array:23 [
  "pii" => "S0210569120303156"
  "issn" => "02105691"
  "doi" => "10.1016/j.medin.2020.09.001"
  "estado" => "S300"
  "fechaPublicacion" => "2021-03-01"
  "aid" => "1586"
  "copyright" => "Elsevier España, S.L.U. y SEMICYUC"
  "copyrightAnyo" => "2021"
  "documento" => "article"
  "crossmark" => 1
  "subdocumento" => "sco"
  "cita" => "Med Intensiva. 2021;45:67-8"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:1 [
    "total" => 0
  ]
  "Traduccion" => array:1 [
    "en" => array:18 [
      "pii" => "S2173572720302113"
      "issn" => "21735727"
      "doi" => "10.1016/j.medine.2020.09.005"
      "estado" => "S300"
      "fechaPublicacion" => "2021-03-01"
      "aid" => "1586"
      "documento" => "article"
      "crossmark" => 1
      "subdocumento" => "sco"
      "cita" => "Med Intensiva. 2021;45:67-8"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:10 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>"
        "titulo" => "Spanish influenza score&#58; Predictive power without giving up the classic"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "67"
            "paginaFinal" => "68"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "<span class="elsevierStyleItalic">Spanish influenza score</span>&#58; poder predictivo sin renunciar a lo cl&#225;sico"
          ]
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "J&#46;L&#46; Garc&#237;a Garmendia"
            "autores" => array:1 [
              0 => array:2 [
                "nombre" => "J&#46;L&#46;"
                "apellidos" => "Garc&#237;a Garmendia"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S0210569120303156"
          "doi" => "10.1016/j.medin.2020.09.001"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => true
            "ES2" => true
            "LATM" => true
          ]
          "gratuito" => true
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569120303156?idApp=WMIE"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572720302113?idApp=WMIE"
      "url" => "/21735727/0000004500000002/v1_202102260751/S2173572720302113/v1_202102260751/en/main.assets"
    ]
  ]
  "itemSiguiente" => array:19 [
    "pii" => "S0210569120301893"
    "issn" => "02105691"
    "doi" => "10.1016/j.medin.2020.05.017"
    "estado" => "S300"
    "fechaPublicacion" => "2021-03-01"
    "aid" => "1538"
    "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46; y SEMICYUC"
    "documento" => "article"
    "crossmark" => 1
    "subdocumento" => "fla"
    "cita" => "Med Intensiva. 2021;45:69-79"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "es" => array:13 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">ORIGINAL</span>"
      "titulo" => "<span class="elsevierStyleItalic">Spanish Influenza Score</span> &#40;SIS&#41;&#58; utilidad del <span class="elsevierStyleItalic">Machine Learning</span> en el desarrollo de una escala temprana de predicci&#243;n de mortalidad en la gripe grave"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "tieneResumen" => array:2 [
        0 => "es"
        1 => "en"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "69"
          "paginaFinal" => "79"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Spanish Influenza Score &#40;SIS&#41;&#58; Usefulness of machine learning in the development of an early mortality prediction score in severe influenza"
        ]
      ]
      "contieneResumen" => array:2 [
        "es" => true
        "en" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0010"
          "etiqueta" => "Figura 2"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr2.jpeg"
              "Alto" => 1265
              "Ancho" => 2910
              "Tamanyo" => 191735
            ]
          ]
          "descripcion" => array:1 [
            "es" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">Gr&#225;fico de barras que muestra la aplicaci&#243;n de la puntuaci&#243;n obtenida SIS y la mortalidad observada&#44; as&#237; como la curva de probabilidad de mortalidad para cada nivel&#46; Se observa que la mortalidad se incrementa significativamente a medida que lo hace la puntuaci&#243;n obtenida &#40;p&#160;&#60;&#160;0&#44;001&#41;&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => ""
          "autores" => array:1 [
            0 => array:1 [
