Reanimación. 4 de octubre de 2025: 110853. doi: 10.1016/j.resuscitation.2025.110853. En línea antes de imprimir.
OBJETIVO: Las puntuaciones de alerta temprana son herramientas de apoyo destinadas a ayudar a los médicos a prevenir resultados adversos para los pacientes. Aunque se ha demostrado que las tendencias en la condición médica de un paciente están asociadas con el resultado del paciente, la incorporación de este conocimiento dentro del desarrollo de puntajes de alerta temprana ha sido lenta. Nuestro objetivo es encontrar el conjunto mínimo de predictores de mejor rendimiento para modelos de regresión logística que incluya tendencias en el estado médico de un paciente.
MATERIALES Y MÉTODOS: Utilizamos un gran conjunto de datos obtenidos de un único hospital grande en el sur de Inglaterra y modelos de regresión logística para buscar el conjunto más pequeño posible de predictores que simultáneamente tenga un alto rendimiento predictivo. Se utilizaron curvas de eficiencia para estimar el equilibrio entre la carga de trabajo clínica y la sensibilidad de los modelos y para comparar el rendimiento con la Puntuación Nacional de Alerta Temprana (NEWS), la Puntuación de Alerta Temprana del Árbol de Decisión de Laboratorio (LDTEWS) y LDTEWS:NEWS.
RESULTADOS: La comparación de las curvas de eficiencia de los diferentes modelos mostró que el número de observaciones consecutivas (2 a 5 observaciones) tuvo poco impacto en el rendimiento del modelo. Incluso en el escenario más simple, utilizando 2 observaciones consecutivas, el mejor modelo identificó entre 17 y 293 pacientes más con deterioro por cada 1000 pacientes en comparación con los sistemas de alerta temprana establecidos y no tendencia, con una carga de trabajo clínica comparable. Este mejor modelo utiliza coeficientes de regresión lineal obtenidos a partir de valores NEWS consecutivos, el valor LDTEWS actual y la media de las frecuencias respiratorias.
CONCLUSIONES: Los resultados de este estudio confirman que no sólo se puede aumentar el rendimiento de los modelos que predicen el deterioro clínico al incluir tendencias, sino que un modelo basado en regresión logística con muy pocos predictores puede predecir el riesgo de deterioro mejor que los modelos actuales sin tendencia. Por lo tanto, los modelos que incorporan tendencias tienen el potencial de prevenir el deterioro en más pacientes que las puntuaciones de alerta temprana contemporáneas; sin embargo, se necesita una validación adicional.
PubMed:41052750 | DOI:10.1016/j.reanimación.2025.110853