📄 medicine

Risk-based preoperative red-cell ordering in abdominal and pelvic cancer surgery: a retrospective model development and temporal evaluation study

Este estudo retrospectivo desenvolveu um modelo de risco pré-operatório para transfusão de hemácias em cirurgias de câncer abdominal e pélvico que demonstrou forte discriminação em uma coorte de validação temporal, embora problemas de calibração necessitem de recalibração local adicional e avaliação prospectiva antes da implementação clínica.

Autores originais: Jingjing Zheng, Ying Wang, Qingwei zhou

Publicado 2026-08-07

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Jingjing Zheng, Ying Wang, Qingwei zhou

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está organizando uma festa de pizza massiva e de alto risco. Você precisa garantir que todos que ficarem com fome tenham uma fatia esperando por eles, mas também não quer desperdiçar dinheiro assando 100 pizzas se apenas 10 pessoas forem realmente comer. No mundo da cirurgia, a "pizza" é um saco de glóbulos vermelhos, e as "pessoas famintas" são os pacientes que podem precisar de uma transfusão durante ou após uma operação. Durante muito tempo, os hospitais usaram uma regra prática simples: "Se você vai passar por este tipo específico de cirurgia, peça sempre dois sacos de sangue por precaução". É como assar 100 pizzas para cada festa, independentemente de quem aparecer. Isso mantém todos seguros, mas cria muito desperdício e entope a cozinha (o banco de sangue). Cientistas têm tentado construir um "preditor de fome" mais inteligente que olhe para a pessoa específica, não apenas para o tipo de cirurgia, para adivinhar exatamente quem precisa de uma fatia. Este novo estudo tenta construir esse preditor para cirurgias de câncer envolvendo o abdômen e a pelve, testando se um palpite inteligente é melhor do que uma regra generalizada.

Os pesquisadores do Centro Médico Ningbo Lihuili decidiram jogar um jogo de "prever o futuro" usando dados de pacientes reais. Eles analisaram retrospectivamente 541 pacientes que passaram por cirurgia eletiva de câncer em 2024 para construir seu modelo de "preditor de fome". Este modelo não olhou apenas para o tipo de cirurgia; ele espiou a idade do paciente, seus níveis sanguíneos pré-cirúrgicos (hemoglobina), sua saúde geral e se o paciente já havia passado por cirurgias anteriores. Eles usaram um truque matemático inteligente (chamado regressão logística com penalização ridge) para pesar todos esses sinais juntos para adivinhar a chance de um paciente precisar de sangue dentro de 72 horas após sua operação.

Depois de construírem este modelo, eles não apenas se deram tapinhas nas costas. Eles o colocaram à prova definitiva: a "avaliação temporal". Eles pegaram exatamente o mesmo modelo, com todas as suas configurações travadas, e o aplicaram a um novo grupo de 527 pacientes que passaram por cirurgia em 2025. Eles queriam ver se o modelo ainda funcionaria com novas pessoas, ou se estava apenas memorizando os dados antigos. Os resultados foram promissores, mas não perfeitos. O modelo foi muito bom em identificar quem precisaria de sangue, superando o antigo método de "apenas olhar o tipo de cirurgia" e até mesmo um simples teste de "o paciente está anêmico?". No grupo de 2025, o modelo identificou o risco com uma pontuação (AUC) de 0,790, o que é um desempenho sólido.

No entanto, o modelo tinha um pequeno traço de personalidade: ele tendia a superestimar o quão famintos os pacientes estavam. Ele achava que mais pessoas precisavam de sangue do que realmente precisavam. Por causa disso, os pesquisadores tiveram que ser cuidadosos sobre como usar as previsões do modelo. Eles definiram um "limiar de segurança" específico para decidir quando pedir sangue. Eles escolheram uma configuração que capturaria 95% dos pacientes que realmente precisariam de sangue (uma rede de segurança alta). Com essa configuração, o modelo sugeriu pedir sangue para 421 pacientes.

