Modelo predictivo de tiempo hasta el evento para complicaciones médicas importantes después de la colectomía

Antecedentes: la colectomía planificada (electiva o sensible al tiempo) se realiza para indicaciones que incluyen cáncer, enfermedad inflamatoria intestinal (EII) y diverticulitis. Después de la colectomía, los pacientes corren el riesgo de una variedad de complicaciones médicas importantes, que incluyen neumonía, infarto de miocardio (MI), evento vascular cerebral (ACV), tromboembolismo venoso (TEV), insuficiencia renal aguda (ARF) y sepsis. Sin embargo, diferentes complicaciones tienden a ocurrir en diferentes momentos después de la cirugía. La predicción precisa del riesgo, no solo si una complicación puede ocurrir en un paciente, sino también cuándo, es crucial para la educación, el control y la planificación del destino del paciente. Si bien varios estudios han explorado la incidencia y la predicción binaria del riesgo de complicaciones mayores después de las cirugías, ha habido poca literatura sobre modelos de predicción del tiempo hasta la complicación en datos de cohortes de población recientes.

Objetivos

1. Desarrollar y validar internamente modelos de riesgos proporcionales de Cox para predecir el tiempo hasta la complicación para cada complicación médica importante individual capturada en el conjunto de datos del Programa Nacional de Mejoramiento de la Calidad Quirúrgica (NSQIP) del Colegio Estadounidense de Cirujanos (neumonía, infarto de miocardio [MI], evento vascular cerebral (CVA), tromboembolismo venoso (TEV), insuficiencia renal aguda (IRA) y sepsis) o resultados adversos (mortalidad, reingreso), que comenzaron dentro de los 30 días posteriores a la colectomía electiva.
2. Desarrollar y validar internamente modelos de aprendizaje automático para predecir el tiempo hasta la complicación de las principales complicaciones médicas y los resultados adversos (igual que en el objetivo 1) dentro de los 30 días posteriores a la colectomía electiva en el NSQIP. El mejor modelo de aprendizaje automático para cada complicación se comparará con el modelo de riesgos proporcionales de Cox en términos de discriminación y calibración.

Métodos: Los investigadores realizarán un análisis de supervivencia del tiempo hasta el evento en una cohorte retrospectiva utilizando NSQIP®, un conjunto de datos multicéntrico recopilado prospectivamente con más de 150 variables clínicas dentro de los 30 días posteriores a la cirugía. Este conjunto de datos incluye información sobre si el paciente fue diagnosticado con complicaciones mayores (dentro o fuera del hospital), así como la cantidad de días posoperatorios hasta el diagnóstico de complicaciones, según lo definido por un criterio estandarizado dentro del manual de operaciones del NSQIP. El conjunto de datos general se vinculará con el conjunto de datos de colectomía dirigida por procedimiento NSQIP®, que contiene variables adicionales específicas de colectomía.

El estudio se informará de acuerdo con las pautas de informes transparentes de un modelo de predicción multivariable para el pronóstico o diagnóstico individual (TRIPOD) y las pautas para desarrollar e informar modelos predictivos de aprendizaje automático en investigación biomédica.