              "colaborador" => "Grupo de Trabajo Gripe A Grave &#40;GETGAG&#41; de la Sociedad Espa&#241;ola de Medicina Intensiva Cr&#237;tica y Unidades Coronarias &#40;SEMICYUC&#41;"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S2173572720302186"
        "doi" => "10.1016/j.medine.2020.05.009"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572720302186?idApp=WMIE"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569120301893?idApp=WMIE"
    "url" => "/02105691/0000004500000002/v1_202102260805/S0210569120301893/v1_202102260805/es/main.assets"
  ]
  "es" => array:12 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>"
    "titulo" => "<span class="elsevierStyleItalic">Spanish influenza score&#58;</span> poder predictivo sin renunciar a lo cl&#225;sico"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "67"
        "paginaFinal" => "68"
      ]
    ]
    "autores" => array:1 [
      0 => array:3 [
        "autoresLista" => "J&#46;L&#46; Garc&#237;a Garmendia"
        "autores" => array:1 [
          0 => array:3 [
            "nombre" => "J&#46;L&#46;"
            "apellidos" => "Garc&#237;a Garmendia"
            "email" => array:1 [
              0 => "joseluis.garciagarmendia@sjd.es"
            ]
          ]
        ]
        "afiliaciones" => array:1 [
          0 => array:2 [
            "entidad" => "Unidad de Cuidados Intensivos&#44; Servicio de Cuidados Cr&#237;ticos y Urgencias&#44; Hospital San Juan de Dios del Aljarafe&#44; Bormujos&#44; Sevilla&#44; Espa&#241;a"
            "identificador" => "aff0005"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Spanish influenza score&#58; Predictive power without giving up the classic"
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">En el presente n&#250;mero de Medicina Intensiva publicamos un trabajo realizado sobre un registro multic&#233;ntrico espa&#241;ol de gripe grave&#44; que desarrolla una escala pron&#243;stica de mortalidad en las UCI<a class="elsevierStyleCrossRef" href="#bib0055"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">En los a&#241;os 80 del siglo XX&#44; se inici&#243; para los cuidados intensivos un camino de comprensi&#243;n de la realidad y de ayuda a la toma de decisiones basado en escalas de gravedad&#46; El APACHE II&#44; a&#250;n con matizaciones&#44; sigue vigente en la valoraci&#243;n de la gravedad de los pacientes cr&#237;ticos&#46; Los mecanismos de generaci&#243;n de estas escalas se basaban en la acumulaci&#243;n de gran cantidad de datos representativos&#44; y la utilizaci&#243;n de t&#233;cnicas de an&#225;lisis multivariante a trav&#233;s de regresi&#243;n log&#237;stica &#40;RL&#41; que permitieran generar modelos predictivos y utilizar los estimadores beta para generar las puntuaciones individuales&#46; Para los investigadores y los cl&#237;nicos&#44; el nivel de comprensi&#243;n de los entresijos matem&#225;ticos necesarios para la obtenci&#243;n de los estimadores beta es suficiente&#44; y existe una razonable correlaci&#243;n de entendimiento con las <span class="elsevierStyleItalic">odds ratio</span> y sus intervalos de confianza&#44; formando un conjunto metodol&#243;gico comprensible e interpretable<a class="elsevierStyleCrossRef" href="#bib0060"><span class="elsevierStyleSup">2</span></a>&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">Por otra parte&#44; el uso de t&#233;cnicas de an&#225;lisis masivo de datos a trav&#233;s del <span class="elsevierStyleItalic">machine learning</span> &#40;ML&#41; ha tenido un crecimiento exponencial en los &#250;ltimos a&#241;os&#44; como puede comprobarse en el n&#250;mero de citas bibliogr&#225;ficas registradas en Medline<a class="elsevierStyleCrossRef" href="#bib0065"><span class="elsevierStyleSup">3</span></a>&#46; Sin embargo&#44; uno de los problemas de las t&#233;cnicas de ML reside en la dificultad para trasladar los an&#225;lisis al &#225;mbito de la pr&#225;ctica cl&#237;nica<a class="elsevierStyleCrossRef" href="#bib0070"><span class="elsevierStyleSup">4</span></a>&#46; A diferencia de las t&#233;cnicas convencionales de an&#225;lisis estad&#237;stico&#44; los resultados de los estudios publicados tienen buenos indicadores matem&#225;ticos&#44; pero la percepci&#243;n de los cl&#237;nicos es de una aplicabilidad pr&#225;ctica limitada<a