El estudio que se cubre en este resumen se publicó en medRxiv.org como una versión preliminar y aún no ha sido revisada por pares.
Conclusiones clave
-
Un estudio de validación externa proporcionó orientación sobre las revisiones necesarias de un modelo anterior utilizado para predecir el riesgo de una mujer embarazada de desarrollar diabetes mellitus gestacional (DMG) al principio del embarazo en muchos entornos y categorías étnicas revisadas.
-
La revisión aplicó las mejores prácticas utilizando grandes conjuntos de datos de validación y actualización derivados de una población étnicamente diversa con diagnóstico de DMG basado en criterios contemporáneos y una estrategia de detección universal, con una prevalencia de DMG del 18,0%.
-
El informe demuestra el valor potencial de trabajar a partir de un modelo validado existente y realizar una actualización para mantener el rendimiento predictivo a lo largo del tiempo en lugar de comenzar desde cero.
Por qué esto importa
-
La creciente evidencia respalda la integración del modelo revisado de predicción de DMG en la práctica de rutina para acelerar y mejorar la atención estratificada por riesgo para las mujeres en riesgo de DMG.
-
Tanto el modelo original como el recientemente revisado utilizan variables que se recopilan y registran de forma rutinaria en la práctica clínica, evitando así las barreras y los costos de recopilar información adicional.
Diseño del estudio
-
Los investigadores utilizaron datos de salud recopilados de forma rutinaria para 26,474 embarazos únicos que dieron como resultado un nacimiento entre enero de 2016 y diciembre de 2018 en Monash Health, el servicio de salud más grande de Australia que incluye tres hospitales de maternidad y atiende a una población étnicamente diversa.
-
Definieron el diagnóstico de DMG utilizando los criterios de la Asociación Internacional de Grupos de Estudio de la Diabetes y el Embarazo.
-
Los investigadores actualizaron el sistema de clasificación étnica para reflejar las categorías étnicas internacionales y las designaciones étnicas autoinformadas. Por el contrario, el modelo original se basaba en la extrapolación de la etnia del país de nacimiento.
-
Seleccionaron el mejor modelo utilizando medidas de rendimiento predictivas y un procedimiento de prueba cerrado. Se utilizaron estadísticas C (el área bajo la curva característica de funcionamiento del receptor) para evaluar y comparar los modelos que desarrollaron.
Resultados clave
-
El modelo original produjo una estadística C de 0,698, que muestra una discriminación “razonable”.
-
El modelo C2 surgió como el modelo preferido debido a la gráfica de calibración comparable en la región de alta prevalencia, una estadística C superior de 0,732, su uso de categorías étnicas más generalizables y porque mostró un ajuste significativamente mejor durante las pruebas cerradas.
-
El nuevo modelo utiliza las variables de edad, índice de masa corporal, antecedentes familiares de diabetes, antecedentes de DMG, antecedentes de malos resultados obstétricos y origen étnico.
Limitaciones
-
El modelo revisado maneja las variables continuas del índice de masa corporal y la edad como variables categóricas, un enfoque que puede reducir el poder predictivo y puede ser reemplazado por calculadoras electrónicas de riesgo. Reestimar la relación entre el índice de masa corporal y la edad como variables continuas y el diagnóstico de DMG produciría un modelo de predicción completamente nuevo, que se extiende más allá del alcance de la validación y actualización.
Divulgaciones
-
La preimpresión actualmente no contiene información sobre la financiación ni las divulgaciones de los autores.
-
Una descripción publicada anteriormente del diseño del estudio indicó que no recibió financiación comercial y que ninguno de los autores tenía divulgaciones comerciales.
Este es un resumen de un estudio de investigación de preimpresión Validación externa y actualización de un modelo de predicción para el diagnóstico de diabetes mellitus gestacional, escrito por investigadores con base principalmente en la Universidad de Monash, Clayton, Australia, en medRxiv que le proporcionó Medscape. Este estudio aún no ha sido revisado por pares. El texto completo del estudio se puede encontrar en medRxiv.org.
Mitchel L. Zoler es reportero de Medscape y MDedge con sede en el área de Filadelfia. @mitchelzoler
Para obtener más noticias sobre diabetes y endocrinología, síganos en . y Facebook.
Siga a Medscape en Facebook, ., Instagram, YouTube y LinkedIn.
.