Predicción de eventos clínicos tras implante de prótesis aórtica trascatéter mediante aprendizaje automático

Abstract

[ES] 1. En este trabajo retrospectivo realizado a partir de una base de datos multicéntrica de pacientes con implante de prótesis aórtica transcatéter en España, los modelos predictivos de mortalidad, infarto de miocardio, ictus ó implante de marcapasos intrahospitalario y a 30 días, tanto basadós en aprendizaje automático como en técnicas de estadística clásica, mostraron una capacidad predictiva limitada. 2. Los modelos basados en técnicas de aprendizaje automático no presentaron una capacidad predictiva significativamente superior a las técnicas de estadística clásica en este contexto. 3.Las variables con un mayor impacto en los modelos predictivos de mortalidad fueron la clase funcional de la NYHA y el filtrado glomerular. 4. El antecedente de trastorno de la conducción fue el principal predictor de implante de marcapasos tras el procedimiento. 5. Existe una notable falta de reproducibilidad de las variables predictoras entre los modelos predictivos de estos eventos en la literatura, al igual que con los modelos desarrollados en este trabajo. 6. El carácter multicéntrico de la base de datos, aunque aporta validez externa, puede introducir sesgos en los modelos predictivos. En este trabajo, un modelo predictivo del hospital de procedencia de cada paciente presentó una gran exactitud, reflejando las diferencias significativas entre hospitales en la recogida de información. 7. La realización de técnicas de validación cruzada agrupando los pacientes de un hospital en un mismo fold podría ayudar a mitigan los sesgos derivados de una recogida desigual de los datos en bases multicéntricas.