predicciÓn de mortalidad en pacientes en diÁlisis …
TRANSCRIPT
PREDICCIÓN DE MORTALIDAD EN PACIENTES EN DIÁLISIS MEDIANTE RANDOM FOREST:
Comparación con métodos estadísticos tradicionales
García Montemayor, V1; Martín Malo, A1; Sánchez-Agesta Martínez, M1; Soriano Cabrera, S1; Molina López, R1; Barbieri, C2; Belochio, F2; Álvarez de Lara Sánchez, MA1; Rodríguez Portillo, M1; Aljama García, P1. 1Hospital Universitario Reina Sofía (Córdoba). 2Fresenius Medical Care, Bad Homburg (Germany).
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
La Enfermedad Renal Crónica (ERC)
Elevada Incidencia y Prevalencia (1211,5 pmp)
Elevada Morbilidad y Mortalidad
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
Recientemente, uso de nuevas herramientas estadísticas para analizar
morbimortalidad en grupos poblacionales: Inteligencia artificial
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
Recientemente, uso de nuevas herramientas estadísticas para analizar
morbimortalidad en grupos poblacionales: Inteligencia artificial
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
Nuevas herramientas estadísticas basadas en inteligencia artificial:
Random Forest
Número ilimitado
de variables
Creación de grupos de datos
de forma ALEATORIA
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
Nuevas herramientas estadísticas basadas en inteligencia artificial:
Random Forest
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
OBJETIVO DEL TRABAJO:
Realizar estudio de predicción de mortalidad en pacientes incidentes en
diálisis mediante dos métodos:
Modelo clásico: Análisis de Regresión de Cox
Método novedoso: Random Forest
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
OBJETIVO DEL TRABAJO:
Realizar estudio de predicción de mortalidad en pacientes incidentes en
diálisis mediante dos métodos:
Modelo clásico: Análisis de Regresión de Cox
Método novedoso: Random Forest
Comparar capacidad de predicción:
De ambos métodos entre sí
Ambos métodos frente a la mortalidad real observada
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
MÉTODOS:
Estudio observacional.
Uso de datos disponibles en la base del datos del Servicio de Nefrología del
HURS (depurados desde 1995)
Se recogieron 2038 pacientes incidentes en TRS entre los años 1995 – 2015
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
MÉTODOS:
Estudio observacional.
Uso de datos disponibles en la base del datos del Servicio de Nefrología del
HURS (depurados desde 1995)
Se recogieron 2038 pacientes incidentes en TRS entre los años 1995 – 2015
Calculo de predicción de mortalidad a:
6 meses
1 año
1,5 años
2 años
3 años
En función de variables presentes en:
o 30 primeros días
o 60 primeros días
o 90 primeros días
… tras inicio de diálisis
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
MÉTODOS:
Estudio observacional.
Calculo de predicción de mortalidad a:
6 meses
1 año
1,5 años
2 años
3 años
En función de variables presentes en:
o 30 primeros días
o 60 primeros días
o 90 primeros días
… tras inicio de diálisis
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
MÉTODOS:
Estudio observacional.
Calculo de predicción de mortalidad a:
6 meses
1 año
1,5 años
2 años
3 años
En función de variables presentes en:
o 30 primeros días
o 60 primeros días
o 90 primeros días
… tras inicio de diálisis
Variables analíticas Parámetros de diálisis Otros parámetros
Hemoglobina Urea prediálisis Género
Ferritina - IST Urea postdiálisis Edad
Albúmina Kt/V Comorbilidades Indice Charlson
Leucocitos Creatinina plasmática Índice de masa corporal
PCR Tiempo en diálisis Diuresis residual
Fósforo Duración de sesión(minutos) Tipo Acceso vascular
PTH – Fosfatasa alcalina
Potasio
Magnesio
Beta-2 microglobulina
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
MÉTODOS:
Estudio observacional
Calculo de predicción de mortalidad a:
6 meses
1 año
1,5 años
2 años
3 años
Estudio ventaja capacidad de predicción de Random Forest frente a
COX mediante comparación del Área bajo la curva (AUC) de las curvas
ROC calculadas
En función de variables presentes en:
o 30 primeros días
o 60 primeros días
o 90 primeros días
… tras inicio de diálisis
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS:
Sexo 39% Mujeres / 61% Varones
Edad (Media) 62.33 (± 15.89) años
Comorbilidades (Índice de Charlson): Media de 4.63 puntos
Insuficiencia renal 100%
Infarto de miocardio 6%
Insuficiencia cardíaca 20%
Enfermedad vascular periférica 16%
Demencia 3%
EPOC 9%
Enfermedad autoinmune 3%
Ulcus duodenal 4%
Hepatopatía no cirrótica 4%
Tumoración no metastásica 8%
Malignidad hematológica 1%