class="elsevierStyleCrossRef" href="#bib0075"><span class="elsevierStyleSup">5</span></a>&#46; En parte&#44; esto es debido a la dificultad para comprender los mecanismos a trav&#233;s de los cuales se generan los resultados y a las dificultades de utilizar un gran n&#250;mero de variables de manera simult&#225;nea&#46; Ello probablemente es m&#225;s concordante con la compleja realidad biol&#243;gica&#44; pero reduce la posibilidad de manejarlo en entornos de pr&#225;ctica cl&#237;nica para los profesionales&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">En este sentido&#44; el trabajo que presentamos en este n&#250;mero de Medicina Intensiva&#44; consigue un doble objetivo&#58; incorporar t&#233;cnicas de aprendizaje autom&#225;tico a una extensa base de datos de gripe grave en las UCI&#44; y generar una escala de riesgo de mortalidad combinando este abordaje con otras t&#233;cnicas cl&#225;sicas&#44; m&#225;s asequibles para su incorporaci&#243;n a la pr&#225;ctica cl&#237;nica&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">La gripe grave constituye cada invierno un reto para las UCI de todo el mundo&#46; Con el brote de gripe A &#40;H1N1&#41; del a&#241;o 2009 como uno de los m&#225;s importantes&#44; han sido varias las temporadas que han generado problemas asistenciales en las UCI&#44; afectando a pacientes j&#243;venes&#44; generando distr&#233;s respiratorio severo&#44; con estancias prolongadas y una elevada mortalidad<a class="elsevierStyleCrossRef" href="#bib0080"><span class="elsevierStyleSup">6</span></a>&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">La comparaci&#243;n de los resultados obtenidos por t&#233;cnicas convencionales con las obtenidas mediante un an&#225;lisis avanzado con <span class="elsevierStyleItalic">random forest</span> &#40;ML&#41; da fortaleza a los hallazgos&#44; y parece indicar que las nuevas t&#233;cnicas ser&#225;n capaces de a&#241;adir informaci&#243;n a las t&#233;cnicas de an&#225;lisis cl&#225;sico&#44; pero gran parte de la informaci&#243;n sustantiva puede lograrse con estas &#250;ltimas<a class="elsevierStyleCrossRef" href="#bib0085"><span class="elsevierStyleSup">7</span></a>&#46; Eso s&#237;&#44; para que las t&#233;cnicas de RL tengan consistencia debemos tener registros de calidad y de tama&#241;o muestral suficiente&#44; lo que se ha garantizado en este estudio&#44; a diferencia de otros recientes en los que un tama&#241;o muestral insuficiente potencia la capacidad predictiva del ML sobre la RL<a class="elsevierStyleCrossRef" href="#bib0090"><span class="elsevierStyleSup">8</span></a>&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">El desarrollo de una escala de predicci&#243;n de mortalidad en pacientes cr&#237;ticos con gripe grave puede servir de ayuda para la toma de decisiones de ingreso&#44; la toma de decisiones terap&#233;uticas &#40;prono&#44; oxigenaci&#243;n extracorp&#243;rea&#44; &#243;xido n&#237;trico&#41; o incluso las decisiones de traslado para aplicar t&#233;cnicas avanzadas en otros centros&#46; Otra utilidad de esta escala reside en la posibilidad de segmentar grupos de riesgo para orientar ensayos terap&#233;uticos&#44; as&#237; como para el <span class="elsevierStyleItalic">benchmarking</span> de unidades&#46; La utilizaci&#243;n de variables presentes en el momento del ingreso en este estudio debe considerarse adem&#225;s una ventaja&#44; pues facilitar&#237;a la asesor&#237;a precoz en la toma de decisiones&#46; Algunos modelos que utilizan variables de curso cl&#237;nico pueden valer para comparar resultados de diferentes unidades&#44; pero no para establecer pron&#243;sticos precoces en las primeras horas de ingreso o para definir grupos susceptibles de ensayos terap&#233;uticos&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">El estudio&#44; no obstante&#44; tiene algunas limitaciones&#46; La base de datos es amplia y multic&#233;ntrica&#44; pero abarca un periodo muy amplio de tiempo &#40;10 a&#241;os&#41;&#44; en el que se han modificado las estrategias terap&#233;uticas y los resultados&#46; Aunque se realiza una validaci&#243;n interna segmentando la base de datos&#44; es preciso evaluar la utilidad de la escala de manera prospectiva&#44; para corroborar la exactitud de las predicciones&#46; Por otra parte&#44; analiza la mortalidad