Desarrollo y validación externa de modelos predictivos específicos por edad para sepsis en neonatos y niños críticamente enfermos utilizando parámetros hematológicos multidimensionales: un estudio ret

Resumen ejecutivo
Este estudio multicéntrico se centra en el desarrollo y validación de modelos predictivos que utilizan parámetros hematológicos multidimensionales para predecir la sepsis en neonatos y niños en unidades de cuidados intensivos.
Qué problema aborda
La sepsis sigue siendo una de las principales causas de morbilidad y mortalidad en las unidades de cuidados intensivos neonatales y pediátricas (NICU/PICU). La rápida deterioración clínica de estos pacientes vulnerables hace necesario pasar de un diagnóstico reactivo a una predicción proactiva del inicio de la sepsis. Aunque el hemograma completo es ampliamente utilizado, su capacidad predictiva en comparación con características morfológicas de células hematológicas de alta dimensión ha sido poco explorada en cohortes pediátricas a gran escala.
Qué hicieron los autores
Los investigadores utilizaron un conjunto de datos a gran escala del proyecto CALM2302, que abarcó 17,066 neonatos y niños críticamente enfermos en 30 hospitales chinos entre octubre de 2020 y octubre de 2023. Desarrollaron modelos de CatBoost específicos para la población de NICU y PICU para predecir el inicio de la sepsis, aplicando submuestreo aleatorio para mitigar el desequilibrio de clases. Se seleccionaron aproximadamente 200 características optimizadas de un grupo de 1,924 parámetros, y se evaluó el rendimiento del modelo mediante el área bajo la curva ROC (AUC) en cohortes de validación internas y externas.
Qué encontraron
Los modelos simplificados de 18 variables demostraron un rendimiento robusto. En la cohorte de NICU, el modelo logró un AUC interno de 0.846 y AUC externos de 0.742 y 0.827. Para la cohorte de PICU, los AUC fueron 0.803, 0.717 y 0.811. Estos modelos simplificados mantuvieron un poder discriminativo comparable al de los modelos completos. Además, el análisis SHAP identificó 18 características predictivas clave para cada cohorte, con solo dos características compartidas entre las dos poblaciones, la mayoría de las cuales eran parámetros de investigación en lugar de índices de recuento sanguíneo tradicionales.
Limitaciones
El texto disponible no detalla las limitaciones del estudio.
Lectura final
Este estudio representa un avance significativo en la predicción de sepsis en poblaciones pediátricas, proporcionando modelos accesibles y clínicamente interpretables que podrían mejorar la gestión proactiva de esta condición crítica en unidades de cuidados intensivos. La identificación de características hematológicas específicas sugiere un enfoque más matizado y efectivo para el manejo de la sepsis en estos pacientes vulnerables.
Sigue leyendo
Lectura clínica
Información editorial dirigida a profesionales de la salud. No sustituye la evaluación clínica, las guías vigentes ni el juicio médico.
Clasificación editorial automática
Fuente original
También en el radar
Inteligencia artificialInteligencia artificial y sueño
17 de noviembre de 2026
Inteligencia artificialInteligencia artificial en biomateriales y bioingeniería
17 de noviembre de 2026
Inteligencia artificialInteligencia artificial en cirugía estética
17 de noviembre de 2026
Inteligencia artificialApple añade nuevos controles de disco para evitar que los agentes de IA se descontrolen
17 de noviembre de 2026
¿Quieres más contexto?
Cada semana seleccionamos las señales de IA que importan, con foco en medicina.
Únete a la lista de RADAR
Te avisaremos cuando publiquemos el primer boletín y recibirás una selección breve de las señales de IA que realmente importan.
