Comparación pronóstica entre scores de riesgo y la aplicación de redes neuronales para la predicción de la mortalidad a corto y mediano plazo en pacientes con insuficiencia cardíaca / Prognostic Comparison between Risk Scores and Neural Networks to Predict Short- and Mid-Term Mortality in Acute Heart Failure

RESUMEN Introducción: En el contexto de la insuficiencia cardíaca (IC) existen scores de riesgo para evaluar la mortalidad por cualquier causa durante el primer año, con áreas bajo la curva ROC que oscilan entre 0,59 y 0,80. Objetivo: Desarrollar y validar un modelo basado en algoritmos de redes neuronales (RN) destinado a mejorar el rendimiento de los modelos tradicionales para predecir mortalidad a corto y mediano plazo de pacientes con IC aguda. Material y métodos: Se analizó una base de datos con 181 variables de 483 pacientes con IC aguda en un hospital de comunidad de la Ciudad de Buenos Aires (junio de 2005-junio de 2019). Se utilizaron 25 variables para calcular 5 modelos de riesgo validados para predecir la mortalidad a 30 días, 6 meses y un año: EFFECT, ADHERE, GWTG-HF, 3C-HF y ACUTE-HF. Resultados: La edad media fue 78 ± 11,1años, 58% eran varones, el 35% de las IC eran de etiología isquémico necrótica, y la fracción de eyección media fue 52% (35-60). En término de discriminación a 30 días, fueron mejores el score EFFECT (ROC: 0,68) y el 3C-HF (ROC: 0,67) que el ACUTE- HF (ROC: 0,54). A los 6 meses y al año, el score EFFECT (ROC: 0,69 y 0,69) superó al ADHERE (ROC: 0,53 y 0,56) (p=0,011 y p = 0,003, respectivamente), y los scores EFFECT GWRG-HF (ROC: 0,68 y 0,66) y 3C-HF (ROC: 0,67 y 0,67) superaron al score ACUTE-HF (ROC: 0,53 y 0,56). De los algoritmos de RN los mejores resultados se obtuvieron con un perceptrón multicapa (PMC) con dos capas ocultas. Se usó una RN de arquitectura de capas 24-9-7-2 con los siguientes resultados: ROC: 0,82, valor predictivo negativo (VPN) 93,2% y valor predictivo positivo (VPP) 66,7% para mortalidad a 30 días; ROC: 0,87, VPN: 89,1% y VPP: 78,6% para mortalidad a 6 meses; y ROC: 0,85, VPN: 85,6% y VPP: 78,9% para mortalidad al año. En términos de discriminación, los algoritmos de RN superaron a los scores tradicionales ( p <0,001). Los factores que obtuvieron ≥50% de importancia estandarizada para predecir la mortalidad a los 30 días fueron en orden descendente la creatinina sérica, la hemoglobina, la frecuencia respiratoria, la urea, el sodio, la edad y la presión arterial sistólica. Agregaron capacidad pronóstica la clase III-IV NYHA y la demencia para mortalidad a 6 meses, y la frecuencia cardíaca y la disfunción renal crónica para mortalidad al año. Conclusiones: Los modelos con algoritmos de RN fueron significativamente superiores a los scores de riesgo tradicionales en nuestros pacientes con IC. Estos hallazgos constituyen una hipótesis de trabajo a validar con una mayor muestra de casos y en forma multicéntrica.

ABSTRACT Background: Heart failure (HF) risk scores to assess all-cause mortality during the first year have areas under the ROC curve (AUC) ranging between 0.59 and 0.80 Objective: To develop and validate a neural network (NN) algorithm-based model to improve traditional scores' performance for predicting short- and mid-term mortality of patients with acute HF. Methods: A prospective clinical database was analyzed including 483 patients admitted with diagnosis of acute HF in a coronary care unit community hospital of Buenos Aires, between June 2005 and June 2019. Among 181 demographic, laboratory, treatment and follow-up variables, only 25 were selected to calculate five acute heart failure risk scores aimed to predict 30-day, 6-month and 1-year mortality: EFFECT, ADHERE, GWTG-HF, 3C-HF, and ACUTE-HF. Results: Mean age was 78 ± 11.1 years, 58% were men, 35% had ischemic necrotic HF and median left ventricular ejection fraction was 52% (35-60). At 30 days, the EFFECT score (AUC:0.68) and the 3C-HF score (AUC: 0.68) showed better performance than the ACUTE-HF score (AUC: 0.54). At 6-month and 1-year follow-up, the EFFECT score (ROC: 0.69 and 0.69) outperformed the ADHERE score (AUC: 0.53 and 0.56), and EFFECT (AUC: 0.69 and 0.69), GWRG-HF (AUC = 0.68 and 0.66), and 3C-HF (AUC:0.67 and 0.67) scores outperformed the ACUTE-HF score (AUC:0.53 and 0.56). The best results with NN algorithms were obtained with a two-hidden layer multilayer perceptron. A 24-9-7-2-layer architecture NN was used with the following results: AUC: 0.82, negative predictive value (NPV) 93.2% and positive predictive value (PPV) 66.7% for 30-day mortality; AUC: 0.87, NPV: 89.1% and PPV: 78,6% for 6-month mortality; and AUC: 0.85, NPV: 85.6% and PPV: 78.9% for 1-year mortality. In terms of discrimination, NN algorithms outperformed all the traditional scores (p <0.001). For this algorithm, the most influential factors in descending order that scored ≥50% normalized importance to predict 30-day mortality were serum creatinine, hemoglobin, respiratory rate, blood urea nitrogen, serum sodium, age and systolic blood pressure. Also, NYHA functional class III-IV and dementia added prognostic capacity to 6-month mortality, and heart rate and chronic kidney disease to 1-year mortality. Conclusions: The models with NN algorithms were significantly superior to traditional risk scores in our population of patients with HF. These findings constitute a working hypothesis to be validated with a larger and multicenter sample of cases.

