Predicción del riesgo de infección en pacientes con artritis reumatoide que reciben fármacos biológicos o sintéticos modificadores de la enfermedad

Qué problema aborda

Los pacientes con artritis reumatoide (AR) que inician tratamientos con fármacos biológicos o sintéticos modificadores de la enfermedad (b/ts DMARDs) presentan un riesgo elevado de infecciones graves. Esto subraya la necesidad de herramientas que permitan una estratificación del riesgo personalizada para mejorar la gestión de la infección y el tratamiento de estos pacientes.

Qué hicieron los autores

Los autores llevaron a cabo un estudio de cohorte retrospectivo utilizando datos de registros clínicos de Hong Kong, específicamente del Sistema de Análisis y Reporte de Datos Clínicos (CDARS), para desarrollar y validar un modelo de aprendizaje automático (ML). El objetivo principal fue predecir el riesgo de infecciones graves durante el primer año tras la iniciación de b/ts DMARDs. Se incluyeron variables como demografía, comorbilidades, infecciones previas, medicamentos y marcadores de laboratorio. Se entrenaron múltiples algoritmos de ML, seleccionando el modelo basado en el área bajo la curva (AUROC) y evaluando su interpretabilidad mediante SHAP.

Qué encontraron

Se incluyó a un total de 3,159 pacientes del CDARS (8.8% con infecciones graves) y 1,845 del banco de datos All of Us en EE. UU. (2.8% con infecciones graves). El modelo mostró un AUROC más alto en la validación interna (0.840, IC del 95%: 0.793-0.888) y mantuvo un rendimiento robusto en la validación externa (AUROC: 0.729, IC del 95%: 0.665-0.793). Los principales predictores de riesgo incluyeron infecciones previas, diabetes, tipo de b/ts DMARD y marcadores inflamatorios. Se observó que el rituximab estaba asociado con el mayor riesgo de infección, mientras que tofacitinib y upadacitinib presentaron el menor riesgo.

Limitaciones

El texto disponible no detalla las limitaciones del estudio.

Lectura final

Este estudio representa un avance significativo en la personalización del tratamiento para pacientes con artritis reumatoide, al proporcionar un modelo predictivo que puede ayudar a identificar a aquellos en mayor riesgo de infecciones graves. La capacidad de gestionar proactivamente estos riesgos podría mejorar significativamente los resultados clínicos y la calidad de vida de los pacientes.