Predicción temprana del delirio en pacientes con cirugía postcárdica: desarrollo de modelos de aprendizaje automático...

Área de la Ciencia:

• La informática médica es la informática médica.
• Aprendizaje automático en el cuidado de la salud
• Medicina de cuidados críticos Medicina de cuidados críticos.

Sus antecedentes:

• El delirio postoperatorio es una complicación común después de la cirugía cardíaca.
• El delirio está relacionado con el aumento de las estancias hospitalarias, el deterioro cognitivo y la mortalidad.
• La predicción temprana es crucial para las intervenciones oportunas.

Objetivo del estudio:

• Desarrollar y validar un modelo de aprendizaje automático para predecir el delirio en pacientes de cirugía cardíaca.
• Facilitar la detección temprana de personas de alto riesgo en la UCI.
• Apoyar estrategias preventivas específicas para el delirio.

Principales métodos:

• Se utilizaron datos de las bases de datos MIMIC-IV 2.0 y eICU-CRD para pacientes con cirugía cardíaca postoperatoria.
• Desarrolló modelos predictivos utilizando regresión logística, clasificador de vectores de soporte, aumento de gradiente extremo (XGB) y bosque aleatorio.
• Evalúa el rendimiento del modelo utilizando el AUC, la precisión, la sensibilidad, el PPV, el NPV y el puntaje F1.

Principales resultados:

• El modelo XGB mostró el mejor rendimiento en la validación interna y externa.
• La validación externa logró un AUC de 0,75, lo que indica una fuerte capacidad predictiva.
• Los predictores clave incluyeron la duración de la estancia hospitalaria, el puntaje de la Escala de Coma de Glasgow y la presión arterial media.

Conclusiones:

• Un modelo XGB validado externamente demuestra una fuerte capacidad predictiva para el delirio de la UCI después de la cirugía cardíaca.
• El modelo puede soportar sistemas de alerta de delirio en tiempo real.
• Permite la estratificación del riesgo y la toma de decisiones basada en la evidencia en las UCI.