Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo

Introducción y objetivo: El rendimiento diagnóstico de los criterios actuales para asignar el riesgo de coledocolitiasis (CL) es impreciso. El objetivo de nuestro trabajo fue desarrollar un modelo de regresión logística para predecir el diagnóstico de CL en pacientes catalogados como de riesgo inter...

Full description

Bibliographic Details
Main Authors: García Villarreal, F., Torres Treviño, L.M., Herrera Figueroa, C., Jáquez Quintana, J.O., Garza Galindo, A.A., Cortez Hernández, C.A., García Compeán, D., Jiménez Castillo, R.A., Maldonado Garza, Héctor Jesús, González González, J.A.
Format: Article
Language:English
Published: Masson Doyma México 2025
Online Access:http://eprints.uanl.mx/30214/7/30214.pdf
Description
Summary:Introducción y objetivo: El rendimiento diagnóstico de los criterios actuales para asignar el riesgo de coledocolitiasis (CL) es impreciso. El objetivo de nuestro trabajo fue desarrollar un modelo de regresión logística para predecir el diagnóstico de CL en pacientes catalogados como de riesgo intermedio y alto de CL, según los criterios de la Sociedad Americana de Endoscopia Gastrointestinal (ASGE). Material y métodos: Realizamos un estudio transversal, observacional y analítico para evaluar el rendimiento diagnóstico de un modelo de regresión logística en adultos con riesgo intermedio y alto de CL. Se realizó un análisis de curva característica operativa del receptor (COR) para determinar el mejor punto de corte para predecir el diagnóstico de CL. Se utilizó la colangiopancreatografía retrógrada endoscópica (CPRE) como estándar de oro para el diagnóstico de CL. Resultados: Se estudiaron 148 pacientes con sospecha de CL. En nuestra cohorte 71 presentaron riesgo intermedio y 77 riesgo alto. El diagnóstico de CL se confirmó en 102 pacientes (69%). En la cohorte nuestro modelo mostró un área bajo la curva (ABC) de 0.68. En pacientes con riesgo intermedio de CL el valor de ABC fue de 0.72 y el valor predictivo positivo (VPP) fue del 70%. En pacientes con riesgo alto de CL el valor de ABC fue de 0.78 y el VPP de 89%. Conclusión: Nuestro modelo parece predecir mejor el diagnóstico de CL que los criterios de la ASGE para pacientes de riesgo intermedio y alto. Nuestro modelo puede orientar las decisiones clínicas en pacientes con sospecha de CL.