ImpactU Versión 3.11.2 Última actualización: Interfaz de Usuario: 16/10/2025 Base de Datos: 29/08/2025 Hecho en Colombia
Factores de predicción para amputación de miembros inferiores en los primeros 30 días de ingreso a hospitalización en pacientes con pie diabético manejados en dos instituciones universitarias en Bogotá (Desarrollo de un modelo de predicción por medio de árboles de clasificación)
Objetivo Desarrollar un modelo de predicción para determinar los factores de riesgo para amputación de miembros inferiores en los primeros 30 días de pacientes hospitalizados en manejo de Ulceración por Pie Diabético (UPD). Métodos Por medio de un estudio de cohorte retrospectiva, se buscó identificar las variables que mejor predicen el desenlace en la población de estudio empleando la metodología de árboles de clasificación. Se analizó una base de datos proveniente de los servicios de ortopedia y traumatología de los hospitales participantes (Hospital Universitario de la Samaritana – Hospital Universitario San Ignacio) elaborada a partir de pacientes hospitalizados para manejo de UPD. Se describió la distribución de las variables dentro de la población de estudio, las variables discretas por medio de frecuencias y porcentajes y las continuas con medidas de tendencia central y dispersión. El modelo de predicción se realizó por medio de una metodología no paramétrica de árboles de clasificación (CART) a partir del análisis secundario de una base de datos proveniente de las dos instituciones. El análisis secundario de la base de datos identificó variables independientes que predicen la amputación de miembros inferiores (mayor o menor) en los primeros 30 días de hospitalización. Resultados A partir de la base de datos de 573 pacientes, se identificaron 290 amputaciones en los primeros 30 días de hospitalización. Al correr 6 modelos con un uso de matriz de pérdidas para evaluar el costo de la no detección de falsos negativos, se encontró: un árbol inicial con 13 nodos terminales que tras el proceso de poda genera un árbol óptimo de una sola división (Sensibilidad: 69%, Especificidad: 75%, Area Bajo la Curva: 0.76, Parámetro de Complejidad: 0.01, Error: 0.85), y se identificó que la clasificación de Wagner es la que posee una mejor capacidad de predicción de entre las variables evaluadas. Conclusiones La variable con mejor capacidad de predecir el desenlace fue la clasificación de Wagner. Se considera que el compromiso infeccioso y vascular implícito en esta clasificación refleja la importancia de la toma rápida de decisiones en pacientes con elevado compromiso de estas dos condiciones. Sin embargo, aún se requiere una validación externa del modelo.