Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.
Artículo de investigación
Aquí presentamos un protocolo para la conformación de cohortes, la armonización de laboratorio, el desarrollo de modelos penalizados, la validación y la construcción de una puntuación clínica para la estratificación temprana del riesgo de síndrome de disfunción orgánica múltiple en la pancreatitis aguda.
El reconocimiento temprano del síndrome de disfunción orgánica múltiple en la pancreatitis aguda sigue siendo difícil porque el deterioro orgánico puede ocurrir antes de que se completen las evaluaciones convencionales de gravedad. Este artículo describe un protocolo reproducible para desarrollar, validar y aplicar una puntuación compuesta de bioquímica y coagulación al ingreso, basada en pruebas de laboratorio de rutina obtenidas dentro de las 24 horas posteriores al ingreso hospitalario. Se seleccionó el síndrome de disfunción orgánica múltiple como resultado principal porque refleja una disfunción clínicamente significativa en más de un sistema orgánico e informa directamente sobre la intensidad del monitoreo temprano, la planificación de escalación y la asignación de recursos de cuidados críticos. El protocolo abarca la conformación de una cohorte multicéntrica, la selección de elegibilidad, la adjudicación de resultados, la armonización de unidades de laboratorio, el procesamiento de datos faltantes, la normalización de predictores, el desarrollo de modelos de regresión penalizada, la validación con conjunto reservado, la construcción de la puntuación, la comparación con puntuaciones de gravedad establecidas y análisis de sensibilidad. Las variables de laboratorio continuas se mantienen durante el desarrollo del modelo para reducir la pérdida de información, mientras que las categorías clínicamente interpretables se utilizan únicamente al traducir el modelo final en una puntuación práctica al pie del lecho. Los puntos de control del procedimiento incluyen la confirmación de la conformación de la cohorte, los umbrales de datos faltantes, las reglas fijas de preprocesamiento, los resultados de selección del modelo, los resultados de validación y la interpretación final de la puntuación. Mediante este flujo de trabajo, se pueden integrar marcadores bioquímicos y de coagulación medidos habitualmente en una herramienta estructurada de estratificación de riesgo al ingreso para el síndrome de disfunción orgánica múltiple asociado a la pancreatitis aguda. La puntuación tiene como finalidad apoyar una observación más estrecha, evaluaciones repetidas de laboratorio y la preparación para vías de soporte orgánico, pero debe complementar, y no sustituir, el juicio clínico ni los marcos de gravedad establecidos.
La pancreatitis aguda es una emergencia digestiva común cuyo curso clínico varía desde una inflamación leve y autolimitada hasta una enfermedad rápidamente progresiva complicada por disfunción orgánica. La evaluación actual de la gravedad generalmente se guía por la clasificación revisada de Atlanta, que define la severidad de la enfermedad según complicaciones locales, complicaciones sistémicas y la presencia y duración de fallo orgánico1. También se utilizan sistemas de puntuación clínicos durante las primeras fases de la hospitalización para apoyar la evaluación del riesgo y las decisiones de escalación. El Índice Clínico para la Severidad en la Pancreatitis Aguda utiliza cinco variables disponibles dentro de las primeras 24 h y fue desarrollado para estimar el riesgo de mortalidad intrahospitalaria2. Las guías clínicas recientes continúan enfatizando el reconocimiento temprano de la enfermedad grave, la reevaluación repetida, la resucitación adecuada con líquidos, la planificación del soporte orgánico y la escalación oportuna de la atención3.
La evaluación temprana del riesgo sigue siendo difícil en la práctica habitual. La respuesta inflamatoria en la pancreatitis aguda cambia rápidamente, y algunos sistemas tradicionales de puntuación requieren mediciones repetidas, variables fisiológicas que evolucionan tras el ingreso o hallazgos por imágenes que pueden no estar disponibles en la primera consulta clínica4. Como resultado, la clasificación del riesgo puede variar según el momento del muestreo, el flujo de trabajo local y la vía de tratamiento. Estas incertidumbres pueden llevar a un monitoreo intensivo o intervenciones innecesarias en pacientes de bajo riesgo, mientras que los pacientes que empeoran rápidamente pueden experimentar retrasos en la escalada del tratamiento. Una revisión reciente sobre la predicción de la gravedad en la pancreatitis aguda señaló que el desempeño de las puntuaciones clínicas y de los biomarcadores individuales varía entre poblaciones de pacientes, distribuciones de gravedad de la enfermedad y ventanas de evaluación5.
