Development and Internal Validation of a Clinical Decision Support Nomogram for Predicting Neonatal Intensive Care Unit Admission in Late-Onset Preeclampsia

Resumen Técnico: Desarrollo y Validación Interna de un Nomograma de Soporte para la Decisión Clínica para Predecir el Ingreso en la UCIN en la Preeclampsia de Inicio Tardío

Planteamiento del Problema
La preeclampsia de inicio tardío (≥34 semanas de gestación) presenta un desafío clínico significativo. Aunque a menudo es menos grave que la enfermedad de inicio temprano, representa una gran proporción de los casos de preeclampsia y se asocia con una morbilidad neonatal relevante. Un punto de decisión crítico ocurre intraparto o inmediatamente después del parto, donde los clínicos deben determinar la necesidad de ingreso en la Unidad de Cuidados Intensivos Neonatales (UCIN). Los modelos de predicción actuales suelen basarse en el cribado del embarazo temprano o no se alinean con el horizonte temporal específico y los datos disponibles (por ejemplo, eventos del trabajo de parto, peso al nacer) necesarios para el triaje neonatal inmediato en casos de inicio tardío. Existe la necesidad de una herramienta de estimación de riesgo individualizada y transparente que utilice variables recopiladas de rutina disponibles en el momento del parto para apoyar la planificación de recursos y la preparación del equipo.

Metodología
El estudio empleó un diseño de cohorte retrospectivo que involucró a 560 mujeres diagnosticadas con preeclampsia que dieron a luz a las ≥34 semanas de gestación en el Hospital de Maternidad y Salud Infantil de Fujian entre 2016 y 2020.

• Partición de Datos: Las participantes fueron asignadas aleatoriamente a una cohorte de entrenamiento (n=392) y una cohorte de prueba interna (n=168) en una proporción de 7:3.
• Selección de Predicctores: Se consideró un amplio conjunto de predictores candidatos, incluyendo demografía materna, comorbilidades (diabetes, anemia), inicio del control prenatal (específicamente antes de las 24 semanas), eventos intraparto (fiebre, sufrimiento fetal, duración del trabajo de parto), tratamientos (sulfato de magnesio) y variables neonatales (peso al nacer).
• Desarrollo del Modelo:
  1. Selección de Características: Se aplicó la regresión logística de LASSO (Least Absolute Shrinkage and Selection Operator) en la cohorte de entrenamiento para filtrar los predictores candidatos y prevenir el sobreajuste.
  2. Modelado Multivariable: Las variables seleccionadas se introdujeron en un modelo de regresión logística multivariable.
  3. Visualización: El modelo final se convirtió en un nomograma y se implementó como una calculadora web independiente.
• Validación y Evaluación:
  • Discriminación: Evaluada mediante el Área Bajo la Curva Característica de Operación del Receptor (AUC).
  • Calibración: Evaluada mediante gráficos de calibración, pendiente de calibración e intercepto.
  • Desempeño General: Medido mediante el puntaje de Brier.
  • Utilidad Clínica: Evaluada mediante el Análisis de la Curva de Decisión (DCA) para determinar el beneficio neto a través de umbrales de probabilidad.
  • Validación Interna: Se realizó una validación por bootstrap (1,000 remuestreos) para calcular estadísticas corregidas por optimismo.
• Informes: El estudio se adhirió a los principios TRIPOD y a la guía actualizada TRIPOD+AI.

Contribuciones Clave

• Ventana de Predicción Dirigida: A diferencia de las herramientas de cribado del embarazo temprano, este modelo está diseñado específicamente para el punto de decisión intraparto o inmediatamente posterior al parto, integrando variables que solo están disponibles durante el trabajo de parto (por ejemplo, duración del trabajo de parto, fiebre intraparto, peso al nacer).
• Integración Multivariable: El modelo sintetiza diversos puntos de datos, incluyendo comorbilidades maternas, antecedentes de control prenatal, estresores intraparto y métricas neonatales, en lugar de depender de predictores aislados.
• Implementación de la Herramienta Clínica: Los autores desarrollaron una calculadora web intuitiva y un nomograma, traduciendo coeficientes de regresión complejos en un formato transparente para la entrega de información clínica y la planificación de recursos.

Resultados

• Prevalencia del Resultado: El ingreso en la UCIN ocurrió en 91 de 560 neonatos (16.3%).
• Predictores Finales: El modelo multivariable retuvo nueve predictores:
  • Asociaciones Positivas: Diabetes (OR 2.53), Tratamiento con Sulfato de Magnesio Durante el Embarazo (MSTDP) (OR 2.31), y una tendencia para la fiebre intraparto (OR 3.70, p=0.058).
  • Asociación Negativa: Inicio del control prenatal a las 24 semanas (OR 0.48).
  • Predictor más Fuerte: Peso al nacer (OR 1.00 por gramo, p<0.001).
  • No Significativos/Inestables: Las categorías de anemia, el sufrimiento fetal (debido a la escasez de eventos) y las duraciones de las etapas del trabajo de parto no fueron independientes significativos en el modelo final, aunque algunos se mantuvieron por interpretabilidad clínica o selección de LASSO.
• Métricas de Desempeño:
  • Cohorte de Entrenamiento: AUC de 0.814 (IC 95% 0.747–0.881).
  • Cohorte de Prueba Interna: AUC de 0.767 (IC 95% 0.671–0.863).
  • Validación por Bootstrap: Estadístico C optimista corregido de 0.770, pendiente de calibración de 0.844 y puntaje de Brier de 0.097.
  • Validación de la Cohorte de Prueba: Puntaje de Brier de 0.131 y pendiente de calibración de 0.863.
• Utilidad Clínica: El Análisis de la Curva de Decisión indicó que el nomograma proporciona un mayor beneficio neto que las estrategias de "tratar a todos" o "no tratar a nadie" a través de los umbrales de probabilidad relevantes.

Significancia y Reivindicaciones
Los autores afirman que este estudio proporciona una herramienta práctica, validada internamente, para estimar el riesgo de ingreso en la UCIN específicamente para neonatos nacidos de mujeres con preeclampsia de inicio tardío. La principal significancia radica en su utilidad como un sistema de soporte para la decisión más que como una regla diagnóstica. El modelo está destinado a:

1. Organizar los datos rutinariamente disponibles del periodo del parto en una estimación de riesgo transparente.
2. Facilitar la notificación temprana al equipo neonatal.
3. Apoyar el monitoreo anticipatorio y una asignación más deliberada de los recursos de la UCIN.

El documento mantiene explícitamente una postura modesta respecto a su alcance actual. Reconoce que el modelo se basa en un diseño retrospectivo de un solo centro y que las tasas de ingreso en la UCIN están influenciadas por los protocolos institucionales y la dotación de personal. En consecuencia, los autores declaran que se requiere validación externa, actualización de la calibración y evaluación prospectiva del flujo de trabajo antes de que la herramienta pueda recomendarse para la implementación clínica de rutina. El modelo no pretende reemplazar la evaluación neonatal, sino aumentar el proceso de preparación en el momento del parto.