Una herramienta predice la incidencia diaria de infartos en la calle

La incidencia global estimada de paro cardíaco extrahospitalario (PCEH) tratado por el servicio médico de emergencia (EMS) es de 62,0 por 100.000 personas-año, con una incidencia específica de 53,1 por 100.000 personas-año sólo en EE.UU, como se documenta en un artículo de Resuscitation.

A pesar de los avances en la atención pre y post reanimación, una revisión sistemática reciente mostró que la supervivencia al alta hospitalaria después del accidente fue extremadamente baja, del 8,8%. El desarrollo de un sistema preciso para predecir la incidencia diaria de infartos ‘en la calle’ podría proporcionar una mayor oportunidad de prevenir y reaccionar en el entorno prehospitalario.

El paro cardíaco extrahospitalario es una de las principales causas de mortalidad en todo el mundo y el 90% de los casos son mortales. Los pacientes pierden la función cardíaca y la circulación, y cada minuto que pasan sin tratamiento disminuye la probabilidad de un buen resultado.

A través de un nuevo estudio publicado en ‘npj Digital Medicine’, un equipo de investigadores dirigido por la Universidad de Michigan (EE. UU.) ha desarrollado un modelo de aprendizaje automático que identificó 17 factores ambientales y sociales que pueden influir en el riesgo de PCEH. Esperan que sus hallazgos ayuden a los servicios médicos de emergencia a ajustar sus recursos en función del riesgo ambiental.

El clima

En estudios anteriores se demostró que los cambios en la temperatura exterior están asociados con un aumento de eventos cardiovasculares. Sin embargo, esos modelos se basaban en métodos estadísticos más simples, conocidos como regresión lineal convencional, y son menos adecuados para manejar grandes cantidades de datos y variables que cambian de manera compleja.

Para superar estas limitaciones, el equipo de la UM utilizó técnicas avanzadas de aprendizaje automático capaces de analizar múltiples variables interactuantes. Los investigadores utilizaron datos de pacientes del Registro de Paro Cardíaco para Mejorar la Supervivencia (CARES), el sistema nacional estadounidense más grande que rastrea los infartos extrahospitalarios. Construyeron su modelo utilizando más de 190.000 casos; entre 2013 y 2017 se identificaron 17 factores que pueden predecir el riesgo de sufrir un infarto extrahospitalario.

Además, robaron sus hallazgos en más de 140.000 casos entre 2018 y 2019 y descubrieron que su modelo predice consistentemente la incidencia de eventos cardiacos a nivel nacional, incluso en áreas no incluidas en los datos de entrenamiento.

Frío y calor

La temperatura ambiente media (días más fríos o los extremadamente cálidos, así como una humedad relativa más alta) determinó el número de incidentes de accidentes de tráfico en el hogar. Los factores sociales, como la pobreza y la raza, también pueden amplificar su impacto.

«Los riesgos asociados con eventos cardiovasculares se basaron principalmente en los factores de riesgo individuales, incluida la hipertensión», ha afirmado el Dr. Takahiro Nakashima, investigador postdoctoral del grupo Neumar y primer autor del artículo, en un comunicado. Y ha insistido: «Nuestro modelo de predicción es el primero en demostrar que los factores ambientales externos también influyen en el riesgo».

Además, de su alta precisión de predicción, el modelo pudo predecir patrones de OHCA hasta con siete días de anticipación. Aunque no está claro por qué los cambios rápidos en el clima aumentan la incidencia de estos eventos, los investigadores enfatizaron la necesidad de más datos de pacientes para mejorar el modelo.

«El modelo funciona a nivel nacional y en las zonas que participaron en el registro CARES. En las zonas que no participaron, tuvimos que extrapolar los resultados, lo que provocó una ligera disminución en la precisión predictiva», ha destacado el Dr. Robert Neumar, profesor de medicina de urgencias y miembro del Instituto Weil de Investigación en Cuidados Críticos.

El equipo espera que sus hallazgos ayuden a los servicios médicos de emergencia a equilibrar la forma en que utilizan sus ambulancias para reducir el tiempo de respuesta y mejorar los resultados de los pacientes. Además, al incorporar el riesgo individual, las agencias de salud pública podrían utilizar los pronósticos meteorológicos para educar a las poblaciones vulnerables sobre los días de alto riesgo.