Estudio publicado en JAMA Cardiology incorporó determinantes sociales de la salud a un modelo aprendizaje automático para predecir el riesgo de falla cardiaca y mortalidad luego de una hospitalización.
La predicción de mortalidad hospitalaria de pacientes con insuficiencia cardiaca, regularmente utilizan modelos de regresión logística. Para mejorar estas predicciones, los autores del estudio incorporaron el uso de Determinante Sociales de la Salud en modelos de aprendizaje automático, ya que los modelos tradicionales no toman en cuenta este tipo de datos.
El objetivo del estudio fue desarrollar y validar nuevos modelos de aprendizaje automático que incorporen determinantes sociales de la salud, para predecir la mortalidad por insuficiencia cardiaca. El estudio busca responder a las disparidades raciales que existen en este tipo de investigaciones que incorporan nuevas tecnologías como la Inteligencia Artificial. De esta forma a través de los determinantes sociales de la salud se puede mejorar la predicción de mortalidad por insuficiencia cardiaca, especialmente en pacientes de raza negra.
Los datos de hospitalizaciones por insuficiencia cardiaca correspondieron a información entre el 1 de enero de 2010 y el 31 de diciembre de 2020 de una clínica especializada en insuficiencia cardiaca. Los autores analizaron los datos entre enero de 2021 y abril de 2022 y realizaron una validación externa con datos de hospitalización de un estudio que utilizó una cohorte con datos entre 2005 y 2014.
Los modelos de aprendizaje automático fueron entrenados con estos datos, y los autores categorizaron a los pacientes entre personas afroamericanas y personas no afroamericanas, donde el 91% de los pacientes fueron blancos.
El aprendizaje automático mostró rendimientos superiores a los modelos tradicionales en ambos grupos raciales. Y al añadir los determinantes sociales de la salud, mejoraron la utilidad pronóstica de los modelos en pacientes negros, pero no en paciente no negros, lo que resalta la importancia de este tipo de variables en la investigación médica.
