Desarrollo y validación de un modelo predictivo de depresión en pacientes con síndrome cardiovascular-renal-metabólico en estadio avanzado

La depresión es altamente prevalente en pacientes con enfermedades crónicas avanzadas y se asocia con peores desenlaces clínicos. Sin embargo, los instrumentos eficaces para identificar a personas en riesgo siguen siendo limitados, lo que dificulta una intervención oportuna.

En este contexto, el presente estudio tuvo como objetivo desarrollar y validar un modelo predictivo de depresión en pacientes con síndrome cardiovascular-renal-metabólico (CKM, por sus siglas en inglés) en etapas avanzadas.

Se incluyeron 1, 072 participantes del estudio National Health and Nutrition Examination Survey (NHANES). De estos, 750 fueron asignados al conjunto de entrenamiento y 322 al conjunto de prueba. Además, se utilizaron tres conjuntos independientes para validación externa con 164, 249 y 166 individuos, respectivamente. La depresión fue evaluada utilizando el cuestionario PHQ-9 (Patient Health Questionnaire-9), ampliamente validado en estudios clínicos.

Para la construcción de los modelos, se aplicaron distintas técnicas estadísticas y de aprendizaje automático. El modelo 1 fue desarrollado usando regresión LASSO (Least Absolute Shrinkage and Selection Operator) para seleccionar las variables predictoras clave.

El modelo 2, que mostró el mejor desempeño, combinó regresión LASSO con regresión logística multivariada. Los modelos 3, 4 y 5 fueron construidos utilizando random forest, máquinas de soporte vectorial (SVM) y árboles de decisión, respectivamente.

El modelo 2 se destacó por su precisión, alcanzando un área bajo la curva (AUC) de 0. 768 en el conjunto de prueba. Entre los predictores más significativos de depresión se encontraron: trastornos del sueño, edad, sexo, índice de pobreza-ingreso, circunferencia de cintura y niveles de gamma-glutamil transferasa (GGT). Estos factores reflejan la interacción entre el estado metabólico, la situación socioeconómica y la salud mental.

La validación externa del modelo 2 confirmó su robustez, con AUCs que oscilaron entre 0. 765 y 0. 794 en los tres conjuntos independientes. Además, los análisis de calibración demostraron una buena concordancia entre las predicciones y los casos reales de depresión.

Conclusión

Este estudio presenta un modelo predictivo preciso y clínicamente útil para la identificación temprana de depresión en pacientes con síndrome CKM avanzado. La aplicación de este modelo podría facilitar intervenciones preventivas, mejorar la calidad de vida de los pacientes y optimizar los recursos en entornos clínicos. Su validación externa respalda su uso potencial en poblaciones diversas.

Para acceder al texto completo consulte las características de suscripción de la fuente original:https://www.sciencedirect.com/