Se requiere una suscripción a JoVE para ver este contenido. Inicie sesión o comience su prueba gratuita.

Artículo de investigación

Desarrollo y validación interna de un nomograma para predecir la trombosis venosa temprana muscular de la pantorrilla tras fractura de cadera

93 visualizaciones

DOI:

10.3791/71963

7 de agosto de 2026

En este artículo

Resumen

Este estudio retrospectivo desarrolló y validó internamente un nomograma de seis variables para estimar el riesgo de trombosis temprana de la vena muscular de la pantorrilla dentro de las 48 horas posteriores a la fractura de cadera. El modelo tiene en cuenta los efectos no lineales de los triglicéridos y puede apoyar la conciencia del riesgo hasta que se valide externamente.

Resumen

La trombosis temprana de la vena muscular de la pantorrilla (MCVT) detectada en las 48 horas posteriores a la lesión puede afectar el manejo perioperatorio en pacientes con fracturas de cadera. Este estudio tenía como objetivo desarrollar y validar internamente un nomograma para estimar el riesgo temprano de MCVT en esta población. Este estudio evaluó retrospectivamente a los pacientes con fractura de cadera ingresados entre 2021 y 2024. Los pacientes se clasificaron en grupos MCVT y no MCVT basándose en una ecografía de admisión realizada en las 48 horas posteriores a la lesión. Se utilizó regresión con el Operador de Mínima Contracción Absoluta y Selección (LASSO) para la selección de características, y se emplearon splines cúbicos restringidos (RCS) para evaluar asociaciones no lineales. Se construyó y visualizó un modelo de regresión logística multivariable como un nomograma. El rendimiento del modelo se evaluó mediante discriminación (área bajo la curva característica de operación del receptor, AUC), calibración (puntuación Brier) y utilidad clínica (análisis de curva de decisión, DCA), con validación interna utilizando 1.000 remuestras bootstrap, tras la guía de Transparencia de Reporte de un Modelo de Predicción Multivariable para Pronóstico Individual o Diagnóstico Plus Inteligencia Artificial (TRIPOD + IA). Entre los 665 pacientes incluidos, 44 (6,6%) presentaban MCVT precoz. Se mantuvieron seis variables en el modelo final de predicción: tiempo desde la lesión hasta el ingreso (TFIA), triglicéridos (TG), colesterol total (CT), tiempo de tromboplastina parcial activada (APTT), relación neutrófilos/linfocitos (NLR) y relación plaqueta-linfocitos (PLR). El análisis RCS reveló una asociación no lineal significativa entre el riesgo de TG y MCVT (valor p para la no linealidad <0,001). El modelo mostró buena discriminación (AUC: 0,894; IC 95%: 0,829–0,941) y una calibración aceptable (puntuación Brier: 0,041). El índice C corregido por optimismo fue de 0,884. El DCA sugirió un posible beneficio neto clínico a través de probabilidades umbral relevantes. En conclusión, el nomograma desarrollado puede ayudar a la estratificación temprana del riesgo, pero se requiere validación externa en cohortes independientes antes de la aplicación clínica.

Introducción

Las fracturas de cadera en adultos mayores representan un importante desafío global de salud pública y suelen asociarse con una alta morbilidad, mortalidad y un gasto sanitarioelevado 1. Las guías clínicas actuales abogan firmemente por una intervención quirúrgica acelerada, idealmente dentro de las 48 horas posteriores al ingreso, para aliviar el dolor, facilitar la movilización temprana y mitigar complicaciones potencialmentemortales 2,3. Sin embargo, la trombosis venosa profunda (TVP) preoperatoria sigue siendo una barrera formidable para una cirugía oportuna. La trombosis venosa muscular de la pantorrilla (MCVT), un subtipo específico de TVP distal, implica la formación de trombos dentro del plexo venoso de los músculos pantorrilla, principalmente los músculos sóleo ygastrocnemio 4. Aunque a menudo es asintomático y se percibe históricamente como menos clínicamente significativo que la TVP proximal, la evidencia emergente sugiere que la MCVT puede propagar la cefalada hacia las venas proximales o desencadenar embolia pulmonar (EP), comprometiendo así la seguridad del paciente 5,6. En consecuencia, la MCVT detectada temprano tras la lesión puede requerir un aplazamiento quirúrgico, prolongar las estancias hospitalarias y complicar el manejo perioperatorio al requerir puente anticoagulante o la colocación de un filtro de la vena cava inferior. Por ello, una herramienta sólida para identificar a pacientes con fractura de cadera con alto riesgo de MCVT temprano, detectada en la ecografía de admisión, es clínicamente importante para optimizar las vías quirúrgicas y mejorar los resultados en los pacientes.

