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
_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