Acceso usuarios
[4]
[3]
;
Guillermo Fernández Jiménez
[1]
;
Inés Aguilar Foguet
[2]
;
Manuel Junquera Crespo
[1]
;
José Julián Díaz Melguizo
[1]
;
Carmen del Arco Galán
[1]
Madrid, España
Villanueva de la Cañada, España
Argentina
OBJETIVO. Desarrollar y evaluar la capacidad predictiva de una escala de riesgo de ingreso hospitalario desde el servicio de urgencias, empleando variables del sistema de información hospitalario (HCIS) y del Conjunto Mínimo Básico de Datos (CMBD), en un hospital terciario.
MATERIAL Y MÉTODOS. Estudio observacional retrospectivo de cohorte incluyendo a todos los pacientes atendidos en urgencias entre enero y diciembre de 2022. Se recopilaron 214 variables clínicas y administrativas de 96.284 pacientes, que se dividieron en un conjunto de entrenamiento (75 %) y otro de prueba (25 %). Tras una selección inicial empleando Bosques Aleatorios, se implementó un modelo de regresión logística con variables categorizadas, generando una escala de riesgo interpretable. Se evaluó el rendimiento mediante curva ROC y curva de calibración.
RESULTADOS. El modelo final incluyó 64 variables con 117 regresores. La escala mostró una elevada capacidad discriminativa (AUC = 0,913) y un bajo Brier score (0,057). La calibración fue globalmente adecuada, aunque se observó sobrestimación del riesgo en el rango alto (0,8-0,95). Se definieron tres regiones de riesgo (bajo, intermedio y alto) con puntos de corte [28;72] en la escala, asociados a probabilidades de ingreso < 0,1 y > 0,9, respectivamente.
CONCLUSIONES. La escala de riesgo propuesta ofrece una herramienta interpretable, precisa y aplicable en la predicción temprana de ingresos hospitalarios desde urgencias. Si bien aún requiere de una validación externa, su implementación en cualquier sistema de información clínica como el HCIS, HC3 o Selene, etc. es directa, al contar con variables integradas en dichos sistemas.
OBJECTIVE. To develop and evaluate the predictive capacity of a risk scale for hospital admission from the emergency department, using variables from the hospital clinical information system (HCIS) and the Minimum Basic Data Set (MBDS) in a tertiary referral center.
METHODS. We conducted a retrospective observational cohort study in a tertiary referral center, including all patients treated in the emergency department between January and December 2022. A total of 214 clinical and administrative variables were collected from 96,284 patients, who were divided into a training set (75 %) and a test set (25 %). After an initial selection using random forests, a logistic regression model with categorized variables was implemented, generating an interpretable risk scale. Performance was assessed using the ROC curve and calibration curve.
RESULTS. The final model included a total of 64 variables with 117 regressors. The scale showed high discriminative capacity (AUC = 0.913) and a low Brier score (0.057). Calibration was globally adequate, although risk overestimation was observed in the high range (0.8-0.95). Three risk regions, low, intermediate, and high, were defined with cutoff points [28;72] on the scale, associated with admission probabilities < 0.1 and > 0.9, respectively.
CONCLUSIONS. The proposed risk scale offers an interpretable, accurate, and applicable tool for the early prediction of hospital admissions from the emergency department. Although it still requires external validation, its implementation in any clinical information system, such as HCIS, HC3, Selene, etc., is straightforward because it uses variables integrated into these systems.
