Descarga la app Emergencing

Mortalidad asociada con el manejo perioperatorio de pacientes con fracturas del fémur proximal: un modelo de predicción mediante aprendizaje automático

Revista

anaesthesia critical care pain medicine

Fecha de publicación

29 de noviembre de 2025

Analgésico Anaesth Crit Care. 27 de noviembre de 2025: 101707. Revista: 10.1016/j.accpm.2025.101707. En línea antes de imprimir.

ANTECEDENTES: Las fracturas de fémur proximal (FFP) son comunes en los ancianos y representan un importante problema de salud pública. Este estudio tiene como objetivo definir la epidemiología y morbilidad de la PFF e identificar factores asociados con la mortalidad a los 90 días en pacientes con PFF osteoporótica.

MÉTODOS: Realizamos un estudio observacional, bicéntrico y retrospectivo en Marsella desde noviembre de 2018 hasta junio de 2023, incluyendo pacientes operados de FFP osteoporótica. Se recopilaron datos clínicos, biológicos, terapéuticos y socioeconómicos para analizar su influencia en la mortalidad a los 90 días y construir un modelo predictivo de mortalidad utilizando una red neuronal.

RESULTADOS: Durante el período de estudio se incluyeron 2.442 pacientes, siendo la edad media al diagnóstico de 81 (13,7) años. Los 279 (11,4%) que no sobrevivieron a los 90 días eran mayores (87,2 (0,8) frente a 79,8 (0,3) años; p < 0.0001), predominantly males (36.6% vs. 27.8%; p = 0.003), and had higher Charlson score (1[0-3] vs. 1[0-2]; p < 0.0001) and ASA score (3[3-3] vs. 3[2-3]; p < 0.0001). No significant differences were found in the use of cement, type of anaesthesia, and socio-economic level. A neural network predictive model for 90-day mortality included age, gender, ASA score, perioperative confusion, and haemoglobin, creatinine, and albumin at inclusion. The model performed with an area under the receiving operating characteristic curve of 0.91 [0.91-0.92], sensitivity of 50.5%, specificity of 75.0%, positive predictive value of 20.6%, and negative predictive value of 92.1% on the test set.

CONCLUSIÓN: Nuestros resultados aportan elementos interesantes para optimizar el manejo perioperatorio de estos pacientes. Las perspectivas de futuro pasan por validar el modelo predictivo en cohortes externas e integrar nuevas variables para mejorar su precisión.

PubMed:41318098 | Revista:10.1016/j.accpm.2025.101707

Descarga la app Emergencing!

Accede a los abstracts en español de las revistas científicas más importantes en medicina de urgencias, emergencias y paciente crítico.

Descargo de responsabilidad
El idioma original es este artículo es el inglés. Mediante el sistema de traducción automático de la IA de emergencing, el contenido se ha traducido al español. Esta es una traducción no supervisada por lo que puede que alguna parte del contenido no refleje con exactitud la publicación original del autor/autores.