A pesar de la ecografía rutinaria, la estratificación temprana del riesgo para el MCVT agudo en pacientes con fractura de cadera sigue siendo un reto clínico. Investigaciones previas han intentado identificar factores de riesgo para la trombosis perioperatoria; sin embargo, la mayoría se ha centrado en características demográficas aisladas o en parámetros tradicionalesde coagulación 4,7. Estos estudios suelen estar limitados por las limitaciones inherentes de los modelos de regresión lineal, que pueden no captar la dinámica intrincada y no lineal ni la compleja interacción de la respuesta tromboinflamatoria inducida por el trauma. Desde un punto de vista fisiopatológico, las fracturas agudas desencadenan una liberación masiva de citocinas inflamatorias, que posteriormente activan la cascada decoagulación 8,9. Aunque los nuevos índices inflamatorios compuestos —como la proporción neutrófilos-linfocitos (NLR) y la proporción plaqueta-linfocitos (PLR)— han demostrado un valor pronóstico significativo en los ámbitos cardiovascular y quirúrgico, su utilidad para predecir la MCVT en fases tempranas sigue estando en gran medida pocoexplorada 10,11.

Para cerrar esta brecha en la investigación, se necesita una herramienta predictiva multidimensional e individualizada. Este estudio tenía como objetivo investigar predictores de MCVT temprano en una cohorte bien definida de pacientes con fractura de cadera ingresados en menos de 48 horas tras la lesión. Mediante el emplear regresión por Operador de Mínima Contracción Absoluta y Selección (LASSO) para la selección de características y splines cúbicos restringidos (RCS) para caracterizar asociaciones complejas no lineales, este estudio buscó desarrollar y validar internamente un nomograma clínicamente interpretable. Este estudio planteó la hipótesis de que integrar marcadores inflamatorios sistémicos y perfiles metabólicos mejoraría la estratificación temprana del riesgo y apoyaría la planificación de vigilancia durante la fase aguda del cuidado de fracturas de cadera.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Protocolo

El protocolo del estudio fue aprobado por la Junta de Revisión Institucional (IRB) del hospital ([2025B], Aprobación Ética del IIT nº 0407).

Diseño del estudio y participantes

Este estudio de cohorte retrospectiva monocéntrico se llevó a cabo en el Primer Hospital Afiliado de la Facultad de Medicina de la Universidad de Zhejiang. Este estudio examinó consecutivamente los registros clínicos de pacientes ingresados con fracturas de cadera entre enero de 2021 y diciembre de 2024. Al tratarse de un estudio retrospectivo, se solicitó y concedió la exención del consentimiento informado de los participantes. Según los hallazgos de la ecografía Doppler colorida rutinaria realizada en el ingreso de urgencias, los pacientes fueron categorizados en grupos MCVT o no MCVT.

