Development and Internal Validation of a Nomogram for Concomitant Pulmonary Embolism in Patients With Lower-Extremity Deep Vein Thrombosis: A Comparison With Machine Learning Models
Este estudo desenvolveu e validou internamente um nomograma baseado em regressão logística utilizando preditores clínicos para estimar a probabilidade de embolia pulmonar concomitante em pacientes com trombose venosa profunda de membros inferiores, demonstrando desempenho comparável a modelos avançados de aprendizado de máquina, ao mesmo tempo em que oferece interpretabilidade superior, embora requeira validação externa antes da implementação clínica.
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
Quando um coágulo sanguíneo se forma nas veias profundas de uma perna, trata-se de um evento médico sério conhecido como trombose venosa profunda. O maior temor para médicos e pacientes é que um pedaço desse coágulo possa se desprender, viajar pela corrente sanguínea e alojar-se nos pulmões. Este evento secundário é chamado de embolia pulmonar e pode ser potencialmente fatal. Em muitos casos, o coágulo na perna e o coágulo nos pulmões aparecem ao mesmo tempo, mesmo que o paciente não apresente sinais específicos de problemas em sua respiração. Atualmente, a forma padrão de verificar um coágulo no pulmão é uma tomografia computadorizada especializada do tórax. No entanto, realizar esse exame em cada um dos pacientes com coágulo na perna não é prático. O exame envolve radiação e um corante que pode sobrecarregar os rins, por isso os médicos geralmente o reservam para pacientes que apresentam sinais claros de alerta, como falta de ar súbita ou queda nos níveis de oxigênio. Isso cria uma lacuna difícil: muitos pacientes com coágulos nas pernas podem também ter coágulos pulmonares silenciosos que passam despercebidos porque não parecem doentes o suficiente para desencadear uma tomografia.
Pesquisadores do Hospital de Amizade China-Japão, em Pequim, propuseram-se a preencher essa lacuna criando uma ferramenta para estimar a probabilidade de um coágulo pulmonar oculto em pacientes que acabaram de ser diagnosticados com um coágulo na perna. Eles reuniram dados de mais de 1.100 pacientes admitidos em seu hospital entre 2019 e 2024. Para cada paciente, analisaram um conjunto específico de sete fatores disponíveis no momento da admissão: idade, índice de massa corporal, um resultado de exame de sangue chamado D-dímero, se possuíam alguma doença pulmonar pré-existente, se tinham histórico de coágulos sanguíneos, a localização exata do coágulo na perna e se foram encontrados coágulos em outras veias do corpo, como nos braços ou no pescoço. Em seguida, compararam o desempenho de um método estatístico tradicional, conhecido como nomograma, contra três algoritmos computacionais mais complexos, frequentemente chamados de modelos de aprendizado de máquina. O objetivo era ver se um gráfico simples e de fácil leitura poderia prever a presença de um coágulo pulmonar com a mesma precisão que esses sistemas digitais sofisticados.
O estudo descobriu que, entre os 1.151 pacientes, 173 foram confirmados com um coágulo pulmonar. Os pesquisadores descobriram que certos fatores tornavam um coágulo pulmonar muito mais provável. Pacientes que apresentavam condições pulmonares pré-existentes, como doença pulmonar obstrutiva crônica ou pneumonia, tinham quase oito vezes mais chances de ter um coágulo pulmonar do que aqueles sem tais condições. A presença de coágulos em veias fora das pernas, como nos braços ou no pescoço, foi um indicador ainda mais forte, associado a um aumento de risco de mais de nove vezes. O histórico de coágulos sanguíneos anteriores e coágulos que se estendiam para a parte posterior do joelho ou para a parte inferior da perna também aumentaram significativamente as chances. Curiosamente, o estudo observou que a idade avançada estava associada a uma menor probabilidade de um coágulo pulmonar em seus dados, mas os autores alertam que isso provavelmente se deve à forma como os pacientes foram selecionados para teste, e não a uma proteção biológica, já que pacientes mais velhos poderiam ter sido menos propensos a apresentar os sintomas súbitos de respiração que desencadeiam uma tomografia.
Quando a equipe testou suas ferramentas em um grupo separado de pacientes para ver quão bem funcionariam, os resultados foram reveladores. Os modelos complexos de aprendizado de máquina, incluindo um sistema chamado gradient boosting, tiveram um desempenho ligeiramente superior ao modelo estatístico simples, mas a diferença foi tão pequena que não foi estatisticamente significativa. O nomograma tradicional, que é essencialmente um gráfico onde um médico soma pontos para cada fator de risco para obter uma pontuação total, teve um desempenho tão bom quanto os modelos computacionais avançados na distinção entre pacientes com e sem coágulos pulmonares. O modelo simples identificou corretamente cerca de 77 por cento dos pacientes que realmente tinham um coágulo pulmonar e excluiu corretamente cerca de 74 por cento daqueles que não tinham. Isso sugere que, para esta questão médica específica, adicionar camadas de processamento computacional complexo não proporcionou uma vantagem significativa sobre um cálculo direto baseado em sete fatos clínicos claros.
Apesar desses resultados promissores, os pesquisadores são cautelosos ao afirmar que esta ferramenta não é um teste diagnóstico que possa substituir uma tomografia computadorizada. Como o hospital realizou exames apenas em pacientes que pareciam doentes, os dados contêm um viés; muitos pacientes sem sintomas nunca foram submetidos à tomografia, o que significa que alguns coágulos pulmonares silenciosos podem ter passado inteiramente despercebidos. Quando os pesquisadores analisaram apenas os pacientes que de fato receberam a tomografia, a força das conexões entre os fatores de risco e os coágulos pulmonares tornou-se mais fraca. Isso indica que o modelo está prevendo, em parte, quais pacientes serão submetidos à tomografia, em vez de apenas prever a presença biológica de um coágulo. Portanto, o gráfico deve ser visto como um guia exploratório para ajudar os médicos a decidir quem precisa de maior atenção, e não como uma resposta definitiva. Antes que esta ferramenta possa ser usada em clínicas para orientar o cuidado ao paciente, ela deve ser testada em outros hospitais com diferentes populações de pacientes e com uma abordagem mais consistente de realização de exames, garantindo que as previsões se mantenham verdadeiras no mundo real.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.