❚ 116 Comunicaciones pósteres CP-082. INICIANDO VENTILACIÓN NO INVASIVA CON PRESIÓN POSITIVA EN INSUFICIENCIA CARDÍACA AGUDA MEDIANTE UN MODELO MULTIVARIANTE RECOGIDO EN UNA APP José Luis Montesinos Díaz, Javier Fernández Topham, María Arévalo de Pablos, Fernando Lombardía Recio, Ervigio Corral Torres, Verónica Almagro González SAMUR-Protección Civil. Madrid Introducción: El tratamiento de la insuficiencia cardiaca aguda (ICA) mediante ventilación no invasiva con presión positiva (VMNI), mejora la insuficiencia y esfuerzo respiratorio. Objetivos: Desarrollar una aplicación informática (App) que anticipe la necesidad de VMNI en ICA basada en un modelo predictivo multivariable mediante machine learning. Metodología: Estudio observacional, analítico y retrospectivo. Pacientes atendidos en un servicio de emergencias por ICA durante tres años realizándoles una analítica sanguínea inicial. Variables independientes: constantes vitales iniciales: presión arterial sistólica (TAS), frecuencia cardíaca (FC), frecuencia respiratoria (FR) y saturación de oxígeno (SpO₂). Parámetros metabólicos: pH, pCO₂, bicarbonato (HCO₃), exceso bases (EB), lactato, sodio (Na), potasio (K), calcio (Ca), hemoglobina (Hb), hematocrito (Hcto) y glucemia. Parámetros clínicos: auscultación pulmonar (AP). Variable dependiente binaria: VMNI. Análisis descriptivo: medidas centrales y dispersión. Análisis inferencial: chi-cuadrado, t-Student/Mann-Whitney según variables categóricas o continuas. IC95 %. SPSS-V29. Aplicamos el algoritmo Random-Forest (RF). Valoramos su rendimiento mediante: sensibilidad (S), especificidad (E); valores predictivos positivo (VPP) y negativo (VPN); y, área bajo la curva ROC (AUC). Identificamos los valores SHAP de las variables predictoras. Resultados: Incluimos 118 pacientes: 34 recibieron VMNI, 85 no. Obtenemos como constantes vitales y variables metabólicas estadísticamente significativas (p < 0.005): FR: VMNI 30 vs. 20. TAS: VMNI 169,5 vs. 134,5. SpO2: VMNI 82 vs. 90,5. FC: VMNI 115 vs. 95. pH: VMNI 7,25 vs. 7,37. pCO2: VMNI 50,7 vs. 44,4. EB: VMNI -4,5 vs. 0,9. Lactato: VMNI 4,63 vs. 2,17. Hcto: VMNI 52 vs. 42. Glucemia: VMNI 224 vs. 153. RF mostró elevado rendimiento (S = 0.75, E = 0.89, VPP = 0.93, VPN = 0.66; AUC = 0.91), confirmando su capacidad de integrar múltiples variables y discriminar eficazmente la indicación de VMNI. Fueron las variables más predictoras: pH, Hcto, FR, AP y Lactato; ordenadas así según valor SHAP. Conclusiones Contraponiendo al paradigma clásico del inicio de VMNI en ICA (SpO2 baja, FR alta); proponemos integrar y ponderar las variables involucradas significativamente en la decisión de indicar VMNI e incluirlas en una App anticipando precozmente el uso de VMNI en ICA. Este modelo predice en un 91 % (AUC = 0.91) de los casos la necesidad de utilizar VMNI subrayando su superioridad frente a criterios clínicos aislados.
RkJQdWJsaXNoZXIy OTU4MzI=