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...
Main Authors: | , , , , , , , , , |
---|---|
Format: | Article |
Language: | English |
Published: |
Masson Doyma México
2025
|
Online Access: | http://eprints.uanl.mx/30214/7/30214.pdf |
_version_ | 1838551031186718720 |
---|---|
author | 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. |
author_facet | 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. |
author_sort | García Villarreal, F. |
collection | Repositorio Institucional |
description | 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. |
format | Article |
id | eprints-30214 |
institution | UANL |
language | English |
publishDate | 2025 |
publisher | Masson Doyma México |
record_format | eprints |
spelling | eprints-302142025-07-23T15:41:19Z http://eprints.uanl.mx/30214/ Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo 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. 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. Masson Doyma México 2025 Article PeerReviewed text en cc_by_nc_nd http://eprints.uanl.mx/30214/7/30214.pdf http://eprints.uanl.mx/30214/7.haspreviewThumbnailVersion/30214.pdf García Villarreal, F. y Torres Treviño, L.M. y Herrera Figueroa, C. y Jáquez Quintana, J.O. y Garza Galindo, A.A. y Cortez Hernández, C.A. y García Compeán, D. y Jiménez Castillo, R.A. y Maldonado Garza, Héctor Jesús y González González, J.A. (2025) Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo. Revista de Gastroenterología de México, 90 (1). pp. 22-28. ISSN 0375-0906 doi:10.1016/j.rgmx.2024.05.010 |
spellingShingle | 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. Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo |
thumbnail | https://rediab.uanl.mx/themes/sandal5/images/online.png |
title | Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo |
title_full | Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo |
title_fullStr | Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo |
title_full_unstemmed | Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo |
title_short | Un modelo tipo App que utiliza un algoritmo de regresión logística para predecir coledocolitiasis. Un ensayo clínico prospectivo |
title_sort | un modelo tipo app que utiliza un algoritmo de regresion logistica para predecir coledocolitiasis un ensayo clinico prospectivo |
url | http://eprints.uanl.mx/30214/7/30214.pdf |
work_keys_str_mv | AT garciavillarrealf unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT torrestrevinolm unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT herrerafigueroac unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT jaquezquintanajo unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT garzagalindoaa unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT cortezhernandezca unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT garciacompeand unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT jimenezcastillora unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT maldonadogarzahectorjesus unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo AT gonzalezgonzalezja unmodelotipoappqueutilizaunalgoritmoderegresionlogisticaparapredecircoledocolitiasisunensayoclinicoprospectivo |