Resumo
Rev Bras Ter Intensiva. 2022;34(4):477-483
DOI 10.5935/0103-507X.20220280-en
Criar e validar um modelo de predição de choque séptico ou hipovolêmico a partir de variáveis de fácil obtenção coletadas na admissão de pacientes internados em uma unidade de terapia intensiva.
Estudo de modelagem preditiva com dados de coorte concorrente realizada em um hospital do interior do nordeste brasileiro. Foram incluídos pacientes com 18 anos ou mais sem uso de droga vasoativa no dia da admissão e que foram internados entre novembro de 2020 e julho de 2021. Foram testados os algoritmos de classificação do tipo Decision Tree, Random Forest, AdaBoost, Gradient Boosting e XGBoost para a construção do modelo. O método de validação utilizado foi o k-fold cross validation. As métricas de avaliação utilizadas foram recall, precisão e área sob a curva Receiver Operating Characteristic.
Foram utilizados 720 pacientes para criação e validação do modelo. Os modelos apresentaram alta capacidade preditiva com área sob a curva Receiver Operating Characteristic de 0,979; 0,999; 0,980; 0,998 e 1,00 para os algoritmos de Decision Tree, Random Forest, AdaBoost, Gradient Boosting e XGBoost, respectivamente.
O modelo preditivo criado e validado apresentou elevada capacidade de predição do choque séptico e hipovolêmico desde o momento da admissão de pacientes na unidade de terapia intensiva.
Resumo
Rev Bras Ter Intensiva. 2021;33(2):196-205
DOI 10.5935/0103-507X.20210027
Identificar apresentações mais graves de COVID-19.
Pacientes consecutivamente admitidos à unidade de terapia intensiva foram submetidos à análise de clusters por meio de método de explorações sequenciais
Analisamos os dados de 147 pacientes, com média de idade de 56 ± 16 anos e Simplified Acute Physiological Score 3 de 72 ± 18, dos quais 103 (70%) demandaram ventilação mecânica e 46 (31%) morreram na unidade de terapia intensiva. A partir do algoritmo de análise de clusters, identificaram-se dois grupos bem definidos, com base na frequência cardíaca máxima [Grupo A: 104 (IC95% 99 - 109) batimentos por minuto versus Grupo B: 159 (IC95% 155 - 163) batimentos por minuto], frequência respiratória máxima [Grupo A: 33 (IC95% 31 - 35) respirações por minuto versus Grupo B: 50 (IC95% 47 - 53) respirações por minuto] e na temperatura corpórea máxima [Grupo A: 37,4 (IC95% 37,1 - 37,7)ºC versus Grupo B: 39,3 (IC95% 39,1 - 39,5)ºC] durante o tempo de permanência na unidade de terapia intensiva, assim como a proporção entre a pressão parcial de oxigênio no sangue e a fração inspirada de oxigênio quando da admissão à unidade de terapia intensiva [Grupo A: 116 (IC95% 99 - 133) mmHg versus Grupo B: 78 (IC95% 63 - 93) mmHg]. Os subfenótipos foram distintos em termos de perfis inflamatórios, disfunções orgânicas, terapias de suporte, tempo de permanência na unidade de terapia intensiva e mortalidade na unidade de terapia intensiva (com proporção de 4,2 entre os grupos).
Nossos achados, baseados em dados clínicos universalmente disponíveis, revelaram dois subfenótipos distintos, com diferentes evoluções de doença. Estes resultados podem ajudar os profissionais de saúde na alocação de recursos e seleção de pacientes para teste de novas terapias.