Early prediction of 30-day mortality in critically ill patients with interstitial lung disease and acute hypoxemic respiratory failure: development and external validation of a clinically interpretable model

Resumen Técnico: Predicción Temprana de la Mortalidad a 30 Días en Pacientes Críticamente Enfer con ILD y AHRF

Planteamiento del Problema
Los pacientes críticamente enfermos con enfermedad pulmonar intersticial (ILD) que desarrollan insuficiencia respiratoria hipoxémica aguda (AHRF) enfrentan un alto riesgo de muerte temprana. Sin embargo, estimar el pronóstico al inicio de la admisión en la Unidad de Cuidados Intensivos (UCI) sigue siendo un desafío. Las herramientas pronósticas existentes suelen presentar limitaciones tales como el enfoque en resultados a largo plazo, el direccionamiento a fenotipos específicos de ILD, la falta de validación externa independiente o la dependencia de variables que solo están disponibles después de que se toman las decisiones de tratamiento. Este estudio aborda la necesidad de un modelo de predicción temprano, clínicamente interpretable, que distinga entre la gravedad basal (disponible al ingreso en la UCI) y las variables relacionadas con el tratamiento, facilitando así la estratificación de riesgo temprana antes de que se comprenda el panorama clínico completo.

Metodología
Este estudio de predicción retrospectiva empleó un diseño de doble cohorte que involucró una cohorte de desarrollo y una cohorte de validación externa independiente.

• Fuentes de Datos:
  • Cohorte de Desarrollo: Derivada de la base de datos MIMIC-IV (versión 2.0), que comprende 317 pacientes adultos (≥18 años) con una estancia en la UCI >24 horas, ILD y PaO₂/FiO₂ ≤300 mmHg. Esta cohorte se dividió en una proporción 70:30 en un conjunto de entrenamiento (n=221) y un conjunto de prueba interno (n=96).
  • Cohorte de Validación Externa: Una cohorte multicéntrica independiente de la provincia de Fujian, China, que comprende 198 pacientes que cumplen con los mismos criterios de inclusión.
• Resultado: El desenlace primario fue la mortalidad por todas las causas a los 30 días.
• Selección de Predictores:
  • Modelo Primario: Restringido a variables tempranas y no relacionadas con el tratamiento disponibles dentro de las primeras 24 horas de la admisión en la UCI (demografía, fisiología, laboratorios).
  • Modelo Aumentado: Incluyó variables relacionadas con el tratamiento y el proceso (p. ej., ventilación mecánica invasiva, uso de glucocorticoides) para probar si mejoraban la discriminación.
  • Reducción de Variables: Se utilizó la selección de estabilidad por bootstrap con regresión logística penalizada con L1. Los predictores se retuvieron basándose en umbrales de frecuencia de selección (0.70–0.85) e interpretabilidad clínica.
• Manejo de Datos Faltantes: Se realizó una imputación simple (mediana para variables continuas, moda para categóricas) basada en los parámetros del conjunto de entrenamiento y se aplicó a los conjuntos de prueba/validación. Los análisis de sensibilidad incluyeron la imputación múltiple por ecuaciones encadenadas (MICE) y el análisis de casos completos.
• Métricas de Evaluación: El rendimiento se evaluó mediante AUROC (discriminación), puntuación de Brier (exactitud general), gráficos de calibración (intercepto y pendiente) y Análisis de Curva de Decisión (utilidad clínica). Se utilizaron análisis de división repetida (500 iteraciones) para evaluar la estabilidad.

