Resumen
Antecedentes
La enfermedad pulmonar obstructiva crónica (EPOC) es una afección respiratoria prevalente y una de las principales causas de mortalidad, y las exacerbaciones agudas (AECOPD) complican significativamente su tratamiento y pronóstico. A pesar del desarrollo de varios modelos de predicción de pronóstico para pacientes con AECOPD, su desempeño y aplicabilidad clínica siguen sin estar claros, lo que requiere una revisión sistemática para evaluar estos modelos y brindar orientación para su mejora y uso clínico futuros.
Método
Se realizaron búsquedas en PubMed, Web of Science, CINAHL, Scopus, EMBASE y Medline en busca de estudios publicados desde su inicio hasta el 5 de febrero de 2024. La extracción y evaluación de datos se realizaron utilizando la Lista de verificación para la evaluación crítica y la extracción de datos para revisiones sistemáticas de estudios de modelos de predicción. (ENCANTOS). Se empleó la herramienta de evaluación del riesgo de sesgo del modelo de predicción (PROBAST) para evaluar el riesgo de sesgo y la aplicabilidad de los modelos.
Resultados
Después de la deduplicación y la selección de 5942 artículos recuperados, se incluyeron 46 estudios que comprenden 53 modelos. De estos, 17 (37,0%) estudios se desarrollaron a partir de estudios realizados en China. Todos los modelos se basaron en estudios de cohortes. La mortalidad fue el resultado previsto en 27 (50,9%) modelos. Se utilizó regresión logística en 41 (77,4%) modelos, mientras que se emplearon métodos de aprendizaje automático en 9 (17,0%) modelos. El tamaño de muestra mediano (mínimo, máximo) para el desarrollo del modelo fue 672 (106, 150,035). La mediana (mínima, máxima) del número de predictores por modelo fue 5 (2, 42). Los predictores utilizados con frecuencia incluyeron la edad (n = 28), las puntuaciones de gravedad de la disnea (n = 12) y la PaCO2 (n = 11). El AUC combinado fue de 0,80 para los modelos de predicción de mortalidad y de 0,84 para los resultados relacionados con la hospitalización. 52 modelos tienen un alto riesgo general de sesgo y se consideró que todos los modelos tenían poca preocupación con respecto a su aplicabilidad. Las principales fuentes de sesgo incluyeron tamaños de muestra insuficientes (83,0%), dependencia del análisis univariado para la selección de predictores (73,6%), métodos de validación internos y externos inadecuados (54,7%), criterios de inclusión y exclusión inadecuados para los sujetos del estudio (50,9%), etc. en. El único modelo con bajo sesgo fue la puntuación PEARL.
Conclusión
Los modelos actuales de predicción del riesgo pronóstico para pacientes con AECOPD generalmente presentan un alto sesgo. Los esfuerzos futuros deberían estandarizar los métodos de desarrollo y validación de modelos y desarrollar modelos clínicos ampliamente utilizables.
Introducción
La enfermedad pulmonar obstructiva crónica (EPOC) es una afección respiratoria común definida por tos crónica, dificultad para respirar y limitación del flujo de aire.1). En 2019, la prevalencia mundial de EPOC entre personas de 30 a 79 años fue del 10,3%, lo que representa aproximadamente 391 millones de personas (2). La EPOC se ubica como la tercera causa principal de mortalidad entre las enfermedades no transmisibles (ENT) tanto a nivel mundial como en China (3). El tratamiento de la EPOC se ve significativamente desafiado por las exacerbaciones agudas (AECOPD). Según la Iniciativa Global para la Enfermedad Pulmonar Obstructiva Crónica (GOLD), la AECOPD se caracteriza por un empeoramiento de los síntomas respiratorios que supera las variaciones habituales del día a día y conduce a cambios en la medicación (1). El pronóstico de AECOPD puede incluir una disminución en la calidad de vida relacionada con la salud, costos médicos sustanciales y diversas complicaciones (4). Además, los pacientes con AECOPD tienen más probabilidades de morir por enfermedades respiratorias en comparación con aquellos sin exacerbaciones agudas.5).
Por lo tanto, es crucial identificar factores de riesgo pronóstico para pacientes con AECOPD y desarrollar modelos de predicción simples, efectivos y clínicamente valiosos. Estos modelos pueden estimar mejor el riesgo de deterioro futuro en pacientes con exacerbaciones, proporcionando referencias confiables para la atención clínica, la intervención temprana y el tratamiento personalizado, que son esenciales para mejorar las tasas de supervivencia y la calidad de vida de los pacientes.
Debido a la heterogeneidad de la EPOC y sus exacerbaciones, así como al escaso reconocimiento y autoinforme de estas afecciones (6), el diagnóstico temprano y el pronóstico de los pacientes con AECOPD siguen siendo un desafío en la práctica clínica y un punto focal de la investigación. Aunque se han desarrollado varios modelos de pronóstico para pacientes con AECOPD, que varían ampliamente en tipo, desempeño y aplicabilidad, el desempeño predictivo y la validez práctica de estos modelos aún no están claros.
Este estudio revisa sistemáticamente los modelos de predicción de pronóstico para pacientes con AECOPD y evalúa su potencial para predecir el riesgo de resultados adversos. Esta revisión analiza el estado actual de la investigación y explora direcciones futuras, proporcionando una referencia para el desarrollo, validación y mejora de modelos de predicción de riesgos para pacientes con AECOPD. Además, este estudio pretende proporcionar una base para su aplicación en la práctica clínica.
