Nueva herramienta basada en web predice el riesgo de complicaciones posquirúrgicas



Ataque cardíaco, insuficiencia renal, accidente cerebrovascular. Estas son solo algunas de las complicaciones potencialmente mortales que los pacientes tienen riesgo de sufrir después de la cirugía. Ahora, los investigadores de Jefferson han desarrollado una herramienta basada en la web fácil de usar que predice el riesgo de complicaciones posquirúrgicas como insuficiencia renal y accidente cerebrovascular. El modelo puede ayudar a los profesionales médicos a implementar medidas preventivas antes de la necesidad de una intervención de emergencia.

“Necesitamos ser capaces de evaluar el riesgo de complicaciones posquirúrgicas que pongan en peligro la vida, de modo que podamos encontrar formas individualizadas de reducir esas complicaciones”, dice Sang Woo, MD, profesor clínico asociado de medicina en la Universidad Thomas Jefferson. quien dirigió la nueva investigación.

La necesidad de mejores modelos predictivos de riesgo se hizo evidente para el Dr. Woo después de que un paciente sufriera insuficiencia renal luego de una cirugía y requiriera una intervención médica como diálisis. Otro paciente sufrió un derrame cerebral después de una cirugía para tratar una fractura de cadera y de repente necesitó una cirugía cerebral de emergencia.

“Al ver cuánto sufrimiento habían pasado esos pacientes, quería descubrir qué podríamos haber hecho de manera diferente para prevenir estas complicaciones potencialmente mortales”, dice el Dr. Woo.

Las calculadoras de riesgo en las que los médicos confían actualmente evalúan principalmente los riesgos cardíacos, como un ataque cardíaco o un paro cardíaco. No proporcionan una evaluación del riesgo de otras complicaciones importantes como el accidente cerebrovascular, y los médicos realmente no han prestado mucha atención a la evaluación del riesgo de insuficiencia renal, dice el Dr. Woo.

“Queríamos ayudar a los médicos a poder evaluar el riesgo de accidente cerebrovascular, además de los riesgos tradicionales”, dice.

Para desarrollar un modelo predictivo que fuera preciso y fácil de usar para los médicos, el Dr. Woo se basó en su experiencia en el análisis de grandes conjuntos de datos y el aprendizaje automático, y colaboró ​​con un equipo de investigación multidisciplinario de Jefferson que incluye un cirujano, cardiólogo, nefrólogos y hospitalistas.

“Muchas veces hacemos la investigación y publicamos un artículo de investigación que es demasiado complejo para traducirlo al lado de la cama”, dice el Dr. Woo. “Mi objetivo desde el principio fue idear un nuevo modelo que sea muy práctico y útil y que pueda incorporarse a la atención de rutina del paciente”.

Ahora, en dos estudios recientes, el Dr. Woo y sus colegas muestran que el modelo predice eficazmente el riesgo de complicaciones posquirúrgicas potencialmente mortales.

En un estudio publicado en línea el 29 de diciembre de 2020 en la revista de investigación Riñón360, El Dr. Woo y sus colegas desarrollaron un modelo para evaluar el riesgo de un paciente de desarrollar lesión renal aguda (LRA) después de la cirugía. La AKI es un problema médico grave. Más de un tercio de los pacientes que requirieron diálisis después de una cirugía cardíaca fallecieron, por ejemplo.

“La identificación de pacientes con alto riesgo de LRA y la implementación de medidas preventivas pueden reducir ese riesgo de mortalidad”, dice el Dr. Woo.

Él y sus colegas analizaron datos de más de 2.2 millones de pacientes quirúrgicos, de los cuales alrededor de 7,000 desarrollaron AKI que requirió diálisis. El análisis reveló que los pacientes que requerían diálisis eran mayores y más propensos a tener insuficiencia cardíaca congestiva y diabetes.

Luego, los investigadores entrenaron el modelo con datos de más de 1.4 millones de pacientes usando estos y otros ocho predictores antes de probarlo con datos de otro conjunto de más de 800,000 pacientes quirúrgicos. El modelo predijo con precisión qué pacientes desarrollarían AKI.

En un segundo estudio publicado en línea en Revista de la Asociación Americana del Corazón el 30 de enero de 2021, el Dr. Woo y sus colegas utilizaron el modelo para predecir el riesgo de accidente cerebrovascular, evento cardíaco o muerte dentro de los 30 días posteriores a la cirugía.

Para esta versión del modelo, los investigadores analizaron datos de más de 1,1 millones de pacientes quirúrgicos. Utilizaron predictores como la edad, antecedentes de accidente cerebrovascular, tipo de cirugía y otros factores de salud que podrían medirse antes de la cirugía para construir el modelo.

Descubrieron que el modelo predijo qué pacientes sufrirían un accidente cerebrovascular, un evento cardíaco o morirían dentro de los 30 días posteriores a la cirugía con alta precisión. El poder predictivo del modelo fue sobresaliente, con el área bajo la curva (AUC), una forma estándar de evaluar el rendimiento de un modelo, que mide 0,87 para accidente cerebrovascular y 0,92 para mortalidad. El modelo también predice el riesgo cardíaco (AUC 0,87) similar o mejor que los modelos de riesgo cardíaco ampliamente utilizados.

Como herramienta basada en web, el modelo también es fácil de usar. Los médicos que realizan evaluaciones preoperatorias pueden usar la herramienta junto a la cama del paciente.

Los nuevos modelos de evaluación de riesgos beneficiarán a médicos y pacientes. Con los modelos, los médicos podrán informar a los cirujanos de los riesgos y orientar mejor a los pacientes, lo que se traducirá en una mejora de la atención al paciente.

“Ahora que tenemos una herramienta para evaluar objetivamente el riesgo de accidente cerebrovascular e insuficiencia renal, estamos investigando formas novedosas de reducir ese riesgo”, dice el Dr. Woo.

Fuente:

Referencias de revistas:

  • Woo, SH, et al. (2020) Desarrollo y validación de un modelo de predicción basado en la web para la lesión renal aguda después de la cirugía. Riñón360. doi.org/10.34067/KID.0004732020.
  • Woo, SH, et al. (2021) Desarrollo y validación de un modelo de predicción del riesgo de accidente cerebrovascular, cardíaco y de mortalidad después de una cirugía no cardíaca. Revista de la Asociación Americana del Corazón. doi.org/10.1161/JAHA.120.018013.

.



Source link