Calculadora para predecir la trayectoria de pérdida de peso luego de la cirugía bariátrica

Resumen

Antecedentes: las trayectorias de pérdida de peso después de la cirugía bariátrica varían ampliamente entre individuos y predecir la pérdida de peso antes de la operación sigue siendo un desafío. Nuestro objetivo era desarrollar un modelo que utilizara el aprendizaje automático para proporcionar una predicción preoperatoria individual de las trayectorias de pérdida de peso a cinco años después de la cirugía.

Métodos: en este estudio observacional retrospectivo multinacional inscribimos a participantes adultos (edad ≥18 años) de diez cohortes prospectivas (incluido ABOS [NCT01129297], BAREVAL [NCT02310178], el estudio sueco de sujetos obesos y una gran cohorte de la Clínica Holandesa de Obesidad [Nederlandse Obesitas Kliniek]) y dos ensayos aleatorios (SleevePass [NCT00793143] y SM-BOSS [NCT00356213]) en Europa, América y Asia, con un seguimiento de 5 años después de bypass gástrico en Y de Roux, gastrectomía en manga o banda gástrica. Se excluyeron los pacientes con antecedentes de cirugía bariátrica o grandes retrasos entre las visitas programadas y las reales. La cohorte de formación estuvo compuesta por pacientes de dos centros de Francia (ABOS y BAREVAL). El resultado primario fue el ínidce de masa corporal (IMC) a los 5 años. Se desarrolló un modelo utilizando el operador de selección y contracción mínima absoluta para seleccionar variables y el algoritmo de árboles de clasificación y regresión para construir árboles de regresión interpretables. El rendimiento del modelo se evaluó a través de la mediana de desviación absoluta (MAD) y el error cuadrático medio (RMSE) del IMC.

Resultados: se incluyeron en el análisis 10.231 pacientes de 12 centros en diez países, lo que corresponde a 30.602 pacientes-año. Entre los participantes de las 12 cohortes, 7701 (75,3%) eran mujeres y 2530 (24,7%) eran hombres. Entre los 434 atributos de referencia disponibles en la cohorte de entrenamiento, se seleccionaron siete variables: altura, peso, tipo de intervención, edad, estado de diabetes, duración de la diabetes y estado de tabaquismo. A los 5 años, en las cohortes de pruebas externas, la media general de MAD para el IMC fue de 2,8 kg/m2 (IC del 95 %: 2,6–3,0) y el IMC medio de RMSE fue de 4,7 kg/m2 (4,4–5,0). 0), y la diferencia media entre el IMC previsto y observado fue –0,3 kg/m2 (DE 4,7). 

Este modelo está incorporado en una herramienta de predicción basada en web fácil de usar e interpretable para ayudar a informar la decisión clínica antes de la cirugía. Consultable en: https://bariatric-weight-trajectory-prediction.univ-lille.fr/

Interpretación: desarrollamos un modelo basado en aprendizaje automático, validado internacionalmente, para predecir trayectorias individuales de pérdida de peso de 5 años después de tres intervenciones bariátricas comunes.

Fondos: la Empresa Conjunta SOPHIA Innovative Medicines Initiative 2, respaldada por el programa de investigación e innovación Horizonte 2020 de la UE, la Federación Europea de Industrias y Asociaciones Farmacéuticas, el Intercambio de Diabetes Tipo 1 y la Fundación para la Investigación de la Diabetes Juvenil y la Coalición de Acción contra la Obesidad; Métropole Européenne de Lille; Agencia Nacional de Investigación; Institut national de recherche en sciences et technologies du numérique a través de la cátedra de Inteligencia Artificial Apprenf; I-SITE EXPAND de la Université de Lille Nord Europe como parte del proyecto Bandits For Health; Laboratoire d'excellence Instituto Europeo de Genómica para la Diabetes; Programa Soutien aux Travaux Interdisciplinaires, Multi-établissements et Exploratoires del Conseil Régional Hauts-de-France (volet partenarial fase 2, proyecto PERSO-SURG).

El artículo original:

 Saux P, Bauvin P, Raverdy V, et al. Development and validation of an interpretable machine learning-based calculator for predicting 5-year weight trajectories after bariatric surgery: a multinational retrospective cohort SOPHIA study. The Lancet Digital Health August 29, 2023DOI:https://doi.org/10.1016/S2589-7500(23)00135-8

Disponible en: https://n9.cl/f9j55