La mayoría de los estudios recientes de predicción han intentado utilizar variables recopiladas dentro de las 24 horas posteriores al ingreso, a menudo con falla orgánica persistente o pancreatitis aguda grave como resultado objetivo. Este enfoque es clínicamente útil, pero muchos modelos publicados siguen limitados por un diseño monocéntrico, una validación incompleta y una descripción insuficiente de los métodos de preprocesamiento y de manejo de datos faltantes6. La presentación transparente es particularmente importante para los modelos de predicción porque los criterios de elegibilidad, las definiciones de los predictores, el tamaño de la muestra, el manejo de datos faltantes, las decisiones en la construcción del modelo y los procedimientos de validación afectan directamente la reproducibilidad y la interpretación clínica7. Para que un método basado en el ingreso sea utilizable en diferentes instituciones, debe basarse en pruebas de uso rutinario, definir procedimientos de conversión de unidades, explicar cómo se armonizan los valores de laboratorio y especificar cómo se manejan los valores predictores incompletos antes del ajuste del modelo.
Las alteraciones bioquímicas y de la coagulación son relevantes para el deterioro temprano en la pancreatitis aguda. La activación inflamatoria, la lesión endotelial, la hemoconcentración, la hipoperfusión renal y la alteración de la microcirculación pueden ocurrir precozmente y contribuir a la disfunción orgánica. La activación de la coagulación está estrechamente relacionada con la inflamación, y se ha descrito la coagulopatía asociada a la pancreatitis aguda como parte de la progresión hacia fallo orgánico persistente y resultados adversos8. También se ha informado que el dímero D es un marcador al ingreso asociado con fallo orgánico, complicaciones locales, ingreso en cuidados intensivos y mortalidad en la pancreatitis aguda9. Sin embargo, los indicadores de coagulación a menudo se interpretan por separado, en lugar de combinarse con variables bioquímicas de rutina en un flujo de trabajo estructurado al ingreso.
El síndrome de disfunción orgánica múltiple se seleccionó como el punto final primario en este protocolo porque representa una disfunción clínicamente significativa en más de un sistema orgánico. La falla orgánica persistente sigue siendo fundamental para la clasificación de la gravedad de la pancreatitis aguda, pero el síndrome de disfunción orgánica múltiple se acerca más a la pregunta práctica de admisión: si es probable que un paciente requiera vigilancia más estrecha, reevaluación repetida de laboratorio, preparación para soporte orgánico o recursos de cuidados intensivos. Este punto final también permite evaluar las señales bioquímicas y de coagulación en relación con un patrón más amplio de deterioro sistémico, en lugar de un resultado basado en un solo órgano.
El artículo de este método describe un protocolo reproducible de puntuación bioquímica-coagulación para la estratificación temprana del riesgo de síndrome de disfunción de múltiples órganos en la pancreatitis aguda. El protocolo utiliza variables de laboratorio de rutina obtenidas dentro de las 24 horas posteriores al ingreso, estandariza la armonización de unidades y el manejo de datos faltantes, aplica un desarrollo de modelo penalizado y traduce el modelo final en una puntuación compuesta clínicamente interpretable. El objetivo no es reemplazar el juicio clínico ni los marcos de gravedad establecidos, sino proporcionar un flujo de trabajo transparente y replicable que ayude a las instituciones a organizar los datos de laboratorio al ingreso en información de riesgo utilizable.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
El protocolo del estudio fue aprobado por el Comité de Ética para la Investigación Biomédica que Involucra a Seres Humanos del Primer Hospital Popular de Jiashan, Hospital Afiliado a la Universidad de Jiaxing (número de aprobación: 2026 Research Approval No. 005; número de aceptación: LW2026004; fecha de aprobación: 13 de enero de 2026). Se dispensó el requisito de consentimiento informado individual porque este estudio retrospectivo utilizó datos clínicos con identificación eliminada. Antes del análisis, se eliminaron los identificadores directos, incluyendo nombre, número de identificación hospitalario, número de teléfono, dirección y número de identificación nacional. El manejo de los datos siguió los requisitos institucionales de protección de datos y la Declaración de Helsinki10.