en las UCI&#44; y la escala APACHE II est&#225; dise&#241;ada para la mortalidad hospitalaria&#44; mientras que la escala SOFA no fue ni dise&#241;ada con ese fin&#46; Tampoco podemos descartar que el uso de ML con m&#225;s variables registradas hubiera tenido mayor poder predictivo&#46;</p><p id="par0045" class="elsevierStylePara elsevierViewall">El futuro de las t&#233;cnicas de an&#225;lisis a trav&#233;s del ML se dirigir&#225; casi seguro al asesoramiento en tiempo real de la actividad cl&#237;nica con retroalimentaci&#243;n inmediata y enriquecimiento de los procesos anal&#237;ticos<a class="elsevierStyleCrossRef" href="#bib0095"><span class="elsevierStyleSup">9</span></a>&#46; Aunque este escenario llegar&#225;&#44; habr&#225; que valorar el poder que tendr&#225; esa informaci&#243;n en la toma de decisiones&#44; desde un punto de vista &#233;tico&#44; legal y deontol&#243;gico<a class="elsevierStyleCrossRef" href="#bib0100"><span class="elsevierStyleSup">10</span></a>&#46; Y tendr&#225; que dilucidarse el papel del cl&#237;nico en la aplicaci&#243;n y en la retirada de tratamientos cuando el propio sistema de aprendizaje autom&#225;tico se alimente de las decisiones que &#233;l llegue a inducir&#46; Ser&#225;n problemas de las nuevas generaciones&#44; y la casi imposibilidad de comprender el modo de funcionamiento matem&#225;tico generar&#225; complejas sensaciones en los profesionales&#46; Mientras eso ocurre&#44; habr&#225; que seguir apostando por el desarrollo de herramientas asequibles y v&#225;lidas como la presentada en este n&#250;mero&#46;</p><p id="par0050" class="elsevierStylePara elsevierViewall">La medicina intensiva trabaja localmente con pocos pacientes&#44; y si ha de centrarse en enfermedades concretas&#44; las limitaciones son a&#250;n mayores&#46; De aqu&#237; la importancia de disponer de potentes registros multic&#233;ntricos que faciliten an&#225;lisis complejos y nos permitan a&#241;adir conocimiento en &#225;reas de dif&#237;cil manejo&#44; y con impacto en la salud de los ciudadanos&#46; Con la vigencia de la pandemia de la COVID-19&#44; es una llamada a la generaci&#243;n de registros colaborativos&#46;</p><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Financiaci&#243;n</span><p id="par0055" class="elsevierStylePara elsevierViewall">El autor declara no haber recibido financiaci&#243;n para la realizaci&#243;n de este trabajo&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:2 [
        0 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Financiaci&#243;n"
        ]
        1 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:10 [
            0 => array:3 [
              "identificador" => "bib0055"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Usefulness of machine learning in the development of an early mortality prediction score in severe influenza"
                      "autores" => array:1 [
                        0 => array:2 [
                          "colaboracion" => "Spanish Influenza Score &#40;SIS&#41;"
                          "etal" => false
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2020.05.017"
                      "Revista" => array:2 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2020"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0060"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Interpretation of statistical results"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "J&#46;L&#46; Garc&#237;a Garmendia"
                            1 => "F&#46; Maroto Monserrat"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2017.12.013"
                      "Revista" => array:5 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2018"
                        "volumen" => "42"
                        "paginaInicial" => "370"
                        "paginaFinal" => "379"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0065"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial Intelligence in Health Care&#58; Bibliometric Analysis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "Y&#46; Guo"
                            1 => "Z&#46; Hao"
                            2 => "S&#46; Zhao"
                            3 => "J&#46; Gong"
