Um modelo online pode melhorar a triagem do hiperaldosteronismo primário em pacientes hipertensos?
Resposta curta: Sim, um modelo de predição online baseado em características clínicas e laboratoriais convencionais mostrou boa acurácia para identificar hiperaldosteronismo primário em hipertensos, com AUC de 0,839 na validação externa, podendo auxiliar na triagem em diversos cenários, inclusive na atenção primária.
Resposta
O hiperaldosteronismo primário (HP) é uma causa prevalente de hipertensão, mas frequentemente subdiagnosticado. O estudo propôs um modelo de predição online para ampliar a triagem do HP em pacientes hipertensos, utilizando dados clínicos e laboratoriais de rotina.
Foram analisados 1.314 pacientes hipertensos, divididos em coorte de treinamento (919) e validação interna (395), além de um conjunto externo de 285 pacientes. Sete fatores de risco independentes foram identificados: idade, sexo, hipocalemia, sódio sérico, relação sódio/potássio, ânion gap e urina alcalina.
O modelo demonstrou acurácia preditiva suficiente, com AUC de 0,839 na coorte de treinamento, 0,814 na validação interna e 0,839 na validação externa. As curvas de calibração mostraram boa concordância entre o risco previsto e o observado.
Uma ferramenta online foi desenvolvida para tornar o modelo portátil e de fácil uso, podendo ser aplicada não apenas em hospitais, mas também em centros de saúde comunitários, contribuindo para melhorar a eficiência diagnóstica do HP.
Apesar dos bons resultados, o estudo tem limitações, como a natureza retrospectiva e a necessidade de validação em outras populações. No entanto, a ferramenta mostra-se promissora para auxiliar médicos na identificação de pacientes que necessitam de investigação adicional para HP.
O que o estudo mostrou
Estudo retrospectivo de dois centros que incluiu 1.314 pacientes hipertensos para desenvolvimento de modelo de predição de hiperaldosteronismo primário, com divisão em coorte de treinamento (919) e validação interna (395), além de validação externa com 285 pacientes. Algoritmos de aprendizado de máquina identificaram sete fatores de risco independentes. O modelo apresentou AUC de 0,839, 0,814 e 0,839 nas coortes de treinamento, validação interna e validação externa, respectivamente, com boas curvas de calibração. Uma ferramenta online foi criada para facilitar o uso.
Limitações
O resumo não informa detalhes sobre as limitações do estudo. Trata-se de um estudo retrospectivo, o que pode introduzir vieses. A validação externa foi realizada em um único conjunto de dados, e a aplicabilidade em outras populações não é assegurada. O resumo também não fornece informações sobre a prevalência de HP na amostra ou sobre como o diagnóstico foi confirmado.
Aplicação no consultório
O modelo online pode ser incorporado à prática clínica para triagem de HP em pacientes hipertensos, utilizando dados disponíveis em exames de rotina. No consultório, o médico pode usar a ferramenta para identificar pacientes com maior probabilidade de HP e encaminhá-los para investigação confirmatória, otimizando recursos e melhorando a eficiência diagnóstica. A portabilidade permite uso em diferentes contextos, inclusive na atenção primária.
Estudo citado
Online prediction model for primary aldosteronism in patients with hypertension in Chinese population: A two-center retrospective study. Frontiers in endocrinology, 2022.
Autores: Lin W, Gan W, Feng P, Zhong L, Yao Z, Chen P, He W, Yu N.
DOI: 10.3389/fendo.2022.882148 · PubMed: PMID 35983513
Perguntas para aprofundar
- Quais são os sete fatores de risco independentes para hiperaldosteronismo primário identificados no estudo?
- Como o modelo de predição online pode ser aplicado na atenção primária à saúde?
- Qual é a acurácia do modelo de predição para hiperaldosteronismo primário em diferentes coortes de validação?
Mais sobre IA na atenção primária
- Um modelo de aprendizado de máquina aplicado ao eletrocardiograma pode aumentar a detecção de cirrose hepática avançada na atenção primária?
- Os indicadores de processo TRANSIT conseguem prever desfechos intermediários na prevenção cardiovascular, e qual método de modelagem tem melhor desempenho?
- A inteligência artificial pode ajudar a triar lesões cutâneas suspeitas de câncer na atenção primária e reduzir encaminhamentos desnecessários?
- Estratégias sistemáticas baseadas em prontuário eletrônico, incluindo algoritmos e modelos genômicos, são eficazes para identificar hipercolesterolemia familiar em adultos?
- A combinação de QDRS e marcador digital passivo em prontuário eletrônico aumenta a detecção de demência na atenção primária?
Todas as perguntas sobre IA na atenção primária · Todos os temas · Versão em markdown