Desarrollo y validación de modelos predictivos de fracaso renal agudo intrahospitalario basado en registros dinámicos de factores de riesgo

Abstract

El Fracàs renal agut (FRA) és una complicació freqüent i greu en pacients hospitalitzats. Presentar un episodi de FRA en qualsevol moment de l'hospitalització comporta un augment de la morbimortalitat, estada i costos hospitalaris. Aquest problema de salut afecta tots els centres hospitalaris, independentment del nivell de complexitat assistencial. L'abordatge és complex, ja que no és possible identificar un sol “actor” que pugui abordar una solució unilateral. Actualment cap grup és "amo" del problema, per això la manca de pensament conjunt i de seguiment associat a l'atenció de pacients d'alt risc al llarg de l'ingrés hospitalari. Tot i això, hi ha molts "actors" que poden participar en la solució, com farmacèutics, especialistes en medicina interna, anestesistes, cirurgians, nefròlegs, cardiòlegs, radiòlegs intervencionistes, assessors hospitalaris i equips multidisciplinaris. La solució per reduir eficaçment la incidència de FRA intrahospitalari ha de contemplar 1: un augment de la capacitat predictiva i de la sensibilitat dels models predictius 2: intervencions adequades en funció dels riscs individuals. La hipòtesi d'aquesta tesi és que, mitjançant la combinació de variables demogràfiques, factors de comorbiditat i variables relacionades amb l'estat clínic del pacient, cal desenvolupar models predictius que siguin reproduïbles i permetin estimar la probabilitat individual de patir FRA durant l'ingrés hospitalari . Sent les característiques demogràfiques i els factors de comorbiditat variables estables no subjectes a canvi, totes dues proporcionen informació exclusivament estàtica 22relacionada amb la predisposició individual a patir FRA en un determinat context clínic. La monitorització seqüencial i dinàmica de les variables relacionades amb l'estat clínic hauria de permetre fer estimacions més precises del risc i predir, de forma dinàmica, els canvis en la probabilitat de patir FRA, que es produeixen cada vegada que hi ha un canvi a l'estat clínic. del malalt. Per això, hem desenvolupat i validat diversos models de predicció clínica, models que, a diferència del descrit a la literatura fins ara, són dinàmics, amb un aprenentatge automàtic per al desenvolupament de FRA durant l'ingrés hospitalari en pacients ingressats a centres de hospitalització no crítics. El seu rendiment ha estat comparat amb altres models basats en el registre estàtic de factors de risc. programes d'intervenció per adequar la prescripció de fàrmacs, l'exposició a mitjans de contrast i els procediments quirúrgics, en funció dels riscos individuals de cadascun dels nostres pacients. Amb els resultats obtinguts podem concloure que, mitjançant l'ús de registres electrònics de dades sanitaris, el nostre estudi proporciona un model que es pot utilitzar a la pràctica clínica per obtenir una avaluació precisa, dinàmica i actualitzada del risc individual de presentar Fracàs renal agut intrahospitalari (FRA-H) en pacients no crítics.

