Resumen de ¿Podrían ayudarnos los algoritmos de machine learning en la predicción de hemorragia masiva a nivel prehospitalario?

Marcos Valiente Fernández, C. García Fuentes, Francisco de Paula Delgado Moya, Adrián Marcos Morales, Hugo Fernández Hervás, Jesús Abelardo Barea Mendoza, Carolina Mudarra Reche, S. Bermejo Aznárez, Reyes Muñoz Calahorro, Laura López García, Fernando Monforte Escobar, Mario Chico Fernández

• Objetivo Comparación de la capacidad predictiva de diferentes algoritmos de machine learning (AML) respecto a escalas tradicionales de predicción de hemorragia masiva en pacientes con enfermedad traumática grave (ETG).

  Diseño Sobre una base de datos de una cohorte retrospectiva con variables clínicas prehospitalarias y de resultado de hemorragia masiva se realizó un tratamiento de la base de datos para poder aplicar los AML, obteniéndose un conjunto total de 473 pacientes (80% entrenamiento, 20% validación). Para la modelización se realizó imputación proporcional y validación cruzada. El poder predictivo se evaluó con la métrica ROC y la importancia de las variables mediante los valores Shapley.

  Ámbito Atención extrahospitalaria del paciente con ETG.

  Pacientes Pacientes con ETG atendidos en el medio extrahospitalario por un servicio médico extrahospitalario desde enero de 2010 hasta diciembre de 2015 y trasladados a un centro de trauma en Madrid.

  Intervenciones Ninguna.

  Variables de interés principales Obtención y comparación de la métrica ROC de 4 AML: random forest, support vector machine, gradient boosting machine y neural network con los resultados obtenidos con escalas tradicionales de predicción.

  Resultados Los diferentes AML alcanzaron valores ROC superiores al 0,85, teniendo medianas cercanas a 0,98. No encontramos diferencias significativas entre los AML. Cada AML ofrece un conjunto de variables diferentes, pero con predominancia de las variables hemodinámicas, de reanimación y de deterioro neurológico.

  Conclusiones Los AML podrían superar a las escalas tradicionales de predicción en la predicción de hemorragia masiva.