Modelos pronósticos en poblaciones con insuficiencia cardíaca: una revisión sistemática y un metanálisis

Área de la Ciencia:

• Cardiología Cardiología.
• La informática médica es la informática médica.
• La bioestadística es la bioestadística.

Sus antecedentes:

• La insuficiencia cardíaca (IC) plantea riesgos significativos de morbilidad y mortalidad, lo que requiere modelos de pronóstico robustos.
• Los modelos de pronóstico existentes para la HF varían ampliamente, lo que afecta a la toma de decisiones clínicas.
• Se llevó a cabo una revisión sistemática y un metanálisis para evaluar los actuales modelos de pronóstico de la IC.

Objetivo del estudio:

• Revisar y analizar sistemáticamente los modelos de pronóstico para los resultados de la insuficiencia cardíaca (HF).
• Para evaluar el rendimiento predictivo y el riesgo de sesgo de varios modelos de pronóstico de HF.
• Para llevar a cabo un meta-análisis sobre el Modelo de Insuficiencia Cardíaca de Seattle (SHFM) para la predicción de la mortalidad a 1 año.

Principales métodos:

• Se examinaron 2271 artículos, se revisaron 58 modelos de pronóstico de 44 estudios (362,759 pacientes con FH).
• Evaluó el rendimiento predictivo y utilizó la herramienta PROBAST para el riesgo de sesgo y aplicabilidad.
• Realizó un metanálisis para los resultados de mortalidad del Modelo de Insuficiencia Cardíaca de Seattle (SHFM).

Principales resultados:

• Los modelos estadísticos (88%) predominaban sobre el aprendizaje automático (12%); el 86% tenía alguna validación.
• Los modelos de mortalidad mostraron una discriminación de un año de 0,66-0,89; SHFM agrupó C-estadística fue de 0,71.
• Se observó un alto riesgo de sesgo (88%), a menudo debido a la selección de predictores y al manejo de datos que falta.

Conclusiones:

• Existe una heterogeneidad significativa en los modelos de pronóstico de HF y en las poblaciones de pacientes.
• Pocos modelos cumplen con los estándares para la implementación clínica, con datos limitados para HF con fracción de eyección preservada.
• El futuro desarrollo del modelo HF requiere una mayor transparencia, rigor y validación externa.