Diseño del estudio y ensamblaje de la cohorte multicéntrica
Este estudio de cohorte retrospectivo multicéntrico utilizó datos bioquímicos y de coagulación al ingreso para construir un flujo de trabajo de puntuación reproducible para la estratificación temprana del riesgo de síndrome de disfunción orgánica múltiple (MODS) en pancreatitis aguda (AP). La AP se definió por al menos dos de los siguientes criterios: dolor abdominal típico, amilasa o lipasa sérica al menos tres veces por encima del límite superior normal, o hallazgos de imagen compatibles con AP. La ventana basal se definió como las primeras 24 horas tras el ingreso hospitalario. Para cada predictor de laboratorio, se utilizó el valor elegible más temprano dentro de esta ventana. No se utilizaron valores obtenidos tras el primer registro del inicio de MODS para la construcción de los predictores.
Se revisaron hospitalizaciones consecutivas por PA procedentes de los centros participantes desde el 1 de enero de 2023 hasta el 20 de diciembre de 2025, utilizando un registro unificado de cribado, una lista de elegibilidad, un diccionario de datos y un formulario de adjudicación de eventos finales. El registro de cribado registró el número total de ingresos revisados, ingresos duplicados, exclusiones por PA no confirmada, edad menor de 18 años, pancreatitis crónica, pancreatitis asociada a malignidad pancreática, hora de ingreso no fiable, datos de laboratorio a las 24 h no disponibles y registros de eventos finales incompletos, así como la cohorte analítica final. El registro de cribado bloqueado se utilizó para generar Figura 1. Los conteos de pacientes en la Figura 1 se verificaron frente al conjunto de datos analítico final antes del análisis.
Después de bloquear la cohorte analítica, los pacientes se asignaron a una cohorte de desarrollo y a una cohorte de validación reservada en una proporción de 7:3. La división se realizó en R versión 4.3.2 utilizando el paquete caret versión 6.0-94, con la semilla aleatoria fijada en 20260420. Se realizó un muestreo estratificado según el estado de MODS y el centro. Si la distribución por centro difería en más de 5 puntos porcentuales entre cohortes, se utilizaron estratos combinados de centro y MODS. La asignación de cohortes se guardó antes del ajuste del modelo y no se modificó posteriormente. Las reglas de preprocesamiento, configuraciones de imputación, ajuste del modelo, estimación de coeficientes, construcción del puntaje y selección del punto de corte se derivaron exclusivamente a partir de la cohorte de desarrollo. La cohorte de validación reservada se utilizó únicamente para la evaluación del modelo bloqueado.
Criterios de elegibilidad y procedimientos de inscripción
Los pacientes elegibles eran adultos de 18 años o más con diagnóstico confirmado de PA, tiempo de ingreso hospitalario rastreable, al menos un panel de laboratorio bioquímico o de coagulación dentro de las 24 horas posteriores al ingreso y registros hospitalarios completos para la adjudicación de los desenlaces. Se excluyeron a los pacientes si no se podía confirmar la PA, si presentaban pancreatitis por pancreatitis crónica o malignidad pancreática asociada, o si no se podía reconstruir de forma confiable el momento del primer ingreso hospitalario. Se excluyeron los casos de traslado cuando el momento del primer ingreso, el momento de la primera toma de laboratorio o el estado de disfunción orgánica temprana no eran rastreables entre instituciones. Para ingresos repetidos del mismo paciente durante el período del estudio, solo se conservó la primera hospitalización elegible. Para cada caso excluido se registró una causa principal de exclusión.
Resultados y adjudicación de los puntos finales
El resultado principal fue la SDOM durante la hospitalización, definida como disfunción de dos o más sistemas orgánicos durante la estancia hospitalaria. La disfunción orgánica se evaluó a partir de los registros respiratorios, cardiovasculares, renales, hepáticos, de coagulación y neurológicos en la historia clínica electrónica. Se aplicaron los mismos criterios preespecificados por sistema orgánico en todos los centros antes del desarrollo del modelo, y los criterios operativos utilizados para la adjudicación de los puntos finales se resumen en la Tabla Suplementaria 1.