Desarrollo y validación externa de un puntaje predictivo de mediastinitis posoperatoria en cirugía cardíaca derivado del registro multicéntrico CONAREC XVI / Development and External Validation of a Predictive Score of Postoperative Mediastinitis in Cardiovascular Surgery Derived from the CONAREC XVI Multicenter Registry

RESUMEN Objetivos: El objetivo de este análisis fue definir variables predictoras independientes para la aparición de mediastinitis pos-cirugía cardíaca, y desarrollar un puntaje validado para estratificar el riesgo de manifestación de mediastinitis. Materiales y métodos: Se analizaron datos el estudio CONAREC XVI de adultos sometidos a cirugía cardíaca entre 2007 y 2008, en 49 centros de 16 provincias argentinas. Se definió mediastinitis como la presencia de signos clínicos o cultivos positivos. Se evaluaron variables epidemiológicas, clínicas, tipo de cirugía, variables intraoperatorias y posoperatorias, estudios complementarios. Se realizó un análisis de regresión logística múltiple para identificar variables independientemente asociadas a la manifestación de mediastinitis posoperatoria. Se consideró como significativa un error alfa menor del 5% a dos colas. Se construyó un score y se realizó una validación externa con pacientes de otros centros quirúrgicos. Resultados: Se analizaron 2553 pacientes: 1465 (57,4%) sometidos a cirugía coronaria, 359 (14,1%) a reemplazo valvular aórtico, 169 (6,6%) a cirugía valvular mitral, 312 (12,2%) a cirugía combinada y 248 (9,7%) a otras. La incidencia de mediastinitis fue 1,88% en la población global. Las variables asociadas al desarrollo de mediastinitis fueron: antecedente de tabaquismo, OR: 2,3 (IC 95% 1,1-5,1) p = 0,02, disfunción ventricular grave, OR: 2,8 (IC 95% 1,3-6,2) p = 0,001, reoperación, OR: 4,6 (IC 95% 1,8-11,3) p = 0,001, e insuficiencia renal posoperatoria, OR: 4,3 (IC 95% 1,9-9,6) p = 0,0001. Se construyó un score de riesgo adjudicando los siguientes puntajes según la presencia o ausencia de cada una de los cuatros variables del modelo resultante: 1 punto en caso de disfunción ventricular grave, 1 punto para el antecedente de tabaquismo, 2 puntos para el desarrollo de insuficiencia renal y 2 puntos para la necesidad de reoperación. El área ROC para mortalidad fue 0,72 (IC 95% 0,64-0,81) (Hosmer Lemeshow p = 0,9). El grupo de validación incluyó 1657 pacientes con edad media fue de 62,8 ± 13 años. Se observó una incidencia de mediastinitis de 1,6%. El área ROC para desarrollo de mediastinitis fue 0,70 (IC 95% 0,58-0,80), p = 0,001. Conclusiones: La construcción de un score de riesgo predictivo del desarrollo de mediastinitis en el posoperatorio de cirugía cardíaca resulta relevante para su aplicación en la práctica diaria, tanto para la prevención como para la detección temprana de esta grave complicación.

ABSTRACT Objective: The aim of this analysis was to define independent predictive variables for the development of mediastinitis after cardiovascular surgery and develop a validated score to stratify the risk for mediastinitis. Methods: Data were retrieved from the CONAREC XVI study comprising adults undergoing cardiovascular surgery between September 2007 and October 2008 in 49 centers of 16 provinces in Argentina. Mediastinitis was defined as the presence of clinical signs attributable to the condition or positive cultures. Epidemiological and clinical variables, type of surgery, intraoperative and postoperative variables and complementary tests were evaluated. A logistic regression model was used to identify the independent variables associated with perioperative mediastinitis. A two-tailed alpha error < 0.05 was considered statistically significant. A score was constructed and was externally validated in patients from other surgical centers. Results: A total of 2553 patients were analyzed: coronary artery bypass graft surgery, 1465 patients (57.4%); aortic valve replacement, 359 (14.1%); mitral valve surgery, 169 (6.6%); combined procedure (revascularization-valve surgery), 312 (12.2%); other procedures, 248 (9.7%). The overall incidence of medistinitis was 1.88%. The variables associated with the development of mediastinitis were: smoking habits (OR, 2.3; 95% CI,1.1-5,1; p=0.02), severe left ventricular dysfunction (OR, 2.8; 95% CI, 1.3-6.2; p=0.001), reoperation (OR, 4,6; 95% CI,1.8-11.3; p=0.01) and postoperative renal failure (OR, 4.3; 95% CI, 1.9-9,6; p=0.0001). A risk score was constructed assigning 1 point for severe left ventricular dysfunction, 1 point for the history of smoking habits, 2 points for the development of renal failure and 2 points for need for reoperation. The area under the ROC curve for mortality was 0.72 (95% CI, 0.64-0,81; Hosmer Lemeshow test p=0.9). The external validation was performed on 1657 patients, mean age 62.8±13.3 years. The incidence of mediastinitis was 1.6%. The area under the ROC curve for the development of mediastinitis was 0.70 (95% CI, 0.58-0.80; p=0.001). Conclusions: The construction of a predictive score for the development of postoperative mediastinitis after cardiovascular surgery is relevant for daily practice for the prevention and early detection of this severe complication.