Las fracturas de cadera se definieron como fracturas del fémur proximal, incluyendo el cuello femoral, las regiones intertrocantéricas y subtrocantéricas, excluyendo las fracturas pélvicas. Para garantizar la pureza de la población estudiada, los criterios de inclusión se definieron estrictamente de la siguiente manera: (1) fractura primaria cerrada de cadera confirmada mediante rayos X o tomografía computarizada; (2) tiempo desde la lesión hasta el ingreso (TFIA) en un plazo de 48 horas; (3) finalización de la ecografía Doppler bilateral de color venoso profundo en las extremidades inferiores al momento de la admisión (generalmente dentro de las 2 horas posteriores a la confirmación radiográfica de la fractura de cadera y antes del inicio de la terapia anticoagulante); y (4) planificación de intervención quirúrgica. Los pacientes fueron excluidos en función de los siguientes criterios: (1) traumatismos múltiples (por ejemplo, lesiones craneocerebrales, torácicas o abdominales concurrentes); (2) fracturas patológicas (por ejemplo, metástasis ósea); (3) antecedentes de TVP o EP, o terapia anticoagulante/antiplaquetaria ≥ 30 días antes de la admisión; (4) disfunción hepática o renal grave que afecta significativamente la síntesis o metabolismo de factores de coagulación; (5) tumores malignos concurrentes; (6) datos sustanciales faltantes sobre variables clínicas o de laboratorio primarias; y (7) TVP proximal detectada en la ecografía de admisión (por ejemplo, trombosis que involucra las venas poplíteas, femorales, femorales comunes o ilíacas).

Recogida de datos y predictores candidatos

Todos los predictores candidatos se extrajeron retrospectivamente del sistema institucional de historial médico electrónico (EMR). Para garantizar la exactitud e integridad de los datos, el proceso de extracción fue realizado de forma independiente por dos investigadores, resolviendo cualquier discrepancia mediante consenso o consulta con un médico senior. Los datos recopilados se clasificaron en los siguientes dominios: (1) Características demográficas: Incluyendo edad, género e índice de masa corporal (IMC). (2) Variables clínicas y relacionadas con lesiones: El TFIA (medido en horas) fue documentado con precisión. Además, las comorbilidades basales se cuantificaron utilizando el Índice de Comorbilidad de Charlson (CCI). (3) Biomarcadores de laboratorio: Se obtuvieron parámetros de laboratorio a partir de las muestras iniciales de sangre venosa recogidas en las 24 horas posteriores a la admisión. Estos incluían el hemograma completo (hemograma), pruebas de función hepática y renal, y perfiles de coagulación. Además, se calcularon índices inflamatorios sistémicos compuestos, específicamente la NLR y la RPP, a partir de los resultados del hemograma completo.

Definición de resultados y criterios diagnósticos

El objetivo principal de este estudio fue la aparición de MCVT temprano, definida como trombosis detectada durante la evaluación inicial al ingresar. Todos los pacientes incluidos se sometieron a una ecografía Doppler bilateral de extremidad inferior al ingresar, antes de iniciar cualquier tratamiento anticoagulante. El examen se realizó utilizando EPIQ-5 con eL18-4. Los pacientes fueron examinados en posición supina y/o lateral según se tolerara. El diagnóstico se estableció mediante una ecografía Doppler bilateral de color rutinaria en las extremidades inferiores. Según los criterios ecográficos establecidos para la fase aguda, se confirmó un diagnóstico positivo de MCVT basado en las siguientesmanifestaciones: 12: (1) dilatación y tortuosidad significativas de los lúmenes venosos musculares de la pantorrilla; (2) la presencia de ecos floculentos intralumínicos o hipoecoicos uniformes, que aparecen como múltiples masas circulares u ovaladas en secciones transversales; (3) completa no compresibilidad de la vena bajo presión del transductor; (4) ausencia de señales espontáneas o fásicas de flujo sanguíneo, sin flujo detectable incluso durante el aumento distal de la extremidad (compresión manual); y (5) una demarcación clara entre el segmento trombosado y el tejido muscular adyacente. La ecografía Doppler bilateral de las extremidades inferiores se realizó al ingreso por médicos certificados en ecografía utilizando el protocolo institucional estandarizado. Los casos ambiguos fueron revisados por un ecologista senior.

Análisis estadístico

Todos los análisis estadísticos se realizaron utilizando el software R (versión 4.5.2). La normalidad de las variables continuas se evaluó mediante la prueba de Shapiro-Wilk. Los datos continuos se presentaron como medios ± desviaciones estándar (DS) o medianas con rangos intercuartílicos (IQR), según correspondá. Las variables categóricas se expresaban como frecuencias y porcentajes.

