Desarrollo de un modelo multivariado para la predicción de la recuperación de la conmoción cerebral en deportistas: un enfoque de aprendizaje automático

Antecedentes: Los deportistas que sufren de una leve lesión cerebral traumática (MTBI) que regresan prematuramente al deporte tienen un mayor riesgo de recuperación retrasada, repetir eventos de conmoción cerebral y, a largo plazo, el desarrollo de encefalopatía traumática crónica. Por lo tanto, determinar el tiempo de recuperación apropiado, sin retrasar innecesariamente el retorno al deporte, es primordial a nivel profesional/semiprofesional, pero notoriamente difícil de predecir.

Objetivos: Usar el aprendizaje automático para desarrollar un modelo multivariado para la predicción de la recuperación de conmociones cerebrales en deportistas.

Métodos: La demografía, el historial de lesiones, la herramienta de evaluación de la conmoción cerebral deportiva de la quinta edición se recolectaron informes del jefe de la MRI y los informes de MRI para deportistas que sufrieron MTBI y fueron remitidos a un hospital universitario terciario en West Midlands durante 3 años. Los algoritmos de aprendizaje automático de bosques aleatorios (RF) se capacitaron y sintonizaron en un subconjunto de corpus equilibrado de resultados del 90%, con pruebas de validación posteriores en el subconjunto previamente invisible del 10% para la predicción binaria de más de cinco juegos deportivos perdidos. Se utilizaron matrices de confusión y curvas del operador del receptor para determinar la discriminación del modelo.

Resultados: Se incluyeron 375 deportistas. Se obtuvo una precisión del modelo compuesto final del 94.6% basado en el subconjunto de pruebas invisibles, produciendo una sensibilidad del 100% y una especificidad del 93.8% con un valor predictivo positivo de 71.4% y un valor predictivo negativo del 100%. El área debajo de la curva fue del 96.3%.

Discusión: En este gran estudio de cohorte de un solo centro, un algoritmo de aprendizaje automático de RF compuesto demostró un alto rendimiento al predecir los juegos deportivos perdidos después de la lesión posterior a MTBI. Por lo tanto, la validación de este nuevo modelo en conjuntos de datos externos más grandes está justificada.

Número de registro de prueba: ISRCTN16974791.