Métodos
búsqueda de literatura
Este estudio buscó en seis bases de datos: PubMed, Web of Science, CINAHL, Scopus, EMBASE y Medline. El período de búsqueda abarcó desde el establecimiento de cada base de datos hasta el 5 de febrero de 2024. Las palabras clave relacionadas con la población de estudio y los métodos de investigación incluyeron: (“exacerbación aguda de la enfermedad pulmonar obstructiva crónica” O “AECOPD” O “exacerbación aguda de la EPOC” O “exacerbación de la EPOC” O “exacerbación de la EPOC”) Y (“evaluación de riesgos” O “predicción de riesgos” O “índice de riesgo” O “puntuación de riesgo” O “predecir” O “factores de pronóstico” O “exacerbación de la EPOC”) cálculo” O “predicción” O “aprendizaje automático” O “inteligencia artificial” O “algoritmo” O “aprendizaje profundo” O “regresión”). Con base en las funciones de filtro proporcionadas por las bases de datos, seleccionamos literatura y artículos de revistas en inglés. La búsqueda fue realizada de forma independiente por dos investigadores. Los resultados de cada base de datos se fusionaron y deduplicaron utilizando un software de gestión de referencias para obtener el número total final de estudios que requirieron una evaluación adicional.
Criterios de selección
Los criterios de inclusión y exclusión para los modelos de pronóstico objetivo en este estudio se definieron con base en la Lista de verificación para la evaluación crítica y la extracción de datos para revisiones sistemáticas de estudios de modelos de predicción (CHARMS) (7).
Los criterios de inclusión fueron los siguientes: (1) el objetivo principal del estudio es desarrollar o mejorar modelos de pronóstico para pacientes con AECOPD; (2) el modelo de pronóstico debe evaluar el pronóstico de los pacientes con AECOPD para ayudar en la identificación temprana de resultados adversos e informar decisiones de seguimiento y tratamiento más estrechas; (3) el estudio debería implicar el desarrollo de modelos de pronóstico utilizando datos independientes o la actualización de modelos existentes; (4) la población diana de los modelos de pronóstico deben ser pacientes adultos diagnosticados con AECOPD o aquellos diagnosticados principalmente con enfermedades relacionadas con las vías respiratorias y secundariamente con AECOPD; (5) los resultados de los modelos de pronóstico deben ser cualquier resultado clínico que pueda ocurrir en pacientes con AECOPD; (6) el marco temporal del pronóstico debe medir los predictores y los resultados en puntos específicos durante el curso clínico posterior al diagnóstico de AECOPD; (7) los modelos generalmente deben usarse para el seguimiento temprano de pacientes con AECOPD; y (8) los modelos deben tener la capacidad de predecir riesgos individuales, con al menos una métrica que evalúe el desempeño del modelo.
Los criterios de exclusión fueron los siguientes: (1) estudios dirigidos principalmente a establecer modelos de diagnóstico para AECOPD, modelos predictivos para complicaciones de AECOPD o modelos de pronóstico para exacerbaciones de EPOC; (2) estudios que realicen únicamente validación externa o comparación de modelos existentes; (3) estudios transversales donde los predictores y los resultados se miden simultáneamente; (4) estudios que desarrollan modelos que utilizan solo un biomarcador o un factor de pronóstico independiente; (5) estudios metodológicos y estudios puramente de detección de factores de riesgo; y (6) estudios que no estén en inglés, reseñas, cartas, resúmenes de conferencias, publicaciones duplicadas u opiniones de expertos.
Con base en los criterios de inclusión y exclusión, se realizó una selección manual inicial de los resultados deduplicados mediante la revisión de los títulos y resúmenes. Se incluyeron provisionalmente los artículos cuya inclusión no pudo determinarse por falta de información. Se realizó una segunda selección de los artículos seleccionados mediante lectura de texto completo. Al final, se incluyeron un total de 46 estudios en la revisión sistemática. El cribado inicial fue realizado por un solo investigador, mientras que el segundo cribado fue realizado de forma independiente por dos investigadores. Cualquier problema o discrepancia encontrada durante el proceso se resolvió mediante discusión.
Recopilación de datos
El proceso de recopilación de datos utilizó formularios CHARMS estandarizados para la extracción (8). La información recopilada incluyó el título del estudio, el primer autor, el año de publicación y la revista, el país, la fuente de datos, los participantes, los resultados a predecir, los predictores, el tamaño de la muestra, los métodos para manejar los datos faltantes, los métodos de modelado, el rendimiento del modelo, la validación del modelo y los conocimientos básicos. información sobre el modelo final. Un investigador extrajo los datos mientras otro los revisaba. Cualquier discrepancia se resolvió mediante discusión. Los elementos que no se encontraron en el texto completo, materiales complementarios o estudios previos referenciados se marcaron como «no informados» o «poco claros». Luego, los datos extraídos se resumieron y analizaron para proporcionar información básica del estudio y las características del modelo.
Para el análisis estadístico, cada modelo predictivo desarrollado para diferentes resultados o características de la población AECOPD se contó por separado, excluyendo aquellos sin evaluación de desempeño. Para los estudios que utilizaron múltiples métodos de modelado para la misma población y resultado clínico, solo se incluyeron los mejores resultados del método. Si el mismo modelo se validó para otros resultados, solo se incluyó información inicial del modelado.
Evaluación de calidad
El modelo de predicción Risk Of Bias Assessment Tool (PROBAST) se utiliza para evaluar el riesgo de…