Hemiplejia 1%
Cirrosis hepática 2%
Diabetes con lesión en órgano diana 31%
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS:
Sexo 39% Mujeres / 61% Varones
Edad (Media) 62.33 (± 15.89) años
Comorbilidades (Índice de Charlson): Media de 4.63 puntos
Insuficiencia renal 100%
Infarto de miocardio 6%
Insuficiencia cardíaca 20%
Enfermedad vascular periférica 16%
Demencia 3%
EPOC 9%
Enfermedad autoinmune 3%
Ulcus duodenal 4%
Hepatopatía no cirrótica 4%
Tumoración no metastásica 8%
Malignidad hematológica 1%
Hemiplejia 1%
Cirrosis hepática 2%
Diabetes con lesión en órgano diana 31%
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS:
Sexo 39% Mujeres / 61% Varones
Edad (Media) 62.33 (± 15.89) años
Comorbilidades (Índice de Charlson): Media de 4.63 puntos
Insuficiencia renal 100%
Infarto de miocardio 6%
Insuficiencia cardíaca 20%
Enfermedad vascular periférica 16%
Demencia 3%
EPOC 9%
Enfermedad autoinmune 3%
Ulcus duodenal 4%
Hepatopatía no cirrótica 4%
Tumoración no metastásica 8%
Malignidad hematológica 1%
Hemiplejia 1%
Cirrosis hepática 2%
Diabetes con lesión en órgano diana 31%
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS:
Sexo 39% Mujeres / 61% Varones
Edad (Media) 62.33 (± 15.89) años
Comorbilidades (Índice de Charlson): Media de 4.63 puntos
Insuficiencia renal 100%
Diabetes con lesión en órgano diana 31%
Insuficiencia cardíaca 20%
Infarto de miocardio 6%
Enfermedad vascular periférica 16%
Demencia 3%
EPOC 9%
Enfermedad autoinmune 3%
Ulcus duodenal 4%
Hepatopatía no cirrótica 4%
Tumoración no metastásica 8%
Malignidad hematológica 1%
Hemiplejia 1%
Cirrosis hepática 2%
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS:
Sexo 39% Mujeres / 61% Varones
Edad (Media) 62.33 (± 15.89) años
Comorbilidades (Índice de Charlson): Media de 4.63 puntos
Insuficiencia renal 100%
Infarto de miocardio 6%
Insuficiencia cardíaca 20%
Enfermedad vascular periférica 16%
Demencia 3%
EPOC 9%
Enfermedad autoinmune 3%
Ulcus duodenal 4%
Hepatopatía no cirrótica 4%
Tumoración no metastásica 8%
Malignidad hematológica 1%
Hemiplejia 1%
Cirrosis hepática 2%
Diabetes con lesión en órgano diana 31%
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja.
V*: 9.87%
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 9.87% V*: 4.49%
V*: 3.48% V*: 4.22%
V*: 2.95%
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 9.87% V*: 4.49%
V*: 3.48% V*: 4.22%
V*: 2.95%
RESULTADOS: Comparación predicción RF vs COX
p < 0.05
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 6.69%
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 6.69%
V*: 3.64% V*: 6.02%
V*: 5.25%
V*: 3.22%
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 6.69%
V*: 3.64% V*: 6.02%
V*: 5.25%
V*: 3.22%
RESULTADOS: Comparación predicción RF vs COX
p < 0.05
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 14.78%
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 14.78% V*: 6.75% V*: 3.14% V*: 3.33% V*: 4.51%
RESULTADOS: Comparación predicción RF vs COX
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
V*= Ventaja
V*: 14.78% V*: 6.75% V*: 3.14% V*: 3.33% V*: 4.51%
RESULTADOS: Comparación predicción RF vs COX
p < 0.05
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 30 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 30 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 30 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 30 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 60 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 60 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 60 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 60 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 90 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 90 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 90 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
RESULTADOS: Comparación predicción RF vs COX vs mortalidad observada
Predicción mortalidad a 1 año. Input: 90 días
PREDICCIÓN DE MORTALIDAD MEDIANTE RANDOM FOREST: Comparación con métodos estadísticos tradicionales
En pacientes incidentes en diálisis, el análisis con RANDOM FOREST es
más preciso en la predicción de mortalidad que el Modelo clásico de
regresión de COX, mostrando una mayor aproximación a los datos reales
observados
Existe mayor precisión en la predicción de mortalidad a corto-medio
plazo (6 meses – 1 año)
Es mayor la capacidad de predicción de la mortalidad en los pacientes
con bajo y moderado riesgo
Random Forest es un método estadístico útil y fiable en una población
de alto riesgo como la ERC-5D
CONCLUSIONES:
