📄 intensive care and critical care medicine

Development of an Intelligent Predictive Indicator System for Weaning and Extubation Timing in Mechanically Ventilated Patients Based on the Delphi Method

Este estudio utilizó el método Delphi para desarrollar un sistema integral de indicadores predictivos inteligentes, validado por expertos, que consta de seis indicadores primarios y 58 secundarios para guiar la temporización del destete y la extubación en pacientes con ventilación mecánica, estableciendo así un marco robusto para el apoyo a la decisión clínica y la evaluación inteligente en cuidados críticos.

Autores originales: Li, P., Wang, Y., Zhang, Y., Meng, X., Zhang, H.

Publicado 2026-08-04

📖 5 min de lectura🧠 Análisis profundo

CC BY 4.0

Autores originales: Li, P., Wang, Y., Zhang, Y., Meng, X., Zhang, H.

Artículo original bajo licencia CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta es una explicación generada por IA de un preprint que no ha sido revisado por pares. No es consejo médico. No tome decisiones de salud basándose en este contenido. Leer descargo de responsabilidad completo

Imagine la Unidad de Cuidados Intensivos (UCI) como la cabina de mando de un avión de alto riesgo donde el sistema de soporte vital de un paciente es el avión mismo. Cuando un paciente no puede respirar por sí solo, necesita una máquina que haga el trabajo por él. Pero hay un momento delicado en cada vuelo: decidir exactamente cuándo dejar que el piloto retome los controles. Si se le permite tomar el mando demasiado pronto, el avión podría estrellarse (el paciente vuelve a tener dificultades para respirar). Si se espera demasiado, los músculos del piloto podrían debilitarse por estar inactivos, o el avión podría sufrir daños por el peso adicional. En este momento, los médicos y enfermeros a menudo tienen que adivinar este tiempo basándose en la experiencia, como un piloto que vuela por instinto sin un tablero de instrumentos perfecto. Esto es arriesgado porque adivinar mal puede llevar a pasar más tiempo en la máquina, más infecciones o peores resultados. La gran pregunta es: ¿cómo construimos un tablero digital súper inteligente que nos diga el momento exacto de cambiar de la respiración mecánica a la respiración humana?

Este artículo trata sobre la construcción del plano para ese tablero digital. Un equipo de investigadores del Hospital de la Gente de la Universidad de Pekín decidió dejar de adivinar y empezar a diseñar un sistema "inteligente". No se limitaron a inventar una lista de reglas; utilizaron un método llamado método Delphi, que es como organizar un juego de "consenso de expertos" de varias rondas muy serio. Imagine reunir a 21 de los mejores médicos, enfermeros y terapeutas respiratorios de la UCI del mundo en una sala (virtualmente, en este caso) y preguntarles: "¿Cuáles son las señales más importantes que nos indican que un paciente está listo para respirar por sí solo?".

Los investigadores comenzaron investigando miles de estudios médicos antiguos para encontrar cada pista posible. Terminaron con una pila desordenada de 204 pistas potenciales, que iban desde resultados de análisis de sangre hasta cómo se sienten los pulmones del paciente. Luego, enviaron esta lista a sus 21 expertos. Los expertos calificaron cada una de las pistas según su importancia, desde "no importante" hasta "superimportante". También discutieron sobre la redacción y añadieron nuevas ideas que consideraban que faltaban.

Después de la primera ronda de votación, el equipo se dio cuenta de que debían ordenar las cosas. Añadieron 13 nuevas pistas (como comprobar el dolor o cuánto aire se escapa alrededor del tubo de respiración) y separaron algunas categorías. Enviaron una lista revisada a los mismos expertos para una segunda ronda. Esta vez, los expertos estaban incluso más seguros de sus respuestas. ¿El resultado? Una lista limpia, organizada y con un alto nivel de acuerdo de 6 categorías principales y 58 reglas específicas que cubren todo el trayecto de un paciente en un ventilador.