Las variables con un valor p < 0,01 en el análisis univariable y las variables consideradas clínicamente importantes se introdujeron en la regresión LASSO. Los predictores candidatos se seleccionaron en función de la relevancia clínica y la disponibilidad en el momento de la admisión. Las variables continuas se estandarizaron, antes de la regresión LASSO. Se evaluaron once características candidatas en el procedimiento LASSO, comprendiendo nueve variables continuas y dos variables ficticias para el tipo de fractura. Se utilizó regresión logística LASSO con validación cruzada de 10 veces para reducir la dimensionalidad y filtrar variables para el modelo multivariable final. Se examinaron los valores lambda.min y lambda.1se, y se determinó la retención final de variables mediante selección penalizada junto con relevancia clínica y posterior evaluación RCS. Las asociaciones entre predictores y MCVT se cuantificaron utilizando razones de probabilidades (OR) y los correspondientes intervalos de confianza del 95% (IC).

A partir de los predictores identificados en la regresión logística multivariable, se construyó un nomograma clínico para facilitar la estimación individualizada del riesgo temprano de MCVT. El rendimiento predictivo del nomograma fue evaluado de forma exhaustiva en tres dimensiones: discriminación, calibración y utilidad clínica. La discriminación se cuantificó utilizando el área bajo la curva característica de funcionamiento del receptor (AUC). La calibración se evaluó utilizando gráficos de calibración con 1.000 muestras bootstrap para evaluar la concordancia entre las probabilidades predichas y los resultados observados; la puntuación Brier también se calculó para medir la precisión predictiva global. Finalmente, se realizó el Análisis de la Curva de Decisión (DCA) para determinar el beneficio neto clínico del modelo en una amplia gama de probabilidades umbral. Todos los análisis estadísticos fueron bidireccionales, y los valores p < 0,05 se consideraron estadísticamente significativos.

De acuerdo con el diseño retrospectivo, el tamaño de la muestra se determinó por la disponibilidad de datos consecutivos de pacientes durante el periodo de estudio de cuatro años, en lugar de un cálculo de potencia a priori. Dada la incidencia relativamente baja de eventos MCVT positivos (n = 44), se utilizó todo el conjunto de datos para el desarrollo del modelo sin dividirse en conjuntos separados de entrenamiento y validación para mantener la potencia estadística. Para mitigar el riesgo de sobreajuste asociado a esta tasa de eventos, se empleó regresión LASSO para la selección de características y la regularización por reducción. El modelo final incluía seis predictores pero siete parámetros de regresión, excluyendo el intercepto, porque TG estaba representado por dos términos spline; por lo tanto, el EPV basado en parámetros era aproximadamente 6,3. El modelo no cumplía con la heurística tradicional de eventos por candidato (EPV) ≥10, que ahora se considera una guía aproximada más que un criterio absoluto. Por ello, este estudio evaluó además el sobreajuste utilizando estimaciones de rendimiento y pendientes de calibración corregidas por bootstrap. Se realizó una validación interna utilizando 1.000 remuestreos bootstrap para estimar y ajustar el sesgo optimista. Este estudio se llevó a cabo de acuerdo con la guía de reporte TRIPOD+AI 13.

Para facilitar la validación e implementación independiente, la ecuación completa del modelo, incluyendo el interceso, coeficientes de regresión, coeficientes de triglicéridos (TG) y ubicaciones de nudos RCS, se proporciona en la Tabla 1. La probabilidad predicha de MCVT temprano se calculó como P = 1 / [1 + exp(-LP)], donde LP es el predictor lineal.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Resultados

Datos demográficos

Un total de 665 pacientes con fracturas de cadera cumplieron los criterios de inclusión y fueron incluidos en este estudio (Figura 1). De ellos, 44 pacientes (6,6%) fueron diagnosticados con MCVT precoz detectado en la ecografía de admisión en menos de 48 horas tras la lesión. Una comparación detallada de las características demográficas y clínicas entre los grupos MCVT y no MCVT se resume en

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Discusión

Tras una fractura de cadera, la movilidad restringida de las extremidades inferiores puede reducir la función de la bomba de gastrocnemio y la velocidad del flujo sanguíneo venoso. Debido a sus diámetros relativamente pequeños y la escasez de válvulas, las venas musculares de la pantorrilla son susceptibles a la estasis sanguínea y pueden convertirse en un lugar temprano de detección de trombo. Un estudio previo de Zhao et al. reportó una incidencia preoperatoria de MCVT del 23,5% en pac...

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Divulgaciones

Los autores no tienen conflictos de interés que declarar.

Agradecimientos

Agradecemos sinceramente a todos los departamentos su valiosa ayuda.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Materiales

Lista de materiales utilizados en este artículo
NombreEmpresaNúmero de catálogoComentarios
Sistema de ultrasonido Doppler de colorPhilipsEPIQ-5 con eL18-4Detección y diagnóstico de MCVT
Analizador de coagulaciónStagoSTAR MAX (https://www.stago-cn.com)Medición de APTT
Analizador de hematologíaCobas8000 (https://www.cobase.com/)Recuento de células sanguíneas, NLR, PLR
Analizador bioquímico de laboratorioSysmexBC7500 (https://www.sysmex.com.cn/)Medición de TG y TC
Microsoft ExcelMicrosoft2023 (https://www.microsoft.com)Organización de datos
Software RR Foundationhttps://www.r-project.org/Análisis estadístico
Paquete R glmnetCRANhttps://cran.r-project.org/web/packages/glmnet/index.htmlRegresión LASSO
Paquete R rmsCRANhttps://cran.r-project.org/web/packages/rms/index.htmlRCS, nomograma, calibración
Paquete R pROCCRANhttps://cran.r-project.org/web/packages/pROC/index.htmlAnálisis ROC
Paquete R rmda / dcurvesCRANhttps://cran.r-project.org/web/packages/dcurves/index.htmlAnálisis de curva de decisión

