Valor Predictivo del Flujo Sanguíneo Gastrointestinal para la Intolerancia a la Nutrición Enteral en Pacientes Críticamente Enfermos

La nutrición enteral (NE) es la vía preferida de soporte nutricional para pacientes críticamente enfermos. Sin embargo, la aparición de intolerancia a la nutrición enteral (INE) a menudo limita su eficacia e interrumpe el suministro nutricional. Los métodos de evaluación clínica actuales y los modelos predictivos existentes para la INE dependen principalmente de indicadores subjetivos o retrasados. La función gastrointestinal normal depende en gran medida de una perfusión sanguínea adecuada y un retorno venoso sin obstáculos, pero la investigación actual presta insuficiente atención al estado del flujo sanguíneo gastrointestinal. La ecografía en el punto de atención (POCUS), debido a su naturaleza dinámica y visual, puede utilizarse para evaluar objetivamente estos indicadores gastrointestinales.

Este estudio está diseñado como un estudio de cohorte observacional prospectivo que involucra al Hospital Ruijin afiliado a la Facultad de Medicina de la Universidad Jiao Tong de Shanghái. Los investigadores realizarán evaluaciones ecográficas junto a la cama en cuatro momentos específicos: al ingreso en la UCI, y en el Día 1, Día 4 y Día 7 de la nutrición enteral. Las evaluaciones ecográficas medirán varios parámetros hemodinámicos, incluidos el diámetro, la velocidad máxima promediada en el tiempo, el flujo sanguíneo y las puntuaciones VExUS de vasos principales como la arteria celíaca (AC), la arteria mesentérica superior (AMS), la vena cava inferior (VCI), la vena hepática (VH) y la vena porta (VP).

El objetivo final de este estudio es emplear algoritmos de aprendizaje automático para construir y comparar tres modelos predictivos: un modelo de indicadores clínicos, un modelo de parámetros de flujo sanguíneo y un modelo combinado clínico-flujo sanguíneo. Al hacerlo, el estudio explorará el valor predictivo independiente del flujo sanguíneo gastrointestinal para la INE y sus síntomas en pacientes críticamente enfermos, evaluará el valor incremental de agregar parámetros de flujo sanguíneo a los modelos predictivos y validará los modelos utilizando un conjunto de datos externo.