COMUNICACIÓN POSTER
AUTORES
Amaya Pascasio, Laura 1; Lea Pereira, Maria Carmen 2; Martínez Sánchez, Patricia 3; Iglesias Espinosa, Maria del Mar 1; García Torrrecillas, Juan Manuel 4
CENTROS
1. Servicio de Neurología. Complejo Hospitalario Torrecárdenas; 2. Servicio: Medicina Interna. Complejo Hospitalario de Poniente; 3. Servicio de Neurología. Hospital Torrecárdenas; 4. Servicio: Urgencias. Hospital Torrecárdenas
OBJETIVOS
Determinar la modificación en la capacidad discriminativa y en sensibilidad/especificidad de un modelo para estimar riesgo de mortalidad por ictus isquémico mediante técnicas de undersampling.
MATERIAL Y MÉTODOS
Estudio de cohorte histórica conformada por los episodios de hospitalización por ictus isquémico no reperfundido. Fuente: conjunto mínimo básico de datos, periodo 2016-2018 (n=62.552). Se obtuvo un modelo basal (MB1) del que se estimó su área bajo la curva, sensibilidad (S), especificidad (E), valor predictivo negativo (VPN) y clasificación correcta. Se muestreó aleatoriamente la clase mayoritaria (vivos) y se aplicó el MB1 sobre una base de datos conformada por todos los exitus y una selección aleatoria de vivos (proporción 1:3).
RESULTADOS
El MB1 obtuvo AUC de 0,731, S:37,5%, E:89,4%, VPN:99.88%, clasificando correctamente el 89.3%. Este modelo se construyó sobre el n total, reportando un 10,6% de mortalidad, siendo varones el 53,5%. MB1: Prob(exitus)=1/1+eEXP(FX), siendo FX=0,0001+1,073*Edad+1,143*Sexo+1,192*Cardiopatía isquémica + 0,719*hipertensión + 0,652*Hiperlipemia + 1,414*fibrilación auricular + 2,133*Insuficiencia cardíaca + 0,755*ictus territorio posterior. La aplicación del MB1 sobre la base de datos con undersampling 1:3 (n=62.552, 51,4% varones, 25% éxitus) proporcionó un nuevo modelo con AUC:0,729, S:58,4%, E:77,6% y VPN:96%. Clasificó correctamente al 76,2% de casos.
CONCLUSIONES
Las técnicas de submuestreo de la clase mayoritaria son ampliamente utilizadas para el manejo de bases desbalanceadas. En el caso del ictus, permitió un discreto incremento de la S a expensas de empeorar la E y porcentaje de clasificación correcta. Se infiere de ello que el undersampling modifica seriamente la representación epidemiológica natural del desenlace (exitus/vivos) sin alcanzar una tabla de clasificación óptima.