Esto es lo que encontraron:

El sistema es completo: La nueva lista cubre todo, desde la historia médica del paciente antes de llegar siquiera a la UCI, hasta el momento en que se le retira la máquina e incluso lo que sucede justo después. Es como una lista de verificación que sigue al paciente desde el momento en que llega hasta que está a salvo.
Está diseñado para enfermeros y máquinas: Los expertos se aseguraron de que la lista incluya cosas que los enfermeros realmente pueden medir a pie de cama, como las escalas de dolor y qué tan alerta está el paciente. También organizaron los datos para que un programa informático (un "sistema de predicción inteligente") pueda leerlos fácilmente más adelante.
Los expertos estuvieron de acuerdo: Los médicos y enfermeros estuvieron casi al 100% de acuerdo en las señales más críticas, como la velocidad de la respiración del paciente, la fuerza de sus pulmones y si tiene una "vía aérea difícil".
La lista del "tal vez": Hubo algunos elementos, como el género del paciente o niveles específicos de azúcar en sangre, en los que los expertos no estuvieron totalmente de acuerdo. El artículo sugiere que estos podrían seguir siendo útiles, pero necesitan más pruebas para demostrar si son verdaderamente necesarios para el sistema final.

El artículo concluye que este nuevo "sistema de indicadores" está listo para ser utilizado como la base para construir un programa informático inteligente. No es un programa informático terminado todavía, pero es el manual de instrucciones perfecto para uno. Al tener una lista estandarizada y aprobada por expertos sobre qué observar, los hospitales pueden eventualmente construir herramientas que ayuden a los enfermeros y médicos a tomar decisiones más seguras, rápidas y precisas sobre cuándo retirar a un paciente de un ventilador. Los autores están seguros de que este sistema es científicamente sólido y está listo para el siguiente paso: probarlo en hospitales reales para ver si realmente ayuda a los pacientes a respirar con mayor facilidad.

Resumen Técnico: Desarrollo de un Sistema de Indicadores Predictivos Inteligentes para el Tiempo de Destete y Extubación

Planteamiento del Problema
La ventilación mecánica es una intervención crítica de soporte vital en las Unidades de Cuidados Intensivos (UCI), sin embargo, el tiempo de destete (weaning) y extubación sigue siendo un desafío clínico complejo. La práctica clínica actual depende en gran medida de la experiencia médica, careciendo de un sistema de indicadores de evaluación unificado y estandarizado. Las herramientas existentes suelen limitarse a dimensiones únicas, lo que impide evaluaciones integrales, dinámicas y precisas. La extubación prematura conlleva riesgos de reintubación y mortalidad, mientras que la extubación tardía aumenta las complicaciones y el consumo de recursos. Además, la enfermería de cuidados críticos carece de herramientas de apoyo estandarizadas para la evaluación auxiliar, lo que limita la eficacia de las intervenciones de enfermería. Con el auza de la inteligencia artificial en los cuidados críticos, existe una necesidad apremiante de un sistema de indicadores científico y sistemático que sirva como base para sistemas de decisión y predicción inteligente.

Metodología
Este estudio empleó un riguroso método Delphi combinado con una revisión sistemática de la literatura para construir un sistema de indicadores.

Generación del Conjunto Inicial de Ítems: Los investigadores realizaron una búsqueda exhaustiva en seis bases de datos (CNKI, Wanfang, VIP, PubMed, Embase, Cochrane Library) hasta diciembre de 2025, identificando 1,869 artículos. Tras el cribado y entrevistas con cinco clínicos expertos, se estableció un conjunto inicial de 204 ítems (5 indicadores primarios, 46 secundarios y 153 terciarios).
Panel de Expertos: Se seleccionó un panel de 21 expertos de hospitales de tercer nivel en China, compuesto por médicos de cuidados críticos, terapeutas respiratorios y enfermeros de cuidados críticos (con énfasis en la representación de enfermería). Todos los expertos contaban con ≥10 años de experiencia y títulos de nivel intermedio o superior.
Proceso Delphi: Se llevaron a cabo dos rondas de consulta en febrero y abril de 2026 a través de correo electrónico y WeChat.
- Ronda 1: Los expertos calificaron 203 ítems en una escala Likert de 5 puntos según su importancia y proporcionaron retroalimentación cualitativa.
- Ronda 2: Se distribuyó un cuestionario revisado con 21 de 211 ítems basado en el análisis estadístico y la retroalimentación de la Ronda 1.
Análisis Estadístico: Los datos se analizaron mediante SPSS 26.0. Las métricas clave incluyeron:
- Autoridad del Experto ( $C_r$ ): Calculada como el promedio del coeficiente de familiaridad ( $C_s$ ) y el coeficiente de base de juicio ( $C_a$ ).
- Consenso: Medido mediante el coeficiente de Kendall's W y el coeficiente de variación (CV).
- Cribado de Ítems: Los ítems fueron retenidos, revisados o eliminados basándose en las puntuaciones medias de importancia (≥4.00), el CV (≤0.25) y las recomendaciones cualitativas de los expertos.

