Algoritmos predictivos para resultados críticos de rehabilitación

Una cantidad cada vez mayor de evidencia de la medicina basada en la evidencia sugiere que la intervención de rehabilitación temprana (incluidos ejercicios activos y pasivos tempranos, manejo de la posición, rehabilitación pulmonar, etc.) para pacientes con ventilación mecánica es segura y factible, y puede promover cierto grado de recuperación funcional y Reducir la duración de la estancia en la unidad de cuidados intensivos (UCI). Sin embargo, las diferencias en el estado de conciencia, fuerza muscular, función respiratoria y actividad de la vida diaria (AVD) entre los pacientes que son dados de alta de la UCI después de la estabilización de la condición son muy grandes, incluso algunos pacientes no obtuvieron beneficios obvios. Por lo tanto, cómo identificar qué pacientes pueden beneficiarse mejor de una intervención de rehabilitación temprana es una cuestión clave en la que es necesario centrarse en la UCI.

Este estudio utilizó como guía el "Informe transparente de un modelo de predicción multivariable para pronóstico o diagnóstico individual (TRIPOD)". Se reclutó como participantes a supervivientes sometidos a ventilación mecánica en la UCI; se utilizó como resultado si los pacientes progresaron en la función AVD en diferentes momentos después de recibir una intervención de rehabilitación temprana en la UCI, que es un indicador de tiempo hasta el evento. Se recopilaron datos demográficos, datos de diagnóstico clínico y datos de intervención de enfermedades de los sujetos como predictores alternativos. Se utilizaron transformación de variables y detección de variables para encontrar predictores que pudieran predecir el resultado. El proceso de construcción de modelos predictivos clínicos se completa con el ajuste de modelos mediante ecuaciones de regresión y algoritmos de aprendizaje automático, validación interna, validación externa y evaluación del valor clínico. El modelo con la mejor eficiencia de predicción se selecciona en función de la diferenciación y calibración de diferentes modelos después de la validación. Este modelo se presentará con un nomograma o una aplicación web. La aplicación de este modelo predictivo clínico identificará si este paciente puede recibir una mejor recuperación de las AVD después de recibir una intervención de rehabilitación temprana, y cuándo, para optimizar aún más el momento de la intervención temprana en rehabilitación y mejorar su calidad de supervivencia.