Algoritmo predice el riesgo de TEPT después de una lesión traumática
Crédito: CC0 Public Domain
Los investigadores han desarrollado un algoritmo que puede predecir si los sobrevivientes de un trauma tienen probabilidades de desarrollar un trastorno de estrés postraumático (TEPT). La herramienta, que se basa en datos médicos recopilados de forma rutinaria, permitiría a los médicos intervenir de manera temprana para mitigar los efectos del TEPT.
El estudio se publicó en línea hoy en Nature Medicine.
30 millones de pacientes con trauma cada año en los Estados Unidos
Cada año, alrededor de 30 millones de pacientes en los Estados Unidos son tratados en un departamento de emergencias (ED) por lesiones traumáticas debido a accidentes automovilísticos, caídas, lesiones por armas de fuego y otras lesiones.
Los expertos en salud estiman que entre el 10 % y el 15 % de los pacientes con trauma desarrollarán síntomas duraderos de TEPT, generalmente dentro de un año de la lesión.
Aunque existen tratamientos que reducen efectivamente el riesgo de desarrollar PTSD, las estrategias de prevención temprana generalmente no se implementan debido a la falta de métodos establecidos que puedan predecir qué pacientes tienen más probabilidades de desarrollar TEPT. desarrollar PTSD.
«Para muchos pacientes con trauma, la visita a la sala de urgencias suele ser su único contacto con el sistema de atención médica. El tiempo inmediatamente después de una lesión traumática es una ventana crítica para identificar a las personas en riesgo de PTSD y organizar tratamiento de seguimiento apropiado», dice la autora principal Katharina Schul tebraucks, Ph.D., profesor asistente de ciencias conductuales y cognitivas en el Departamento de Medicina de Emergencia del Colegio de Médicos y Cirujanos Vagelos de la Universidad de Columbia. «Cuanto antes podamos tratar a las personas en riesgo, mejores serán los resultados probables».
El aprendizaje automático convierte 70 puntos de datos clínicos en una única puntuación de riesgo de TEPT
Numerosos biomarcadores biológicos y psicológicos, incluido el estrés elevado hormonas, aumento de las señales inflamatorias, presión arterial alta e hiperexcitación (un estado anormalmente elevado de ansiedad), a menudo preceden al PTSD en los sobrevivientes de trauma. Sin embargo, ninguna de estas medidas, solas o en combinación, ha demostrado ser confiable para predecir el TEPT.
En el nuevo estudio, el equipo de investigación de varios sitios usó el aprendizaje automático supervisado para desarrollar un algoritmo que calcula un solo TEPT. puntuación de riesgo a partir de una combinación de 70 puntos de datos clínicos y una breve evaluación clínica de la respuesta inmediata al estrés del paciente. (El aprendizaje automático supervisado es una forma de inteligencia artificial que le da a un sistema informático la capacidad de reconocer patrones a partir de entradas de datos para hacer predicciones sobre nuevas observaciones sin programación adicional).
«Seleccionamos medidas que se recopilan de forma rutinaria en el servicio de urgencias y se registró en el registro médico electrónico, además de respuestas a algunas preguntas breves sobre la respuesta al estrés psicológico», dice Schultebraucks. «La idea era crear una herramienta que estuviera disponible universalmente y agregara poca carga al personal de urgencias».
Algoritmo Discriminó el riesgo de TEPT con alta precisión
Los investigadores desarrollaron el algoritmo con datos de 377 sobrevivientes de trauma adultos en Atlanta y luego probaron el algoritmo en 221 sobrevivientes de trauma adultos en la ciudad de Nueva York.
Entre los pacientes que fueron clasificados por el algoritmo como riesgos de TEPT, el 90 % desarrolló síntomas de TEPT de larga duración dentro de un año. Solo el 5% de los pacientes que no tenían síntomas de TEPT de larga duración habían sido identificados como en riesgo. De los pacientes que se predijo que tendrían pocos o ningún síntoma de TEPT, el 29 % desarrolló TEPT de larga duración (falsos negativos).
Se necesitan más pruebas
«Debido a que los modelos anteriores para predecir el riesgo de TEPT han no han sido validados en muestras independientes como nuestro modelo, no han sido adoptados en la práctica clínica», dice Schultebraucks. «Será necesario probar y validar nuestro modelo en muestras más grandes para que el algoritmo esté listo para usar en la población general».
El algoritmo actual se creó utilizando pacientes a los que se les extrajo sangre. Esto posiblemente limita la posibilidad de generalización ya que el algoritmo solo se aplicaría a pacientes que se someten a análisis de sangre, como aquellos con lesiones más graves.
En estudios futuros, el equipo planea probar si el algoritmo puede predecir el TEPT en pacientes que experimentar otros eventos de salud potencialmente traumáticos, incluidos ataques cardíacos y accidentes cerebrovasculares.
Pronto, predice Schultebraucks, el algoritmo podría incorporarse a los registros de salud electrónicos.
«Actualmente, solo el 7% del nivel- 1 centros de trauma evalúan rutinariamente el TEPT», dice ella. «Esperamos que el algoritmo proporcione a los médicos de urgencias una lectura rápida y automática que puedan usar para la planificación del alta y la prevención del TEPT».
El estudio se titula «Un algoritmo predictivo validado del estrés postraumático». Curso posterior al ingreso en Urgencias tras un estresor traumático.
Explore más
Estrés postraumático de moderado a alto común después de la exposición a trauma, violencia Más información: Katharina Schultebraucks et al, Un algoritmo predictivo validado del curso de estrés postraumático después de una emergencia ingreso al departamento después de un estresor traumático, Nature Medicine (2020). DOI: 10.1038/s41591-020-0951-z Información de la revista: Nature Medicine
Proporcionado por el Centro Médico Irving de la Universidad de Columbia Cita: El algoritmo predice el riesgo de TEPT después de un lesion (6 de julio de 2020) consultado el 31 de agosto de 2022 de https://medicalxpress.com/news/2020-07-algorithm-ptsd-traction-injury.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.