Resultos Clave

Compromiso y Autoridad de los Expertos: Ambas rondas alcanzaron una tasa de respuesta efectiva del 100%. El coeficiente de autoridad de los expertos aumentó de 0.89 en la Ronda 1 a 0.93 en la Ronda 2, muy por encima del umbral de aceptabilidad de 0.70. El coeficiente de familiaridad mejoró notablemente de 0.80 a 0.96, lo que indica una profundización en la comprensión del sistema por parte de los expertos.
Consenso: Los coeficientes de Kendall's W fueron estadísticamente significativos ( $P < 0.001$ ) en ambas rondas (0.244 en la Ronda 1; 0.079 en la Ronda 2). La ligera disminución de W en la Ronda 2 se atribuyó a la adición de nuevos indicadores y a la reclasificación estructural, un fenómeno común en los estudios Delphi de múltiples rondas, más que a un sesgo de evaluación.
Estructura del Sistema: El sistema final consta de 6 indicadores primarios y 58 indicadores secundarios (con sus respectivos indicadores terciarios). Los indicadores primarios cubren toda la trayectoria clínica:
1. Antecedentes Médicos
2. Evaluación de Ingreso en UCI
3. Evaluación Pre-Destete/Extubación
4. Evaluación de Destete (Weaning)
5. Evaluación de Extubación
6. Resultados Post-Destete/Extubación
Refinamiento de Indicadores: El proceso resultó en 13 adiciones, 23 modificaciones y la separación de la dimensión "Destete/Extubación" en evaluaciones distintas de "Destete" y "Extubación". Los indicadores específicos de enfermería altamente respaldados incluyeron la puntuación RASS, la puntuación de dolor, la prueba de fuga de manguito (cuff leak test) y la presión de conducción a pie de cama.
Ítems Discordantes: Indicadores como el sexo, la glucosa en sangre y la urea en sangre retuvieron cierto desacuerdo (CV > 0.25) incluso después de dos rondas. Los autores atribuyen esto a la falta de evidencia causal directa y a las diferentes perspectivas entre las especialidades médicas y de enfermería respecto a su valor predictivo inmediato. Estos se designan como "indicadores pendientes de verificación".

Significancia y Reivindicaciones
Los autores sostienen que este estudio ha desarrollado con éxito un marco de indicadores integral, operable por enfermería y compatible con sistemas inteligentes. Las contribuciones clave incluyen:

Estandarización: El sistema proporciona una herramienta de evaluación unificada y estandarizada que cierra la brecha entre la toma de decisiones médicas y la evaluación de enfermería, abordando la actual falta de herramientas de apoyo estandarizadas en la enfermería de cuidados críticos.
Preparación para la Inteligencia Artificial: Al dividir las dimensiones de evaluación y estandarizar la terminología con puntos temporales claros, el sistema está diseñado estructuralmente para cumplir con los requisitos de formato de datos de los algoritmos de aprendizaje automático y los modelos de predicción inteligente.
Operabilidad Clínica: La inclusión de indicadores específicos de enfermería a pie de cama (por ejemplo, la prueba de fuga de manguito, la puntuación RASS) asegura que el sistema sea práctico para la aplicación clínica, no solo teórico.
Base para la IA: El sistema sirve como base teórica central para el desarrollo de sistemas de advertencia de riesgos y predicción inteligente para el tiempo de destete y extubación.

Los autores mantienen una postura modesta, reconociendo que el sistema requiere una futura asignación de pesos (mediante el Proceso de Jerarquía Analítica) y una validación prospectiva multicéntrica a gran escala para confirmar su rendimiento predictivo y su impacto práctico en los resultados de los pacientes. Enfatizan que el trabajo actual establece el marco de indicadores necesario, pero aún no constituye un modelo de predicción clínica totalmente validado.

Más como este