaje...

Área de la Ciencia:

• Cirugía colorrectal
• Resultados Quirúrgicos
• Aprendizaje automático en medicina

Sus antecedentes:

• Los protocolos de Recuperación Mejorada Después de la Cirugía (ERAS) son cruciales para mejorar los resultados en cirugía colorrectal.
• La adherencia variable a los protocolos ERAS y los factores de riesgo específicos del paciente pueden afectar los resultados quirúrgicos.
• Las métricas de cumplimiento tradicionales carecen de la granularidad necesaria para analizar la interacción entre la adherencia a ERAS y el riesgo del paciente.

Objetivo del estudio:

• Cuantificar el impacto de los componentes individuales de ERAS y los factores clínicos en las complicaciones postoperatorias utilizando aprendizaje automático interpretable.
• Identificar fenotipos de pacientes distintos basados en la adherencia a ERAS y las características clínicas.
• Desarrollar información basada en datos para optimizar las estrategias de ERAS en cirugía colorrectal.

Principales métodos:

• Análisis secundario de la cohorte prospectiva EuroPOWER (NCT04889798) que involucró a 2841 pacientes adultos sometidos a cirugía colorrectal electiva.
• Desarrollo e interpretación de dos modelos Extreme Gradient Boosting utilizando Extreme Gradient Boosting (SHAP) para predecir complicaciones intrahospitalarias.
• Agrupación de matrices SHAP de un modelo integral (variables clínicas + elementos ERAS) para derivar fenotipos de pacientes.

Principales resultados:

• El modelo integral demostró un buen rendimiento predictivo (AUC 0.627).
• Los predictores clave de complicaciones incluyeron la fragilidad del paciente, la clase ASA, el IMC y la edad, junto con componentes de ERAS como la movilización temprana y la atención nutricional.
• Se identificaron tres fenotipos de pacientes distintos (robusto, intermedio y frágil) con tasas de complicaciones variables (17,7 % a 41,1 %).

Conclusiones:

• La efectividad de la adherencia a ERAS está influenciada por la vulnerabilidad basal del paciente y la implementación del protocolo.
• Los modelos basados en SHAP ofrecen una evaluación transparente del riesgo y permiten la identificación de fenotipos de pacientes.
• Estos hallazgos respaldan el desarrollo de estrategias ERAS personalizadas y herramientas automatizadas de monitorización de la calidad para la atención quirúrgica.