La adición de factores sociales a la IA aumenta la predicción del riesgo de IC en pacientes de raza negra

La adición de determinantes sociales de la salud (SDOH) a los modelos de predicción de riesgos de aprendizaje automático mejoró los pronósticos de mortalidad hospitalaria en adultos negros hospitalizados por insuficiencia cardiaca (HF), pero no mostró una capacidad similar en pacientes no afroamericanos, en un estudio basado en parte en el registro Get with the Guidelines in Heart Failure (GWTG-HF) patrocinado por la American Heart Association.

La novedosa herramienta de predicción de riesgos reforzada por SDOH a nivel de código postal, incluidos los ingresos del hogar, la cantidad de adultos sin un título de escuela secundaria, las tasas de pobreza y desempleo y otros factores, estratificó el riesgo de manera más aguda en los pacientes negros que en los pacientes más estándar. modelos, incluidos algunos basados ​​en regresión logística multivariable.

“Los modelos de riesgo tradicionales que existen para la insuficiencia cardíaca asignan riesgos más bajos a las personas negras si todo lo demás se mantiene constante”, dijo Ambarish Pandey, MD, MSCS, University of Texas Southwestern Medical Center, Dallas. elcorazon.org | Cardiología Medscape.

“Creo que eso es problemático, porque si se considera que los pacientes negros son de menor riesgo, es posible que no reciban las terapias adecuadas basadas en el riesgo que se les brindan. Queríamos alejarnos de este enfoque y utilizar un enfoque más independiente de la raza”, dijo Pandey. , quien es el autor principal de la estudio, publicado 6 de julio en JAMA Cardiologíacon el autor principal Matthew W. Segar, MD, Texas Heart Institute, Houston.

El conjunto de datos de entrenamiento para el modelo de predicción constaba de 123 634 pacientes hospitalizados con IC (edad media, 71 años), de los cuales el 47 % eran mujeres, inscritos en el registro GWTG-HF desde 2010 hasta 2020.

Los modelos de aprendizaje automático mostraron un “rendimiento excelente” cuando se aplicaron a una cohorte de subconjunto interno de 82 420 pacientes, con una estadística C de 0,81 para pacientes negros y 0,82 para pacientes no negros, informan los autores, y en una cohorte del mundo real de 553.506 pacientes, con estadísticos C de 0,74 y 0,75, respectivamente. Los modelos funcionaron igualmente bien, escriben, en una cohorte de validación externa derivada de la registro ARICcon estadísticos C de 0,79 y 0,80, respectivamente.

El rendimiento de los modelos de aprendizaje automático superó al del modelo de puntuación de riesgo GWTG-HF, estadísticas C de 0,69 para pacientes negros y no negros, y otros modelos de regresión logística en los que la raza era una covariable, afirman los autores.

“También observamos diferencias significativas específicas de la raza en el riesgo de mortalidad hospitalaria atribuible a la población asociado con el SDOH, con una contribución significativamente mayor de estos parámetros al riesgo general de mortalidad hospitalaria en pacientes afroamericanos frente a pacientes no afroamericanos, “escriben.

Para los pacientes negros, cinco de los parámetros SDOH se encontraban entre los 20 principales predictores de covariables de mortalidad hospitalaria: nivel de ingresos medio, tasas de vacantes y desempleo, proporción de la población sin título de escuela secundaria y proporción de personas mayores de 65 años. Juntos representaron el 11,6% del riesgo atribuible a la población de muerte hospitalaria.

Solo un parámetro SDOH, el porcentaje de la población mayor de 65 años, se ubicó entre los 20 principales para los pacientes que no son afroamericanos, con un riesgo atribuible a la población del 0,5 %, informa el grupo.

“Espero que nuestro trabajo impulse investigaciones futuras para comprender mejor cómo los determinantes sociales contribuyen al riesgo y cómo se pueden incorporar en el manejo de estos pacientes”, dijo Pandey.

“Felicito a los autores por intentar abordar SDOH como un posible contribuyente a algunas de las diferencias en los resultados entre los pacientes con insuficiencia cardíaca”, escribe Eldrin F. Lewis, MD, MPH, Escuela de Medicina de la Universidad de Stanford, Palo Alto, California, en año editorial acompañante.

“Es imperativo que usemos estas técnicas más nuevas para ir más allá de la simple predicción de qué grupos corren un mayor riesgo y aprovechar los datos para crear soluciones que reduzcan esos riesgos para el paciente individual”, afirma Lewis.

“Deberíamos usar estas herramientas para reducir las diferencias raciales y étnicas en las operaciones de los sistemas de atención médica, el sesgo potencial en las decisiones de gestión y la inactividad debido a la dificultad de hacer que la terapia médica dirigida por las pautas llegue a manos de personas que pueden tener recursos limitados con un mínimo gastos de bolsillo”, escribe.

Los modelos evaluados en el informe actual “establecen un nuevo estándar para la predicción de riesgos: la integración de un conjunto integral de datos demográficos, comorbilidades y determinantes sociales con el aprendizaje automático evita la raza y el origen étnico en la predicción de riesgos”, sostienen JAMA Cardiología el editor adjunto Clyde W. Yancy, MD, y el editor asociado Sadiya S. Khan, MD, ambos de la Facultad de Medicina Feinberg de la Universidad Northwestern, Chicago, en un documento adjunto Nota del editor.

“Esta incorporación más cuidadosa de los factores sociales a nivel individual, a nivel de vecindario y a nivel de hospital”, concluyen, “es ahora una plantilla candidata para futuros modelos de riesgo”.

Pandey divulga la financiación de subvenciones de Applied Therapeutics y Gilead Sciences; consultar o servir como asesor de Tricog Health, Eli Lilly, Rivus y Roche Diagnostics; recibir apoyo no financiero de Pfizer y Merck; y apoyo a la investigación de la Beca Clínica de Recursos de Salud de Texas, el Programa de Becas de Investigación de Ciencias de Gilead, la Beca GEMSSTAR del Instituto Nacional sobre el Envejecimiento y Terapéutica Aplicada. Segar revela haber recibido apoyo no financiero de Pfizer y Merck. Otras revelaciones están en el informe. Lewis no informó revelaciones. Yancy y Khan no tuvieron revelaciones relevantes.

JAMA Cardiol. Publicado en línea el 6 de julio de 2020. Resumen, Editorial, Nota del editor

Para más de theheart.org | Medscape Cardiología, síganos en Gorjeo y Facebook.

.

Leave a Comment

Your email address will not be published.