                            4 => "F&#46; Yang"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.2196/18228"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Med Internet Res"
                        "fecha" => "2020"
                        "volumen" => "22"
                        "paginaInicial" => "e18228"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32723713"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0070"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Statistics versus machine learning&#58; Definitions are interesting &#40;but understanding&#44; methodology&#44; and reporting are more important&#41;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "B&#46; Van Calster"
                            1 => "J&#46;Y&#46; Verbakel"
                            2 => "E&#46; Christodoulou"
                            3 => "E&#46;W&#46; Steyerberg"
                            4 => "G&#46;S&#46; Collins"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jclinepi.2019.08.002"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Clin Epidemiol"
                        "fecha" => "2019"
                        "volumen" => "116"
                        "paginaInicial" => "137"
                        "paginaFinal" => "138"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0075"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Big Data Analysis and Machine Learning in Intensive Care Units"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "A&#46; N&#250;&#241;ez Reiz"
                            1 => "M&#46;A&#46; Armengol de la Hoz"
                            2 => "M&#46; S&#225;nchez Garc&#237;a"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2018.10.007"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2019"
                        "volumen" => "43"
                        "paginaInicial" => "416"
                        "paginaFinal" => "426"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30591356"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0080"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Severe influenza&#58; Overview in critically ill patients"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "C&#46; Sarda"
                            1 => "P&#46; Palma"
                            2 => "J&#46; Rello"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1097/mcc.0000000000000638"
                      "Revista" => array:6 [
                        "tituloSerie" => "Curr Opin Crit Care"
                        "fecha" => "2019"
                        "volumen" => "25"
                        "paginaInicial" => "449"
                        "paginaFinal" => "457"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31313681"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0085"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A systematic review shows no performance benefit of machine learning over logistic regression for clinical prediction models"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "E&#46; Christodoulou"
                            1 => "J&#46; Ma"
                            2 => "G&#46;S&#46; Collins"
                            3 => "E&#46;W&#46; Steyerberg"
                            4 => "J&#46;Y&#46; Verbakel"
                            5 => "B&#46; van Calster"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jclinepi.2019.02.004"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Clin Epidemiol"
                        "fecha" => "2019"
                        "volumen" => "110"
                        "paginaInicial" => "12"
                        "paginaFinal" => "22"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30763612"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0090"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using a machine learning approach to predict mortality in critically ill influenza patients&#58; A cross-sectional retrospective multicentre study in Taiwan"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "C&#46;A&#46; Hu"
                            1 => "C&#46;M&#46; Chen"
                            2 => "Y&#46;C&#46; Fang"
                            3 => "S&#46;J&#46; Liang"
                            4 => "H&#46;C&#46; Wang"
                            5 => "W&#46;F&#46; Fang"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1136/bmjopen-2019-033898"
