Permite la estratificación de riesgo en pacientes con ERC avanzada, ayudando a identificar aquellos en mayor riesgo de requerir diálisis de emergencia y optimizar la preparación del acceso vascular.
📌 Conclusion: Los modelos de machine learning desarrollados muestran una discriminación moderada para predecir el inicio de diálisis de emergencia en pacientes con ERC avanzada, identificando predictores clínicamente relevantes.
🔬 Estudio: Cohorte retrospectiva de datos de reclamaciones médicas (Japan Medical Data Center, 2014-2022) para desarrollar y validar modelos de machine learning (regresión logística, SVM, XGBoost, LightGBM, random forest) para predecir la necesidad de diálisis de emergencia.
👥 Muestra: 3,062 adultos con eGFR <15 mL/min/1.73 m2, divididos en cohorte de derivación (80%) y validación (20%). El 7.7% requirió diálisis de emergencia.
⚡ Relevancia: MEDIA — Los modelos de machine learning ofrecen una herramienta prometedora para la estratificación de riesgo en pacientes con ERC avanzada, pero requieren validación externa y evaluación en vías clínicas antes de su implementación.