02642nam a2200289 4500 ESSALUD 20240820121523.0 ta t2024 sp ||||| |||| 00| 0 spa d BMG spa Ko, Ryoung-Eun autor 47646 Métodos de aprendizaje automático para el desarrollo de un modelo predictivo de delirio durante el ingreso en unidades de cuidados intensivos cardiacos páginas 547-555 Este estudio surge de la creciente importancia del delirio como factor pronóstico en la unidad de cuidados intensivos cardiacos (UCIC) y tiene como meta desarrollar un modelo predictivo del delirio en dichos pacientes. Se tomó una muestra de pacientes consecutivos de la UCIC del Samsung Medical Center. Se aplicaron técnicas de aprendizaje automático como random forest, extreme gradient boosting, cuadrados mínimos parciales y Plmnet-elastic.net para evaluar las variables del modelo. Después de identificar las variables pertinentes, se realizó un análisis de regresión logística para formular el modelo. Para la validación interna, se utilizó un método de validación de hold-out repetido 100 veces. Se analizó a 2.774 pacientes, de los cuales 677 (24,4%) desarrollaron delirio en la UCIC. Los modelos basados en aprendizaje automático mostraron un alto rendimiento predictivo. Se seleccionaron predictores relevantes y comunes para construir el modelo, que incluía: nivel de albúmina, INR, nitrógeno ureico en sangre, recuento de leucocitos, nivel de proteína C reactiva, edad, frecuencia cardiaca y ventilación mecánica. El modelo obtuvo un área bajo la curva ROC de 0,861 (IC95%, 0,843-0,879), y se confirmó su eficacia en la validación interna con validación cruzada repetida 100 veces (área bajo la curva ROC, 0,854; IC95%, 0,826-0,883). Se desarrolló un nuevo modelo de predicción de delirio, utilizando variables de alta importancia en 4 métodos de aprendizaje automático. Este modelo puede ser una herramienta práctica para evaluar el riesgo de delirio en pacientes de la UCIC. DELIRIO 15095 UNIDADES DE CUIDADOS CORONARIOS 41042 APRENDIZAJE AUTOMÁTICO 37016 MODELO DE RIESGO Lee, Jihye autor 47647 Kim, Sungeun autor 47648 Ahn, Joong Hyun autor 47649 Na, Soo Jin autor 47650 Yang, Jeong Hoon autor 47651 16438 21511 Barcelona Elsevier RECARDIO051 Revista Española de Cardiología ESSALUD 1579-2242 ARTICULOS 2024-08-20 AFC 20555 20555