                      "Revista" => array:5 [
                        "tituloSerie" => "BMJ Open"
                        "fecha" => "2020"
                        "volumen" => "10"
                        "paginaInicial" => "e033898"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32102816"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0095"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using Machine Learning Techniques to Aid Empirical Antibiotic Therapy Decisions in the Intensive Care Unit of a General Hospital in Greece"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "G&#46; Feretzakis"
                            1 => "E&#46; Loupelis"
                            2 => "A&#46; Sakagianni"
                            3 => "D&#46; Kalles"
                            4 => "M&#46; Martsoukou"
                            5 => "M&#46; Lada"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.3390/antibiotics9020050"
                      "Revista" => array:4 [
                        "tituloSerie" => "Antibiotics &#40;Basel&#41;"
                        "fecha" => "2020"
                        "volumen" => "9"
                        "paginaInicial" => "50"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0100"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Big Data Analysis and Machine Learning in Intensive Care Medicine&#58; Identifying new ethical and legal challenges"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "G&#46; Lazcoz Moratinos"
                            1 => "I&#46; de Miguel Beriain"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2019.11.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2020"
                        "volumen" => "44"
                        "paginaInicial" => "319"
                        "paginaFinal" => "320"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31924445"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02105691/0000004500000002/v1_202102260805/S0210569120303156/v1_202102260805/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "443"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Editorial"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/02105691/0000004500000002/v1_202102260805/S0210569120303156/v1_202102260805/es/main.pdf?idApp=WMIE&text.app=https://medintensiva.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569120303156?idApp=WMIE"
]
Compartir
Información de la revista

Estadísticas

Siga este enlace para acceder al texto completo del artículo

Editorial
Spanish influenza score: poder predictivo sin renunciar a lo clásico
Spanish influenza score: Predictive power without giving up the classic
J.L. García Garmendia
Unidad de Cuidados Intensivos, Servicio de Cuidados Críticos y Urgencias, Hospital San Juan de Dios del Aljarafe, Bormujos, Sevilla, España
Leído
3421
Veces
se ha leído el artículo
1586
Total PDF
1835
Total HTML
Compartir estadísticas
 array:23 [
  "pii" => "S0210569120303156"
  "issn" => "02105691"
  "doi" => "10.1016/j.medin.2020.09.001"
  "estado" => "S300"
  "fechaPublicacion" => "2021-03-01"
  "aid" => "1586"
  "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46; y SEMICYUC"
  "copyrightAnyo" => "2021"
  "documento" => "article"
  "crossmark" => 1
  "subdocumento" => "sco"
  "cita" => "Med Intensiva. 2021;45:67-8"
  "abierto" => array:3 [
    "ES" => true
    "ES2" => true
    "LATM" => true
  ]
  "gratuito" => true
  "lecturas" => array:1 [
    "total" => 0
  ]
  "Traduccion" => array:1 [
    "en" => array:18 [
      "pii" => "S2173572720302113"
      "issn" => "21735727"
      "doi" => "10.1016/j.medine.2020.09.005"
      "estado" => "S300"
      "fechaPublicacion" => "2021-03-01"
      "aid" => "1586"
      "documento" => "article"
      "crossmark" => 1
      "subdocumento" => "sco"
      "cita" => "Med Intensiva. 2021;45:67-8"
      "abierto" => array:3 [
        "ES" => true
        "ES2" => true
        "LATM" => true
      ]
      "gratuito" => true
      "lecturas" => array:1 [
        "total" => 0
      ]
      "en" => array:10 [
        "idiomaDefecto" => true
        "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>"
        "titulo" => "Spanish influenza score&#58; Predictive power without giving up the classic"
        "tienePdf" => "en"
        "tieneTextoCompleto" => "en"