Contribuciones Clave

1. Desarrollo de un Modelo Temprano Parsimonioso: El estudio derivó un modelo de 6 variables (Edad, PaO₂/FiO₂, Frecuencia Respiratoria, Albúmina, Lactato, LDH) que depende únicamente de datos basales disponibles al ingreso o cerca del ingreso en la UCI.
2. Validación Externa Rigurosa: El modelo fue validado contra una cohorte multicéntrica independiente con una mezcla de casos significativamente diferente (p. ej., mayor prevalencia de ILD asociada a enfermedades del tejido conectivo y malignidad, diferentes patrones de tratamiento) en comparación con la cohorte de desarrollo MIMIC-IV.
3. Distinción entre Discriminación y Calibración: El estudio comparó explícitamente un modelo "no relacionado con el tratamiento" frente a un modelo "aumentado" informado por el tratamiento, destacando que una mejora en la discriminación no necesariamente equivale a una mejora en la exactitud predictiva general o en la calibración en poblaciones heterogéneas.
4. Análisis de Recalibración: Los autores demostraron que, si bien el modelo primario mantuvo una discriminación moderada externamente, sufrió de una mala calibración (pendiente < 1), lo cual fue corregido parcialmente mediante la recalibración logística (actualizando tanto el intercepto como la pendiente).

Resultados

• Desempeño del Modelo:
  • Modelo Primario (6 variables): Logró un AUROC de 0.718 en el conjunto de prueba interno y de 0.663 en la cohorte de validación externa. La puntuación de Brier fue de 0.246.
  • Modelo Aumentado (6 variables incluyendo tratamiento): Logró una mayor discriminación con AUROCs de 0.748 (interno) y 0.726 (externo). Sin embargo, tuvo una peor puntuación de Brier (0.272) y una peor calibración (intercepto 1.65, pendiente 0.366) en la cohorte externa en comparación con el modelo primario.
• Efectos de los Predictores: En el modelo primario, la edad elevada, la PaO₂/FiO₂ baja, la frecuencia respiratoria alta, la albúmina baja y el lactato alto se asociaron significativamente con un mayor riesgo de mortalidad a 30 días. La LDH mostró un efecto menor y no significativo en el modelo final, pero se mantuvo direccionalmente consistente.
• Análisis de Subgrupos: La discriminación varió entre los subgrupos en la cohorte externa. El modelo funcionó mejor en hombres, pacientes ≥70 años, aquellos sin malignidad y aquellos con niveles más altos de albúmina/LDH. El rendimiento fue menor en mujeres, pacientes con malignidad, subtipos de CTD-ILD y niveles bajos de albúmina.
• Sensibilidad: Los análisis de división repetida confirmaron la estabilidad del modelo primario, aunque el rendimiento siguió siendo inferior en la cohorte externa respecto al flujo de trabajo de desarrollo. La imputación múltiple y los análisis de casos completos arrojaron AUROCs externos similares (0.654 y 0.650, respectivamente), lo que sugiere que los hallazgos fueron robustos a la estrategia de manejo de datos faltantes.

Significancia y Reivindicaciones
El artículo sostiene que un modelo parsimonioso basado en variables tempranas no relacionadas con el tratamiento proporciona una herramienta clínicamente interpretable y validada externamente para la estratificación de riesgo a corto plazo en pacientes críticamente enfermos con ILD y AHRF. Los autores enfatizan que, si bien añadir variables relacionadas con el tratamiento mejora la discriminación (AUROC), esto no mejora la exactitud predictiva general (puntuación de Brier) ni la calibración, debido probablemente a la influencia de los patrones de práctica local y las decisiones de manejo específicas de cada centro sobre dichas variables.

En consecuencia, el estudio concluye que el modelo primario es la opción más apropiada para la estratificación de riesgo temprana a la cabecera del paciente, ya que se basa en datos disponibles antes de la escalada del tratamiento. No obstante, los autores señalan modestamente que la discriminación externa sigue siendo moderada. Afirman que, antes de su uso clínico rutinario en entornos con mezclas de casos o patrones de práctica sustancialmente diferentes, es necesaria una recalibración local (específicamente actualizando tanto el intercepto como la pendiente) para asegurar una estimación de probabilidad precisa. El estudio se posiciona no como un modelo universalmente superior, sino como un marco más claro para extraer información pronóstica tempranamente, antes de que las decisiones de manejo posteriores dominen la señal clínica.