Reanimación. 8 de diciembre de 2025: 110919. doi: 10.1016/j.resuscitation.2025.110919. En línea antes de imprimir.
OBJETIVOS: del estudio: La lesión cerebral anóxica después de un paro cardíaco es una de las principales causas de muerte en los Estados Unidos. La retirada de la terapia de soporte vital (WLST) es una decisión común al final de la vida en estos pacientes, pero sus factores contribuyentes y sus resultados siguen siendo poco conocidos. Desarrollamos modelos de aprendizaje automático para permitir la fenotipificación automatizada a gran escala para identificar a los pacientes que murieron después de la WLST.
MÉTODOS: Utilizamos datos EHR (Registro de Salud Electrónico) estructurados y no estructurados de dos hospitales importantes para entrenar modelos que identifican (1) pacientes con paro cardíaco y coma, y (2) pacientes que murieron después de la WLST. El rendimiento se evaluó utilizando el área bajo las curvas de características operativas del receptor (AUROC) y de recuperación de precisión (AUPRC), así como otras métricas de precisión.
RESULTADOS: En las pruebas de retención (internas), los modelos alcanzaron valores AUROC/AUPRC de 0,984/0,968 (paro cardíaco) y 0,992/0,991 (WLST). La evaluación entre hospitales mostró un rendimiento sólido para el fenotipo de paro cardíaco, pero una generalización variable para el fenotipo WLST, con una sensibilidad que depende del sitio de entrenamiento. Las tasas de error a nivel poblacional fueron bajas (<0.5%) for the cardiac arrest phenotype; estimates for WLST varied by hospital.
CONCLUSIÓN: Estos modelos establecen un marco reproducible para la identificación automatizada de cohortes. Casi la mitad de los pacientes comatosos después del paro murieron después de la WLST, y el 42% de estas muertes ocurrieron dentro de las 72 horas, lo que destaca el impacto de las decisiones de pronóstico temprano. Los modelos permiten una rápida identificación de cohortes para la investigación sobre neuropronóstico, incluida la forma en que las decisiones WLST pueden perpetuar profecías autocumplidas. Una validación más amplia en todos los sistemas de salud y cohortes más grandes mejorará la generalización e informará la toma de decisiones sobre el final de la vida basada en evidencia. Aprobación de la junta de revisión institucional: Mass General Brigham IRB BIDMC: 2022P000481; MGB: 2013P001024. Todos los procedimientos cumplieron con los estándares éticos institucionales y nacionales; Se renunció al consentimiento informado para el uso de datos no identificados.
PubMed:41371332 | DOI:10.1016/j.reanimación.2025.110919