El Fracaso renal agudo (FRA) es una complicación frecuente y grave en pacientes hospitalizados. Presentar un episodio de FRA en cualquier momento de la hospitalización conlleva un aumento de la morbimortalidad, estancia y costos hospitalarios. Este problema de salud afecta a todos los centros hospitalarios, independientemente de su nivel de complejidad asistencial. El abordaje es complejo ya que no es posible identificar un solo “actor” que pueda abordar una solución unilateral. Actualmente ningún grupo es "dueño" del problema, de ahí la falta de pensamiento conjunto y de seguimiento asociado a la atención de pacientes de alto riesgo a lo largo del ingreso hospitalario. Sin embargo, hay muchos "actores" que pueden participar en la solución, como farmacéuticos, especialistas en medicina interna, anestesistas, cirujanos, nefrólogos, cardiólogos, radiólogos intervencionistas, asesores hospitalarios y equipos multidisciplinares. La solución para reducir eficazmente la incidencia de FRA intrahospitalario debe contemplar 1: un aumento de la capacidad predictiva y de la sensibilidad de los modelos predictivos 2: intervenciones adecuadas en función de los riesgos individuales. La hipótesis de esta tesis es que, mediante la combinación de variables demográficas, factores de comorbilidad y variables relacionadas con el estado clínico del paciente, debe ser posible desarrollar modelos predictivos que sean reproducibles y permitan estimar la probabilidad individual de sufrir FRA durante el ingreso hospitalario. Siendo las características demográficas y los factores de comorbilidad variables estables no sujetas a cambio, ambas proporcionan información exclusivamente estática relacionada con la predisposición individual a sufrir FRA en un determinado contexto clínico. La monitorización secuencial y dinámica de las variables relacionadas con el estado clínico, debería permitir realizar estimaciones más precisas del riesgo y predecir, de forma dinámica los cambios en la probabilidad de sufrir FRA, que se producen cada vez que hay un cambio en el estado clínico del enfermo. Por ello, hemos desarrollado y validado varios modelos de predicción clínica, modelos que, a diferencia de lo descrito en la literatura hasta la fecha, son dinámicos, con un aprendizaje automático para el desarrollo de FRA durante el ingreso hospitalario en pacientes ingresados en centros de hospitalización no críticos. Su rendimiento ha sido comparado con otros modelos basados en el registro estático de factores de riesgo. Una vez obtenidos y validados los modelos, sus predicciones podrán ser utilizados en la práctica clínica como guía para el diagnóstico y toma de decisiones terapéuticas, y se podrán desarrollar programas de intervención para adecuar la prescripción de fármacos, la exposición a medios de contraste y los procedimientos quirúrgicos, en función de los riesgos individuales de cada uno de nuestros pacientes. Con los resultados obtenidos podemos concluir que, mediante el uso de registros electrónicos de datos sanitarios, nuestro estudio proporciona un modelo que puede utilizarse en la práctica clínica para obtener una evaluación precisa, dinámica y actualizada del riesgo individual de presentar Fracaso renal agudo intrahospitalario (FRA-H) en pacientes no críticos.

Acute renal failure (ARF) is a frequent and serious complication in hospitalized patients, with an incidence of up to 20-25%. An episode of ARF at any time during hospitalization leads to increased morbidity and mortality, hospital stay and hospital costs. This health problem affects all hospitals, regardless of their level of complexity of care. The approach is complex because it is not possible to identify a single “actor” that can address a unilateral solution. Currently, no one group “owns” the problem, hence the lack of joined-up thinking and follow-up associated with the care of high-risk patients throughout hospital admission. However, there are many “players” who can participate in the solution, such as pharmacists, internal medicine specialists, anesthesiologists, surgeons, nephrologists, cardiologists, interventional radiologists, hospital consultants and multidisciplinary teams. The solution to effectively reduce the incidence of in hospital ARF must contemplate 1: an increase in the predictive capacity and sensitivity of predictive models 2: appropriate interventions according to individual risks. The hypothesis of this thesis is that, by combining demographic variables, comorbidity factors and variables related to the clinical status of the patient, it should be possible to develop predictive models that are reproducible and allow estimation of the individual probability of suffering ARF during hospital admission. Demographic characteristics and comorbidity factors being stable variables that are not subject to change, both provide exclusively static information related to the individual predisposition to suffer ARF in a given clinical context. The sequential and dynamic monitoring of variables related to clinical status should make it possible to make more 24 precise risk estimates and dynamically predict the changes in the risk of ARF that occur each time there is a change in the clinical status of the patient. Therefore, we have developed and validated several clinical prediction models, models that, unlike those described to date, are dynamic, with automatic learning for the development of ARF during hospital admission in patients admitted to non-critical hospitalization centers. Their performance has been compared with other models based on static registration of risk factors. Once the models have been obtained and validated, their predictions can be used in clinical practice as a guide for diagnosis and therapeutic decisions, and intervention programs can be developed to adjust drug prescription, exposure to contrast media and surgical procedures according to the individual risks of the patients. With the results obtained, we can conclude that, through the use of electronic health records, our study provides a model that can be used in clinical practice to obtain an accurate, dynamic and updated assessment of the individual risk of in-hospital acute renal failure (HA-AKI) in non-critical patients.