Dos revisores capacitados evaluaron independientemente cada registro desidentificado utilizando notas de ingreso, notas de evolución, registros de unidad de cuidados intensivos, registros de procedimientos, informes de laboratorio, registros de signos vitales y resúmenes de alta. El formulario de adjudicación registró el código de estudio del paciente, el sistema orgánico afectado, el registro fuente, la fecha y hora de inicio, el valor de laboratorio o fisiológico de apoyo, la decisión del revisor y el estado final de adjudicación. Se aceptó como definitivo el acuerdo entre los revisores. Las discrepancias se resolvieron mediante un tercer revisor senior. Los resultados secundarios incluyeron ingreso a la unidad de cuidados intensivos, ventilación mecánica invasiva o no invasiva, terapia de reemplazo renal, mortalidad intrahospitalaria, necrosis infectada o procedimiento de drenaje y duración de la estancia hospitalaria. La duración de la estancia se calculó como la fecha de alta menos la fecha de ingreso más 1 día.
Predictores candidatos al momento del ingreso
Los predictores candidatos se limitaron a variables de rutina disponibles dentro de las 24 horas posteriores al ingreso. Para las pruebas repetidas dentro del período de 24 horas, se conservó el valor elegible más temprano. Las variables bioquímicas incluyeron recuento de glóbulos blancos, proteína C reactiva, procalcitonina cuando estuvo disponible, lactato, glucosa, calcio total, nitrógeno ureico en sangre, creatinina, alanina aminotransferasa, bilirrubina total, albúmina y deshidrogenasa láctica. Las variables de coagulación incluyeron recuento de plaquetas, tiempo de protrombina, relación normalizada internacional del tiempo de protrombina, tiempo de tromboplastina parcial activada, fibrinógeno y D-dímero.
Se recopilaron variables clínicas basales para la descripción del perfil de pacientes y el cálculo del puntaje de referencia. Estas variables incluyeron edad, sexo, índice de masa corporal, tiempo transcurrido desde el inicio de los síntomas hasta la admisión, etiología de la pancreatitis aguda, estado de tabaquismo, antecedentes de pancreatitis previa, comorbilidades, frecuencia cardíaca al ingreso, presión arterial media, estado de síndrome de respuesta inflamatoria sistémica, puntaje del Índice al Lado de la Cama para la Gravedad en la Pancreatitis Aguda, puntaje de Evaluación de la Fisiología Aguda y la Salud Crónica II y puntaje de Evaluación Secuencial de Insuficiencia Orgánica. Cuando tanto el tiempo de protrombina como el tiempo de protrombina con razón normalizada internacional estaban disponibles, se utilizó el tiempo de protrombina con razón normalizada internacional para la modelización, y se conservó el tiempo de protrombina para los informes descriptivos. El archivo de extracción contenía una fila por cada hospitalización y conservaba el código del centro, el código del paciente en el estudio, la hora de admisión, la hora de muestreo, el valor crudo, la unidad cruda, el valor armonizado, la unidad armonizada, la tabla de origen y el indicador de datos faltantes.
Armonización de laboratorios entre centros
Todas las variables de laboratorio se convirtieron a unidades objetivo preespecificadas antes del análisis: recuento de glóbulos blancos y recuento de plaquetas, 109/L; proteína C reactiva, mg/L; procalcitonina, ng/mL; lactato, glucosa, calcio total y nitrógeno ureico en sangre, mmol/L; creatinina y bilirrubina total, µmol/L; alanina aminotransferasa y deshidrogenasa láctica, U/L; albúmina y fibrinógeno, g/L; tiempo de protrombina y tiempo de tromboplastina parcial activada, segundos; relación internacional normalizada del tiempo de protrombina, relación adimensional; y D-dímero, mg/L de unidades equivalentes a fibrinógeno. Los valores de D-dímero reportados como µg/mL de unidades equivalentes a fibrinógeno se convirtieron a mg/L de unidades equivalentes a fibrinógeno mediante una conversión numérica 1:1. Los valores de D-dímero reportados como unidades de D-dímero se convirtieron únicamente cuando el laboratorio local proporcionó un factor de conversión validado. Los valores sin un factor de conversión validado se consideraron faltantes en el modelado.
Se revisaron las unidades de reporte, rangos de referencia, registros de ensayos y notas del analizador de cada centro antes de agruparlos. El archivo de armonización conservó la unidad original, la unidad objetivo, la regla de conversión y el revisor responsable de verificar la conversión. Los valores de laboratorio no se normalizaron según los rangos de referencia específicos de cada centro en el análisis principal, ya que la puntuación tenía la intención de utilizar valores clínicos absolutos. El código del centro se mantuvo durante la imputación y el análisis de sensibilidad. Se marcaron los valores negativos para pruebas que no pueden ser negativas, unidades incompatibles, marcas de tiempo fuera de la ventana de 24 horas y valores no respaldados por los registros originales. Solo se corrigió un valor cuando el registro fuente confirmó un error de transcripción o de conversión de unidades; de lo contrario, se estableció como faltante.