É aqui que a mágica acontece: no mundo real de 2025, os médicos haviam pedido sangue para 516 pacientes. A sugestão do modelo teria economizado 95 pedidos de sangue. Isso é como pular 95 pizzas desnecessárias! O modelo foi incrivelmente preciso em seu trabalho, perdendo apenas dois pacientes que acabaram precisando de sangue (uma sensibilidade de 97,7%). Isso significa que o modelo identificou com sucesso quase todos que precisavam de ajuda, enquanto evitava uma enorme quantidade de desperdício.

Mas os autores têm cuidado para não chamar isso de um "problema resolvido" ou uma "vitória" que possa ser usada em qualquer lugar amanhã. Eles descobriram que, embora o modelo fosse bom em classificar pacientes (saber quem era mais arriscado do que quem), os números reais que ele cuspia eram um pouco imprecisos para o grupo de 2025. É como um aplicativo de previsão do tempo que prevê corretamente que "é mais provável que chova hoje do que ontem", mas erra a porcentagem exata de chuva. Por causa disso, os pesquisadores dizem que o modelo precisa de um "ajuste local" (recalibração) e de mais testes antes que os hospitais possam começar a usá-lo para tomar decisões finais. Eles também observaram que isso foi uma simulação baseada em dados passados; eles não mudaram de fato o fluxo de trabalho do hospital para ver se economizariam dinheiro ou tempo na vida real.

Em resumo, este estudo construiu uma ferramenta inteligente e simples que pode olhar para um paciente de cirurgia de câncer e adivinhar suas necessidades de sangue melhor do que as antigas regras de "tamanho único". Mostrou que, ao olhar para o indivíduo, os hospitais poderiam potencialmente evitar o pedido de sangue para quase 20% dos pacientes que não precisam dele, sem deixar ninguém desamparado. No entanto, como os números do modelo eram ligeiramente altos demais para o novo grupo, ele ainda não está pronto para substituir o julgamento dos médicos. É uma bússola poderosa para a jornada, mas o mapa ainda precisa de um pouco de desenho local antes que possa guiar todo o navio.

Resumo Técnico: Solicitação de Hemácias Pré-operatória Baseada em Risco em Cirurgias de Câncer Abdominal e Pélvico

Definição do Problema
A solicitação pré-operatória de hemácias visa garantir o acesso oportuno a sangue compatível para pacientes em risco de transfusão perioperatória. No entanto, a compatibilização de rotina baseada em amplas categorias cirúrgicas frequentemente excede os requisitos reais de transfusão, aumentando os testes pré-transfusionais e a carga de trabalho da agência transfusional. Embora os cronogramas de solicitação de sangue por procedimento, baseados em dados e específicos de cada instituição, tenham melhorado a eficiência, eles permanecem ancorados na demanda média por procedimento e falham em capturar as variações de risco de transfusão ao nível do paciente, impulsionadas pela hemoglobina pré-operatória, estado clínico e abordagem operatória. Além disso, o desempenho temporal, a calibração e as consequências clínicas da aplicação de modelos de predição específicos para o paciente em coortes subsequentes permanecem subcaracterizados.

Metodologia
Este estudo retrospectivo de centro único, realizado no Centro Médico Ningbo Lihuili, desenvolveu e avaliou temporalmente um modelo de risco de transfusão de hemácias pré-operatória para adultos submetidos a cirurgia eletiva de câncer abdominal ou pélvico.

