Un modelo para la predicción de la concentración de fármacos de vancomicina

Antecedentes: la vancomicina es un antibiótico glicopéptido que se utiliza principalmente para tratar infecciones causadas por Staphylococcus aureus resistente a la meticilina (MRSA). Como antibiótico dependiente del tiempo, la concentración sérica de vancomicina está estrechamente relacionada con la eficacia clínica, la toxicidad y la aparición de resistencia a los medicamentos. Por lo tanto, la monitorización terapéutica de fármacos (TDM) se considera un componente importante del manejo del tratamiento con vancomicina. Según las directrices de vigilancia de la vancomicina, se recomienda mantener una concentración sérica de vancomicina de 15 a 20 mg/l en pacientes con infecciones graves para mejorar los resultados clínicos y prevenir la resistencia a los medicamentos. Sin embargo, las pruebas de concentración sérica de vancomicina no se utilizan ampliamente en las prácticas clínicas, especialmente en áreas e instituciones médicas con recursos limitados, por lo que el seguimiento individualizado sigue siendo un desafío. Actualmente, los estudios sobre la predicción de la concentración de vancomicina generalmente utilizan el modelo farmacocinético poblacional (PPK). Sin embargo, este modelo se ve afectado por muchos factores como la edad, el peso y la tasa de aclaramiento de creatinina. Sin embargo, dado que los pacientes en estado crítico tienen enfermedades complejas acompañadas de disfunción orgánica múltiple, la farmacocinética de vancomicina puede verse alterada. En estos pacientes, la evidencia para la predicción de la concentración mediante modelos PPK es insuficiente.

Actualmente, los métodos de aprendizaje automático en rápido desarrollo pueden ayudar a capturar relaciones de variables no lineales mientras se realizan predicciones a través de múltiples variables para lograr un alto grado de precisión en los resultados de predicción. Este estudio tiene como objetivo utilizar métodos de aprendizaje automático para establecer un modelo óptimo para predecir las concentraciones mínimas de vancomicina sérica en pacientes críticos.

Objetivo: Este estudio tiene como objetivo extraer los datos de concentración sérica de vancomicina de la base de datos de cuidados críticos del Peking Union Medical College Hospital desde enero de 2014 hasta diciembre de 2023 y utilizar métodos de aprendizaje automático para establecer el modelo óptimo para predecir las concentraciones de vancomicina en pacientes críticos.

Métodos: (1) Este es un estudio retrospectivo unicéntrico. Se examinaron los datos sobre la concentración sérica de vancomicina en la base de datos de cuidados críticos del Peking Union Medical College Hospital. Después de cumplir con los criterios de elegibilidad, los datos clínicos de los pacientes incluidos se recopilan a través del sistema de registros médicos para pacientes hospitalizados, incluidas las características demográficas, las puntuaciones de gravedad, la información de las pruebas de laboratorio y la información del tratamiento. (2) Después de extraer los datos disponibles, se utilizan cinco modelos de aprendizaje automático, incluidos regresión lineal, regresión de lazo, regresión de cresta, bosque aleatorio y LightGBM, para construir modelos de predicción. El modelo con la mejor precisión de predicción se selecciona en función del error porcentual (PE), el error porcentual medio (MPE) y el error porcentual absoluto medio (MAPE). (3) La base de datos MIMIC-IV (Medical Information Mart for Intensive Care) se utiliza para realizar la validación externa del modelo construido mediante aprendizaje automático. Además, los investigadores compararán el rendimiento predictivo del modelo PPK con el modelo construido.

Control de calidad: Se incluyen pacientes que cumplen con los criterios de inclusión. Los pacientes a los que les falta información no se inscriben para reducir el sesgo. La información de los pacientes incluidos es registrada y registrada por una persona de investigación dedicada.

Ética y protección de la privacidad del paciente: la información personal del estudio se utilizará únicamente para los fines descritos en el protocolo de este estudio. La información médica obtenida se mantendrá confidencial. Los resultados también se publicarán en revistas académicas sin revelar ninguna información identificable del paciente. El estudio ha sido aprobado por el Comité de Ética Médica del Peking Union Medical College Hospital (K24C1161).