Preprocesamiento de datos y manejo de datos faltantes
La ausencia de datos se resumió por variable, centro y estado de MODS antes del ajuste del modelo. Los predictores candidatos se excluyeron del desarrollo del modelo si la ausencia general superaba el 30 % o si la ausencia superaba el 50 % en algún centro individual. Los pacientes se excluyeron del conjunto de datos de modelado si faltaba más del 40 % de los predictores candidatos o si no se podía determinar el resultado principal.
Los predictores continuos se ajustaron mediante winsorización en los percentiles 1.º y 99.º estimados en la cohorte de desarrollo. Los mismos umbrales se aplicaron a la cohorte de validación reservada. No se volvieron a estimar los umbrales en los datos de validación. Las variables con asimetría mayor a 2 tras la winsorización se transformaron utilizando el logaritmo natural; se usó log(x + 0,01) para variables que podían contener cero. Los predictores continuos se estandarizaron utilizando la media y la desviación estándar de la cohorte de desarrollo, y los mismos parámetros se aplicaron a los datos de validación.
Se realizó imputación múltiple utilizando ecuaciones encadenadas en R con el paquete mice versión 3.16.0. Se generaron veinte conjuntos de datos imputados con 20 iteraciones por conjunto de datos. Se utilizó el emparejamiento predictivo de medias para variables continuas, regresión logística para variables binarias y regresión logística politómica para variables categóricas nominales. El modelo de imputación incluyó predictores candidatos, código del centro, indicador de cohorte y estado de MODS para el desarrollo del modelo. Los resultados de validación no se utilizaron para modificar las reglas de preprocesamiento, la elegibilidad de variables ni los umbrales. Las estimaciones de regresión se combinaron utilizando las reglas de Rubin cuando se informaron. Las métricas de predicción se calcularon dentro de cada conjunto de datos imputados y se resumieron como estimaciones combinadas o medianas con rangos. Se prespecificaron dos análisis de sensibilidad: análisis de casos completos utilizando pacientes sin predictores del modelo final faltantes y análisis del valor basal utilizando el peor valor de laboratorio elegible dentro de las 24 horas en lugar del valor más temprano.
Análisis estadístico y desarrollo del modelo
Las características basales se resumieron por separado en las cohortes de desarrollo y de validación de retención. Las variables continuas se presentaron como media ± desviación estándar o mediana con rango intercuartílico, y las variables categóricas como n (%). Las variables bioquímicas y de coagulación al ingreso se compararon entre pacientes con y sin SDOM. Se utilizó la prueba t de Student o la prueba de suma de rangos de Wilcoxon para variables continuas, y la prueba de chi-cuadrado o la prueba exacta de Fisher para variables categóricas. Estos valores P fueron descriptivos y no se utilizaron por sí solos para la selección de predictores.
El desarrollo del modelo se limitó a la cohorte de desarrollo. Se utilizó la regresión logística penalizada como modelo principal para reducir el sobreajuste ante recuentos limitados de eventos y predictores de laboratorio correlacionados. El modelo se ajustó en R versión 4.3.2 utilizando el paquete glmnet versión 4.1-8 con familia binomial, predictores estandarizados y penalización mediante el operador de contracción absoluta mínima y selección (LASSO), especificada mediante alpha = 1. Para el ajuste de la penalización se empleó una validación cruzada de diez pliegues repetida 10 veces, con la semilla aleatoria fijada en 20260420. El parámetro de penalización se seleccionó utilizando la regla de un error estándar. Se guardaron la trayectoria de los coeficientes, los valores del error de validación cruzada, el parámetro de penalización seleccionado y los predictores retenidos. El flujo de trabajo del análisis se muestra en Figura 2. El software, los paquetes estadísticos, los sistemas de bases de datos y las plataformas de laboratorio utilizados en el protocolo se enumeran en la Tabla de Materiales.