Coortes: Pacientes tratados em 2024 formaram a coorte de desenvolvimento ( $n=541$ ), enquanto aqueles tratados em 2025 formaram a coorte de avaliação temporal ( $n=527$ ). A coorte temporal foi estritamente mantida para validação e não foi utilizada para especificação de preditores, ajuste do modelo ou determinação de limiares.
Desfecho: O desfecho primário foi qualquer transfusão de hemácias (>0 unidades) durante o período intraoperatório ou dentro de 72 horas após a cirurgia.
Preditores: O modelo utilizou variáveis pré-operatórias rotineiramente disponíveis: idade, sexo, abordagem cirúrgica planejada, histórico de cirurgia abdominal/pélvica prévia, estado físico ASA, categoria cirúrgica e hemoglobina pré-operatória.
Especificações do Modelo: Cinco modelos candidatos foram avaliados usando regressão logística com penalidade Ridge:
1. Apenas procedimento (categoria e abordagem cirúrgica).
2. Anemia binária (hemoglobina <130 g/L para homens, <120 g/L para mulheres).
3. Modelo de hemoglobina linear contínua primário.
4. Modelo de spline cúbica restrita (três nós para hemoglobina).
5. Modelo laboratorial expandido (adicionando contagem de plaquetas, INR e uso de anticoagulantes).
Desenvolvimento e Validação: Os parâmetros de penalidade Ridge foram selecionados via validação cruzada de cinco dobras na coorte de 2024. A validação interna utilizou 500 reamostragens não paramétricas de bootstrap para calcular métricas de desempenho com correção de otimismo (AUC, escore de Brier, calibração).
Definição de Limiares: Limiares de compatibilização baseados em sensibilidade (visando 90%, 95%, 97,5% e 99% de sensibilidade) foram derivados exclusivamente da coorte de desenvolvimento de 2024 usando predições fora da dobra (out-of-fold) de dez dobras. Esses limiares foram "travados" e aplicados sem alterações à coorte temporal de 2025 para quantificar o compromisso entre a redução da compatibilização e os eventos de transfusão perdidos.

Principais Resultados

Desempenho do Modelo: O modelo de hemoglobina linear contínua primário demonstrou discriminação superior em comparação aos modelos de apenas procedimento e de anemia binária.
- Coorte de Desenvolvimento: AUC com correção de otimismo de 0,812.
- Coorte Temporal (2025): AUC de 0,790 (IC 95% 0,738–0,844).
- Comparações: O modelo de anemia binária alcançou uma AUC temporal de 0,713, e o modelo de apenas procedimento alcançou 0,622. O modelo de spline cúbica apresentou desempenho semelhante ao modelo linear (AUC temporal 0,808).
Calibração: Na coorte temporal, o modelo primário exibiu má calibração, com um intercepto de calibração de −0,480 e uma inclinação de 0,781. Isso indica uma superestimação geral do risco e predições excessivamente dispersas no ano subsequente.
Análise de Limiar (Alvo de 95% de Sensibilidade):
- Um limiar travado de 3,83% de risco previsto foi aplicado à coorte de 2025.
- Esta estratégia recomendou a compatibilização para 421 pacientes (79,9% da coorte), comparado a 516 pacientes na prática observada.
- Impacto: Isso representou uma redução de 95 compatibilizações (18,0 por 100 pacientes) mantendo uma sensibilidade de 97,7% e um valor preditivo negativo (VPN) de 98,1%.
- Eventos Perdidos: Apenas dois dos 86 eventos de transfusão na coorte temporal ocorreram abaixo do limiar de 3,83%.
Análises de Sensibilidade: A recodificação da abordagem cirúrgica com base na abordagem final real ou a adição de variáveis laboratoriais (plaquetas, INR, medicamentos) não melhorou significativamente o desempenho temporal. O modelo de spline mostrou ganho incremental limitado sobre o modelo linear.

Significância e Alegações
Os autores afirmam que um modelo parcimonioso baseado em variáveis pré-operatórias rotineiramente disponíveis pode manter a discriminação para o risco de transfusão de hemácias em uma coorte de ano subsequente, superando as abordagens tradicionais baseadas em procedimentos e em anemia binária. O estudo demonstra que os limiares de compatibilização baseados em risco podem ser derivados para negociar explicitamente o volume de compatibilização contra a captura de eventos, reduzindo potencialmente a carga de trabalho desnecessária da agência transfusional sem comprometer significativamente a segurança do paciente.

No entanto, o artigo mantém uma postura modesta quanto à implementação clínica. Ele destaca que a descalibração temporal (superestimação de risco) limita a implementação direta do modelo sem ajustes. Os autores concluem que, embora o modelo sirva como uma estratégia promissora de suporte à decisão, ele requer recalibração local, validação externa e avaliação de impacto prospectiva antes da adoção clínica. O estudo enfatiza que o modelo é destinado a apoiar, e não substituir, o julgamento clínico e as vias existentes de solicitação de sangue da instituição.

Mais como este