Descarga la app Emergencing

Predicción del delirio basada en el aprendizaje automático en pacientes mayores con enfermedad renal crónica que requieren cuidados intensivos: un estudio de cohorte retrospectivo hospitalario

Revista

Emergencing

Fecha de publicación

20 de noviembre de 2025

J Psicosom Res. 2026 de enero; 200: 112454. doi: 10.1016/j.jpsychores.2025.112454. Publicación electrónica de 2025, 15 de noviembre.

OBJETIVOS: El delirio es una complicación común en las unidades de cuidados intensivos (UCI), especialmente entre los adultos mayores con enfermedad renal crónica (ERC). Se asocia con una mayor mortalidad y una hospitalización prolongada. Los modelos basados ​​en aprendizaje automático (ML) pueden ayudar a predecir el delirio. En este estudio, desarrollamos un modelo de predicción del delirio basado en ML para pacientes mayores críticamente enfermos con ERC.

MÉTODOS: Este estudio de cohorte retrospectivo incluyó pacientes de ≥65 años ingresados en la UCI entre enero de 2021 y noviembre de 2023. El delirio se evaluó cada 8 h durante la estancia en la UCI utilizando la Lista de verificación de detección del delirio en cuidados intensivos (ICDSC) y se definió como una puntuación de ≥4. Se compararon ocho modelos de ML en términos de área bajo la curva característica operativa del receptor (AUROC), precisión, puntuación F1, especificidad y recuperación.

RESULTADOS: Este estudio incluyó a 895 pacientes, de los cuales el 55,3 % desarrolló delirio. El modelo de bosque aleatorio superó a otros (puntuación F1: 0,891; especificidad: 0,911; recuperación: 0,864; exactitud: 0,885; precisión: 0,923; AUROC: 0,950). La selección de características hacia atrás logró una puntuación F1 de 0,892 y un AUROC de 0,953, identificando 14 predictores clave del delirio: uso de restricción física, puntuación baja en la escala de coma de Glasgow, recuento alto de glóbulos blancos, hipernatremia, fiebre, edad avanzada, hipoalbuminemia, hipercalcemia, hemoglobina baja, puntuación alta de la Evaluación de Fisiología Aguda y Salud Crónica II (APACHE II), hiperpotasemia, ventilación mecánica, sedación y Proteína C reactiva.

CONCLUSIÓN: Nuestro modelo ML demostró un buen rendimiento en la predicción del delirio en adultos mayores críticamente enfermos con ERC, lo que sugiere un valor potencial para la identificación temprana. Los estudios futuros pueden explorar la integración en los sistemas hospitalarios para respaldar las estrategias de prevención del delirio.

PubMed:41265364 | DOI:10.1016/j.jpsychores.2025.112454

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.