No se utilizó la regresión logística sin penalización como modelo inferencial principal tras la selección con penalización. Si se informaron razones de momios para la interpretación clínica, se etiquetaron como estimaciones descriptivas posteriores a la selección. La discriminación se estimó mediante el área bajo la curva de característica operativa del receptor, con intervalos de confianza del 95 % calculados utilizando el método de DeLong en el paquete pROC versión 1.18.5. La calibración se evaluó mediante el intercepto de calibración, la pendiente de calibración, la puntuación de Brier y gráficos de calibración. Se empleó remuestreo bootstrap con 1 000 repeticiones en la cohorte de desarrollo para estimar el rendimiento corregido por optimismo. El análisis de curva de decisión no se mantuvo en el conjunto de análisis revisado; por lo tanto, las afirmaciones sobre beneficio clínico neto se eliminaron del manuscrito.
Derivación e interpretación del puntaje
El puntaje compuesto bioquímico-coagulación basado en puntos de admisión se derivó de los coeficientes del modelo penalizado bloqueado. Las variables continuas se utilizaron durante el ajuste del modelo. Las categorías con umbrales se introdujeron únicamente después de la finalización del modelo para facilitar el cálculo al pie del lecho. Los umbrales se seleccionaron según rangos de referencia clínicos establecidos, umbrales comúnmente utilizados para anormalidades de laboratorio o puntos de corte basados en coeficientes definidos en la cohorte de desarrollo antes de la validación. Los umbrales no se optimizaron en la cohorte de validación.
Se asignaron puntos enteros según la dirección y la magnitud relativa de los coeficientes fijos. Puntos más altos indicaban perfiles de laboratorio más adversos. La puntuación total se calculó sumando los puntos de los componentes retenidos. Las categorías de riesgo preespecificadas se utilizaron únicamente para la estratificación del riesgo; no se utilizaron para definir el SDMO. La puntuación tenía como objetivo identificar a los pacientes que podrían necesitar una observación más estrecha, evaluaciones de laboratorio repetidas o preparación para vías de soporte orgánico. No se utilizó como una regla diagnóstica independiente, un desencadenante de anticoagulación ni como sustituto de la reevaluación clínica.
Validación con conjunto de retención y evaluación comparativa
Se aplicaron al conjunto de validación con retención las reglas fijas de preprocesamiento, la estructura de imputación, los umbrales de winsorización, los parámetros de estandarización, los coeficientes del modelo, las reglas de puntuación y los puntos de corte preespecificados. No se realizó ninguna selección adicional de predictores, reajuste del modelo, recalibración de coeficientes ni optimización de umbrales. El desempeño de validación se resumió mediante indicadores de discriminación, calibración, puntuación de Brier, sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo.
Se calcularon herramientas de gravedad establecidas a partir de la misma ventana de ingreso cuando los datos estaban disponibles, incluyendo el Índice de Gravedad en Pancreatitis Aguda en la Cama, la puntuación de Evaluación de la Fisiología Aguda y la Salud Crónica II, la puntuación de Evaluación Secuencial de Insuficiencia Orgánica, la puntuación de Ranson, la Puntuación de Pancreatitis Aguda Inofensiva y los criterios del síndrome de respuesta inflamatoria sistémica. Las comparaciones utilizaron el mismo punto final, población de análisis y marco de validación. Se realizaron comparaciones pareadas del área bajo la curva utilizando las pruebas de DeLong.
Todos los gráficos de validación y los gráficos estratificados por puntuación se generaron a partir del conjunto de datos analíticos bloqueado. El tamaño de la muestra en cada panel de la figura se verificó en comparación con la cohorte analítica final, la cohorte de desarrollo, la cohorte de validación independiente o el estrato de puntuación preespecificado antes de la elaboración de las figuras. No se utilizaron métodos visuales diseñados para datos ómicos de alta dimensión, datos de conteo ecológicos o análisis de abundancia diferencial para datos de laboratorio clínico de rutina.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Características de la cohorte y comparabilidad basal
Un total de 300 pacientes con pancreatitis aguda fueron incluidos en la cohorte analítica final. De acuerdo con la división estratificada prespecificada de 7:3 para validación independiente, 210 pacientes fueron asignados a la cohorte de desarrollo y 90 pacientes a la cohorte de validación independiente. Todos los pacientes incluidos tuvieron mediciones bioquímicas y de coagulación elegibles dentro de las 24 horas posteriores al ingreso hospitalari...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
El síndrome de disfunción orgánica múltiple (MODS) asociado a pancreatitis aguda puede desarrollarse en un corto período después del ingreso hospitalario, especialmente en pacientes con inflamación sistémica temprana, lesión endotelial, perfusión tisular comprometida e inestabilidad metabólica. El presente protocolo se diseñó en torno a esta ventana de ingreso porque las primeras 24 h suelen determinar si un paciente permanece bajo observación rutinaria en la unidad de hospitalización o requiere una reevaluación más estr...
