Estudio prospectivo basado en evidencia del modelo de evaluación de riesgo por inteligencia artificial para la prevención de complicaciones en cirugía plástica

Descripción detallada

Diseño y procedimientos del estudio: El objetivo de este estudio observacional es determinar si un modelo de evaluación de riesgo basado en inteligencia artificial (IA) puede ayudar a prevenir complicaciones en pacientes de cirugía plástica, mejorando la toma de decisiones, proporcionando recomendaciones para abordar los factores de riesgo y asistiendo a los médicos en la elección del momento y el entorno adecuados para la cirugía plástica electiva. Metodología: El estudio se realizó entre enero de 2021 y mayo de 2024, e involucró a 3.347 pacientes evaluados mediante el modelo de evaluación de riesgo de IA en un entorno de práctica individual. El modelo utiliza un algoritmo para evaluar datos clínicos e historia del paciente, calcular puntuaciones de riesgo, resaltar los factores de riesgo y generar recomendaciones personalizadas. Evaluaciones de los pacientes: Recolección de datos: los participantes completan un formulario en línea que recopila datos sobre diversos factores clínicos, incluyendo el IMC, la edad, la puntuación de Caprini, los hábitos de tabaquismo y el sexo. Cálculo de riesgo: el algoritmo calcula las puntuaciones de riesgo, señala los valores anormales y realiza el tamizaje del Trastorno Dismórfico Corporal (TDC) mediante el Cuestionario para el Trastorno Dismórfico Corporal (BDDQ). Categorización de riesgo: los pacientes se clasifican en grupos de riesgo bajo, moderado o alto en función de sus puntuaciones de riesgo. Recomendaciones personalizadas: el modelo genera recomendaciones específicas para cada paciente en función de su evaluación de riesgo, entre ellas: Control de peso: recomendaciones de peso objetivo para pacientes con IMC ≥ 25,1. Cesación tabáquica: consejo para que los pacientes fumadores abandonen el tabaco. Control de la presión arterial: recomendaciones para que los pacientes hipertensos controlen la presión arterial diariamente y consulten a un cardiólogo. Trombosis venosa profunda (TVP) y várices: sugerencias de ecografía Doppler de miembros inferiores entre 24 y 72 horas antes de la cirugía para pacientes con TVP, coagulopatías, várices o puntuación de Caprini ≥ 8. Comorbilidades: recomendaciones de ecocardiograma cardíaco y pruebas de esfuerzo para pacientes mayores de 50 años con hipertensión o antecedentes de patología vascular. Orientación nutricional: consejo para que los pacientes con IMC ≤ 25,1 consulten a un nutricionista y se sometan a tamizaje de trastornos alimentarios con consulta psiquiátrica. Derivaciones a especialistas: sugerencias de consulta con endocrinólogos, cirujanos bariátricos, cardiólogos, hematólogos u otros especialistas según los hallazgos de comorbilidades, y derivaciones psiquiátricas según el tamizaje de TDC. Gestión de datos: Los datos recopilados de los participantes se anonimizan y almacenan de forma segura para proteger la privacidad y la confidencialidad de los pacientes. El proceso de gestión de datos incluye: Anonimización de datos sensibles: toda la información de identificación personal (IIP) se elimina o enmascara para garantizar que las identidades de los participantes estén protegidas. Los datos anonimizados se utilizan para el análisis a fin de mantener la confidencialidad. Plan de garantía de calidad: procedimientos regulares de validación de datos y de registro, incluyendo monitoreo y auditoría del sitio, para garantizar la integridad de los datos. Verificaciones de datos: controles de consistencia para los campos de datos y reglas predefinidas de rango. Verificación de datos fuente: comparación de los datos del registro con fuentes externas, como historias clínicas, para evaluar la exactitud y la integridad. Diccionario de datos: descripciones detalladas de cada variable, incluyendo la fuente, la codificación y los rangos normales. Procedimientos Operativos Estándar (POE): procedimientos para el reclutamiento de pacientes, la recolección, gestión y análisis de datos, la notificación de eventos adversos y la gestión de cambios. Análisis estadístico: Se realizaron análisis estadísticos e inferenciales utilizando un cuaderno de Colab para garantizar la solidez y la reproducibilidad. La medida de resultado primaria fue la incidencia de complicaciones en cada grupo de riesgo. Las medidas de resultado secundarias incluyeron la correlación entre los factores de riesgo y las complicaciones. Evaluación del tamaño muestral: El tamaño muestral se determinó para garantizar una potencia suficiente para detectar diferencias en las tasas de complicaciones entre los grupos de riesgo. Plan para datos faltantes: Se implementaron procedimientos para abordar los datos faltantes, incluidas técnicas de imputación y análisis de sensibilidad. Plan de análisis estadístico: El plan de análisis incluyó estadísticas descriptivas, análisis de correlación y modelos de regresión para evaluar la relación entre los factores de riesgo y las complicaciones.