Modelos de predicción de riesgo de encefalopatía asociada a sepsis: una evaluación sistemática y metaanálisis

Área de la Ciencia:

• Medicina de cuidados críticos
• Neurología
• Epidemiología

Sus antecedentes:

• El desarrollo de modelos de predicción de riesgo para la encefalopatía asociada a sepsis (EAS) está en crecimiento.
• La utilidad clínica y la calidad de estos modelos son actualmente inciertas.

Objetivo del estudio:

• Revisar sistemáticamente y evaluar la calidad de los estudios publicados sobre modelos de predicción de riesgo de EAS.
• Evaluar el riesgo de sesgo y la aplicabilidad de los modelos de predicción de EAS existentes.

Principales métodos:

• Se realizó una búsqueda sistemática exhaustiva en múltiples bases de datos (PubMed, Embase, etc.).
• La extracción de datos y la evaluación del riesgo de sesgo utilizando la Herramienta de Evaluación del Riesgo de Sesgo de Modelos de Predicción (PROBAST) fueron realizadas por dos revisores independientes.
• Se incluyeron estudios observacionales centrados en modelos de predicción de riesgo de EAS.

Principales resultados:

• Se incluyeron diez estudios con 1.994 participantes, con una incidencia de EAS que oscilaba entre el 15,16% y el 63,3%.
• La edad y la puntuación del Sequential Organ Failure Assessment (SOFA) fueron los predictores más comunes, mostrando una asociación significativa con la EAS.
• El área bajo la curva característica operativa del receptor (AUC) combinada para los modelos validados fue de 0.83, lo que indica una discriminación justa, pero todos los estudios mostraron un alto riesgo de sesgo.

Conclusiones:

• Si bien los modelos de predicción de EAS demuestran una capacidad discriminatoria justa, se encontró que todos los estudios revisados tenían un alto riesgo de sesgo.
• Las limitaciones en las fuentes de datos y el análisis contribuyeron al alto riesgo de sesgo, lo que cuestiona la aplicabilidad clínica actual de estos modelos.