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
Los autores declaran que no tienen conflictos de intereses relevantes para este estudio.
Los autores desean agradecer a todos los clínicos y al personal de laboratorio involucrados en el diagnóstico, tratamiento y recolección de datos de pacientes con pancreatitis aguda. También estamos agradecidos a los pacientes cuyos datos clínicos permitieron este estudio. Su contribución es sinceramente apreciada.
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Nombre | Nombre de la empresa | Número de catálogo / URL | Comentarios |
| Software estadístico R | Foundation for Statistical Computing | Version 4.3.2 https://www.r-project.org/ | Entorno de computación estadística utilizado para el preprocesamiento de datos, desarrollo de modelos, validación y generación de figuras. |
| Paquete caret para R | CRAN / Max Kuhn | Version 6.0-94 https://cran.r-project.org/package=caret | Utilizado para la división estratificada 7:3 entre conjunto de desarrollo y validación de exclusión mediante createDataPartition. |
| Paquete glmnet para R | CRAN / autores de glmnet | Version 4.1-8 https://cran.r-project.org/package=glmnet | Utilizado para regresión logística penalizada con LASSO, familia binomial y alpha = 1. |
| Paquete mice para R | CRAN / proyecto amices | Version 3.16.0 https://cran.r-project.org/package=mice | Utilizado para imputación múltiple mediante ecuaciones encadenadas con 20 conjuntos de datos imputados y 20 iteraciones. |
| Paquete pROC para R | CRAN / autores de pROC | Version 1.18.5 https://cran.r-project.org/package=pROC | Utilizado para análisis ROC, estimación del AUC, intervalos de confianza y comparaciones mediante el método de DeLong. |
| Serie de analizadores modulares cobas 8000 | Roche Diagnostics | 05641446001 / SYS_128 https://diagnostics.roche.com/global/en/products/systems/cobas-8000-analyzer-series-sys-128.html | Ensayos bioquímicos e inmunoquímicos. Verifique el modelo del analizador y la información del catálogo frente a los registros del laboratorio participante antes de la presentación. |
| Analizador hematológico automatizado XN-1000 | Sysmex Corporation | Modelo XN-1000 https://www.sysmex.com/en-us/lab-solutions/hematology/xn-series/xn-1000 | Variables del hemograma completo, incluyendo recuentos de glóbulos blancos y plaquetas. Verifique frente a los registros del laboratorio participante antes de la presentación. |
| Analizador automatizado de coagulación sanguínea CS-5100 | Sysmex Corporation | Modelo CS-5100 https://www.sysmex.com/en-us/lab-solutions/hemostasis/sysmex-cs-5100 | Variables de coagulación, incluyendo TP, TTPa, fibrinógeno y D-dímero. Verifique frente a los registros del laboratorio participante antes de la presentación. |
| Analizador de gases en sangre ABL90 FLEX PLUS | Radiometer Medical ApS | Modelo ABL90 FLEX PLUS https://www.radiometer.com/en/products/blood-gas-testing/abl90-flex-plus-blood-gas-analyzer | Medición de lactato, si se utilizó esta plataforma. Verifique frente a los registros del laboratorio participante antes de la presentación. |
| Sistema de historial médico electrónico | Hospitales participantes | Específico de la institución; no aplicable | Utilizado para recuperar notas de ingreso, notas de evolución, registros de UCI, procedimientos, signos vitales y registros de alta. Reemplace con el nombre real del proveedor y del sistema cuando esté disponible. |
| Sistema de información de laboratorio | Hospitales participantes | Específico de la institución; no aplicable | Utilizado para recuperar marcas de tiempo de laboratorio, valores brutos, unidades y datos armonizados. Reemplace con el nombre real del proveedor y del sistema cuando esté disponible. |
| Formulario de adjudicación de eventos finales | Equipo del estudio | Documento personalizado del estudio; no aplicable | Formulario estandarizado utilizado por dos revisores y un tercer revisor senior para adjudicar el estado y el inicio de SDOM. |
| Diccionario de datos y tabla de conversión de unidades | Equipo del estudio | Documento personalizado del estudio; no aplicable | Define nombres de variables, unidades objetivo, reglas de conversión, indicadores de datos faltantes, códigos de centros y formatos listos para el análisis. |
Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.