        "paginas" => array:1 [
          0 => array:2 [
            "paginaInicial" => "67"
            "paginaFinal" => "68"
          ]
        ]
        "titulosAlternativos" => array:1 [
          "es" => array:1 [
            "titulo" => "<span class="elsevierStyleItalic">Spanish influenza score</span>&#58; poder predictivo sin renunciar a lo cl&#225;sico"
          ]
        ]
        "contieneTextoCompleto" => array:1 [
          "en" => true
        ]
        "contienePdf" => array:1 [
          "en" => true
        ]
        "autores" => array:1 [
          0 => array:2 [
            "autoresLista" => "J&#46;L&#46; Garc&#237;a Garmendia"
            "autores" => array:1 [
              0 => array:2 [
                "nombre" => "J&#46;L&#46;"
                "apellidos" => "Garc&#237;a Garmendia"
              ]
            ]
          ]
        ]
      ]
      "idiomaDefecto" => "en"
      "Traduccion" => array:1 [
        "es" => array:9 [
          "pii" => "S0210569120303156"
          "doi" => "10.1016/j.medin.2020.09.001"
          "estado" => "S300"
          "subdocumento" => ""
          "abierto" => array:3 [
            "ES" => true
            "ES2" => true
            "LATM" => true
          ]
          "gratuito" => true
          "lecturas" => array:1 [
            "total" => 0
          ]
          "idiomaDefecto" => "es"
          "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569120303156?idApp=WMIE"
        ]
      ]
      "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572720302113?idApp=WMIE"
      "url" => "/21735727/0000004500000002/v1_202102260751/S2173572720302113/v1_202102260751/en/main.assets"
    ]
  ]
  "itemSiguiente" => array:19 [
    "pii" => "S0210569120301893"
    "issn" => "02105691"
    "doi" => "10.1016/j.medin.2020.05.017"
    "estado" => "S300"
    "fechaPublicacion" => "2021-03-01"
    "aid" => "1538"
    "copyright" => "Elsevier Espa&#241;a&#44; S&#46;L&#46;U&#46; y SEMICYUC"
    "documento" => "article"
    "crossmark" => 1
    "subdocumento" => "fla"
    "cita" => "Med Intensiva. 2021;45:69-79"
    "abierto" => array:3 [
      "ES" => true
      "ES2" => true
      "LATM" => true
    ]
    "gratuito" => true
    "lecturas" => array:1 [
      "total" => 0
    ]
    "es" => array:13 [
      "idiomaDefecto" => true
      "cabecera" => "<span class="elsevierStyleTextfn">ORIGINAL</span>"
      "titulo" => "<span class="elsevierStyleItalic">Spanish Influenza Score</span> &#40;SIS&#41;&#58; utilidad del <span class="elsevierStyleItalic">Machine Learning</span> en el desarrollo de una escala temprana de predicci&#243;n de mortalidad en la gripe grave"
      "tienePdf" => "es"
      "tieneTextoCompleto" => "es"
      "tieneResumen" => array:2 [
        0 => "es"
        1 => "en"
      ]
      "paginas" => array:1 [
        0 => array:2 [
          "paginaInicial" => "69"
          "paginaFinal" => "79"
        ]
      ]
      "titulosAlternativos" => array:1 [
        "en" => array:1 [
          "titulo" => "Spanish Influenza Score &#40;SIS&#41;&#58; Usefulness of machine learning in the development of an early mortality prediction score in severe influenza"
        ]
      ]
      "contieneResumen" => array:2 [
        "es" => true
        "en" => true
      ]
      "contieneTextoCompleto" => array:1 [
        "es" => true
      ]
      "contienePdf" => array:1 [
        "es" => true
      ]
      "resumenGrafico" => array:2 [
        "original" => 0
        "multimedia" => array:7 [
          "identificador" => "fig0010"
          "etiqueta" => "Figura 2"
          "tipo" => "MULTIMEDIAFIGURA"
          "mostrarFloat" => true
          "mostrarDisplay" => false
          "figura" => array:1 [
            0 => array:4 [
              "imagen" => "gr2.jpeg"
              "Alto" => 1265
              "Ancho" => 2910
              "Tamanyo" => 191735
            ]
          ]
          "descripcion" => array:1 [
            "es" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">Gr&#225;fico de barras que muestra la aplicaci&#243;n de la puntuaci&#243;n obtenida SIS y la mortalidad observada&#44; as&#237; como la curva de probabilidad de mortalidad para cada nivel&#46; Se observa que la mortalidad se incrementa significativamente a medida que lo hace la puntuaci&#243;n obtenida &#40;p&#160;&#60;&#160;0&#44;001&#41;&#46;</p>"
