Modelos de aprendizaje automático para predecir la satisfacción del paciente después de una cirugía de deformidad...

Área de la Ciencia:

• Cirugía de Columna
• Ortopedia
• Aprendizaje Automático Médico

Sus antecedentes:

• La satisfacción del paciente es una métrica crucial para evaluar los resultados de la cirugía de deformidad espinal en adultos (ASD).
• Los factores predictivos de satisfacción en pacientes con ASD no están bien establecidos.

Objetivo del estudio:

• Desarrollar y validar modelos predictivos de satisfacción del paciente 24 meses después de la cirugía de ASD.
• Identificar los indicadores clave que influyen en la satisfacción del paciente después de la cirugía de ASD.

Principales métodos:

• Se utilizaron algoritmos de aprendizaje automático (LASSO, RFE, Boruta) en un conjunto de datos de 213 pacientes con ASD.
• Se desarrolló y validó un modelo de regresión logística utilizando 128 pacientes de entrenamiento y 85 de prueba.
• Se empleó el análisis SHAP para determinar la importancia de las características para la predicción de la satisfacción.

Principales resultados:

• Se identificaron 9 indicadores clave de satisfacción postoperatoria.
• El modelo predictivo logró un AUC de 0.846 y una precisión de 0.812 en el conjunto de prueba.
• Los predictores significativos incluyeron la mejora de la función WOMAC, la ausencia de fragilidad y las mejoras radiográficas.

Conclusiones:

• Los modelos desarrollados ofrecen información pronóstica personalizada para pacientes con ASD.
• Los cirujanos pueden utilizar estos indicadores modificables para guiar la rehabilitación postoperatoria y mejorar la satisfacción del paciente.