Machine learning prediction of in-hospital mortality and external validation in patients with cardiogenic shock: the RESCUE score
Predicción de la mortalidad intrahospitalaria mediante aprendizaje automático y validación externa en pacientes con shock cardiogénico: la escala RESCUE
Citations

WEB OF SCIENCE

1
Citations

SCOPUS

1

초록

Introducción y objetivos A pesar de los avances en el soporte circulatorio mecánico, las tasas de mortalidad en los casos de shock cardiogénico (SC) siguen siendo elevadas. La introducción de un sistema fiable de estratificación del riesgo puede servir de guía potencial para la práctica clínica diaria de los pacientes con SC. El objetivo de este estudio es desarrollar y validar externamente un modelo de predicción del riesgo de mortalidad intrahospitalaria en pacientes con SC mediante algoritmos de aprendizaje automático (AA). Métodos Se analizó a 1.247 pacientes con SC por cualquier causa del registro RESCUE entre enero de 2014 y diciembre de 2018. Se extrajeron variables de predictores importantes a partir de 4 algoritmos de AA. Se estimó el modelo de predicción de riesgo denominado escala RESCUE con análisis de regresión logística utilizando esas variables seleccionadas. Se realizó una validación interna con el registro RESCUE y una validación externa con un registro de SC independiente de 750 pacientes. Resultados Los 4 modelos de AA identificaron 7 predictores: la edad, la puntuación de inotrópicos vasoactivos, la fracción de eyección del ventrículo izquierdo, el nivel de ácido láctico, la parada cardiaca intrahospitalaria en el momento de la presentación, la necesidad de tratamiento renal sustitutivo continuo y la ventilación mecánica. La escala RESCUE mostró una capacidad predictiva con un área bajo la curva (AUC) de 0,86 (IC95%, 0,83-0,88) para la mortalidad intrahospitalaria. La validación interna del AUC, cruzada de 10 iteraciones, fue de 0,86 (IC 95%, 0,77-0,95). La validación externa mostró un AUC de 0,80 (IC95%, 0,76-0,84). Conclusiones Nuestro sistema de puntuación de riesgo basado en AA, la escala RESCUE, tiene un excelente rendimiento predictivo para la mortalidad intrahospitalaria en todos los pacientes con SC, independientemente de la causa. Puede ser una herramienta útil y fiable para estimar la estratificación del riesgo del SC en la práctica clínica diaria. Número de registro del ensayo clínico: NCT02985008.

키워드

Cardiogenic shockRisk stratificationMachine learningPrognosisMECHANICAL CIRCULATORY SUPPORTACUTE MYOCARDIAL-INFARCTIONVASOACTIVE-INOTROPIC SCORELONG-TERM OUTCOMESRISK PREDICTIONECMO
제목
Machine learning prediction of in-hospital mortality and external validation in patients with cardiogenic shock: the RESCUE score
제목 (타언어)
Predicción de la mortalidad intrahospitalaria mediante aprendizaje automático y validación externa en pacientes con shock cardiogénico: la escala RESCUE
저자
Cha, Ji HyunChoi, Ki HongAhn, Chul-MinYu, Cheol WoongPark, Ik HyunJang, Woo JinKim, Hyun-JoongBae, Jang-WhanKwon, Sung UkLee, Hyun-JongLee, Wang SooJeong, Jin-OkPark, Sang-DonPark, Taek KyuLee, Joo MyungSong, Young BinHahn, Joo-YongChoi, Seung-HyukGwon, Hyeon-CheolYang, Jeong Hoon
DOI
10.1016/j.rec.2025.01.003
발행일
2025-08
유형
Article in press
저널명
Revista Espanola de Cardiologia
78
8
페이지
707 ~ 716