Referencias

  1. de Ronde AJN, et al. Complication overview following hip fracture surgery: insights from a prospective multicenter cohort study. Injury. 2026; 57(4):113107.
  2. van Rijckevorsel VAJIM, de Jong L, Verhofstad MHJ, Roukema GR. Influence of time to surgery on clinical outcomes in elderly hip fracture patients: an assessment of surgical postponement due to non-medical reasons. Bone Joint J. 2022; 104-B (12):1369-78.
  3. Kjaervik C, et al. Waiting time for hip fracture surgery: hospital variation, causes, and effects on postoperative mortality: data on 37,708 operations reported to the Norwegian Hip Fracture Register from 2014 to 2018. Bone Jt Open. 2021; 2(9):710-20.
  4. Hu X, Li X, Xu H, et al. Development of risk prediction model for muscular calf vein thrombosis with acute exacerbation of chronic obstructive pulmonary disease. Int J Gen Med. 2022; 15:6549-60.
  5. Kim SM. Clinical presentation of isolated calf deep vein thrombosis in inpatients and prevalence of associated pulmonary embolism. J Vasc Surg Venous Lymphat Disord. 2022; 10(5):1037-43.
  6. Gillet JL, Perrin MR, Allaert FA. Short-term and mid-term outcome of isolated symptomatic muscular calf vein thrombosis. J Vasc Surg. 2007; 46(3):513-19.
  7. Hang L, Haibier A, Kayierhan A, Abudurexiti T. Risk factors for deep vein thrombosis of the lower extremity after total hip arthroplasty. BMC Surg.2024; 24(1):256.
  8. Bortolotti P, Faure E, Kipnis E. Inflammasomes in tissue damages and immune disorders after trauma. Front Immunol. 2018; 9:1900.
  9. Borgel D, et al. Inflammation in deep vein thrombosis: a therapeutic target? Hematology. 2019; 24(1):742-50.
  10. Diao S, et al. Risk factors and new inflammatory indicators of deep vein thrombosis after adult patella fractures. Front Surg. 2022; 9:1028542.
  11. Tort M, Sevil FC, Sevil H, Becit N. Evaluation of systemic immune-inflammation index in acute deep vein thrombosis: a propensity-matched study. J Vasc Surg Venous Lymphat Disord. 2023; 11(5):972-77. e1.
  12. Su LY, Guo FJ, Xu G, et al. Differential diagnosis of isolated calf muscle vein thrombosis and gastrocnemius hematoma by high-frequency ultrasound. Chin Med J (Engl). 2013; 126(23):4448-52.
  13. Collins GS, et al. TRIPOD+AI statement: updated guidance for reporting clinical prediction models that use regression or machine learning methods. BMJ. 2024; 385: q902.
  14. Zhao W, et al. Incidence and risk factors of preoperative isolated calf deep venous thrombosis following hip fractures. Medicine (Baltimore). 2022; 101(12): e29140.
  15. Moore EE, et al. Trauma-induced coagulopathy. Nat Rev Dis Primers. 2021; 7(1):30.
  16. Shin WC, et al. Preoperative prevalence of and risk factors for venous thromboembolism in patients with a hip fracture: an indirect multidetector CT venography study. J Bone Joint Surg Am. 2016; 98(24):2089-95.
  17. Navarrete S, et al. Pathophysiology of deep vein thrombosis. Clin Exp Med. 2023; 23(3):645-54.
  18. Feingold KR, et al. Effect of inflammation and infection on lipids and lipoproteins. In: Endotext. South Dartmouth (MA): MDText.com, Inc.; 2000.
  19. Liu S, Gao X, Wang G. Non-demographic dependent mechanisms of DVT formation in patients with traumatic limb fractures: an exploratory cohort study based on limited variable matching. Am J Transl Res. 2025; 17(10):8421-38.
  20. Gando S, Levi M, Toh CH. Trauma-induced innate immune activation and disseminated intravascular coagulation. J Thromb Haemost. 2024; 22(2):337-51.
  21. Hayakawa M. Pathophysiology of trauma-induced coagulopathy: disseminated intravascular coagulation with the fibrinolytic phenotype. J Intensive Care. 2017; 5:14.
  22. Joseph BC, et al. An engineered activated factor V for the prevention and treatment of acute traumatic coagulopathy and bleeding in mice. Blood Adv. 2022; 6(3):959-69.
  23. Hayakawa M. Dynamics of fibrinogen in acute phases of trauma. J Intensive Care. 2017; 5(1):3.
  24. Jiang J, Xing F, Luo R, et al. Risk factors and prediction model of nomogram for preoperative calf muscle vein thrombosis in geriatric hip fracture patients. Front Med. 2023; 10:1236451.
  25. Pan S, Zhou S, Ruze XYD, et al. Preoperative prevalence and risk factors for calf muscular vein thrombosis in elderly patients with hip fracture. Orthop Surg. 2023; 15(7):1806-13.
  26. Zhang L, He M, Jia W, et al. Analysis of high-risk factors for preoperative DVT in elderly patients with simple hip fractures and construction of a nomogram prediction model. BMC Musculoskelet Disord. 2022; 23(1):441.
  27. Hayssen H, Cires-Drouet R, Englum B, et al. Systematic review of venous thromboembolism risk categories derived from Caprini score. J Vasc Surg Venous Lymphat Disord. 2022; 10(6):1401-09. e7.
  28. Vittinghoff E, McCulloch CE. Relaxing the rule of ten events per variable in logistic and Cox regression. Am J Epidemiol. 2007; 165(6):710-18.

Acceso restringido. Inicie sesión o comience una prueba gratuita para ver este contenido.

Reimpresiones y permisos

Etiquetas

MedicinaN mero 234N mero 234Valor vac oN meroTrombosis venosa muscular de la pantorrillaMCVTModelo predictivo