          ]
        ]
      ]
      "autores" => array:1 [
        0 => array:2 [
          "autoresLista" => ""
          "autores" => array:1 [
            0 => array:1 [
              "colaborador" => "Grupo de Trabajo Gripe A Grave &#40;GETGAG&#41; de la Sociedad Espa&#241;ola de Medicina Intensiva Cr&#237;tica y Unidades Coronarias &#40;SEMICYUC&#41;"
            ]
          ]
        ]
      ]
    ]
    "idiomaDefecto" => "es"
    "Traduccion" => array:1 [
      "en" => array:9 [
        "pii" => "S2173572720302186"
        "doi" => "10.1016/j.medine.2020.05.009"
        "estado" => "S300"
        "subdocumento" => ""
        "abierto" => array:3 [
          "ES" => true
          "ES2" => true
          "LATM" => true
        ]
        "gratuito" => true
        "lecturas" => array:1 [
          "total" => 0
        ]
        "idiomaDefecto" => "en"
        "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S2173572720302186?idApp=WMIE"
      ]
    ]
    "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569120301893?idApp=WMIE"
    "url" => "/02105691/0000004500000002/v1_202102260805/S0210569120301893/v1_202102260805/es/main.assets"
  ]
  "es" => array:12 [
    "idiomaDefecto" => true
    "cabecera" => "<span class="elsevierStyleTextfn">Editorial</span>"
    "titulo" => "<span class="elsevierStyleItalic">Spanish influenza score&#58;</span> poder predictivo sin renunciar a lo cl&#225;sico"
    "tieneTextoCompleto" => true
    "paginas" => array:1 [
      0 => array:2 [
        "paginaInicial" => "67"
        "paginaFinal" => "68"
      ]
    ]
    "autores" => array:1 [
      0 => array:3 [
        "autoresLista" => "J&#46;L&#46; Garc&#237;a Garmendia"
        "autores" => array:1 [
          0 => array:3 [
            "nombre" => "J&#46;L&#46;"
            "apellidos" => "Garc&#237;a Garmendia"
            "email" => array:1 [
              0 => "joseluis.garciagarmendia@sjd.es"
            ]
          ]
        ]
        "afiliaciones" => array:1 [
          0 => array:2 [
            "entidad" => "Unidad de Cuidados Intensivos&#44; Servicio de Cuidados Cr&#237;ticos y Urgencias&#44; Hospital San Juan de Dios del Aljarafe&#44; Bormujos&#44; Sevilla&#44; Espa&#241;a"
            "identificador" => "aff0005"
          ]
        ]
      ]
    ]
    "titulosAlternativos" => array:1 [
      "en" => array:1 [
        "titulo" => "Spanish influenza score&#58; Predictive power without giving up the classic"
      ]
    ]
    "textoCompleto" => "<span class="elsevierStyleSections"><p id="par0005" class="elsevierStylePara elsevierViewall">En el presente n&#250;mero de Medicina Intensiva publicamos un trabajo realizado sobre un registro multic&#233;ntrico espa&#241;ol de gripe grave&#44; que desarrolla una escala pron&#243;stica de mortalidad en las UCI<a class="elsevierStyleCrossRef" href="#bib0055"><span class="elsevierStyleSup">1</span></a>&#46;</p><p id="par0010" class="elsevierStylePara elsevierViewall">En los a&#241;os 80 del siglo XX&#44; se inici&#243; para los cuidados intensivos un camino de comprensi&#243;n de la realidad y de ayuda a la toma de decisiones basado en escalas de gravedad&#46; El APACHE II&#44; a&#250;n con matizaciones&#44; sigue vigente en la valoraci&#243;n de la gravedad de los pacientes cr&#237;ticos&#46; Los mecanismos de generaci&#243;n de estas escalas se basaban en la acumulaci&#243;n de gran cantidad de datos representativos&#44; y la utilizaci&#243;n de t&#233;cnicas de an&#225;lisis multivariante a trav&#233;s de regresi&#243;n log&#237;stica &#40;RL&#41; que permitieran generar modelos predictivos y utilizar los estimadores beta para generar las puntuaciones individuales&#46; Para los investigadores y los cl&#237;nicos&#44; el nivel de comprensi&#243;n de los entresijos matem&#225;ticos necesarios para la obtenci&#243;n de los estimadores beta es suficiente&#44; y existe una razonable correlaci&#243;n de entendimiento con las <span class="elsevierStyleItalic">odds ratio</span> y sus intervalos de confianza&#44; formando un conjunto metodol&#243;gico comprensible e interpretable<a class="elsevierStyleCrossRef" href="#bib0060"><span class="elsevierStyleSup">2</span></a>&#46;</p><p id="par0015" class="elsevierStylePara elsevierViewall">Por otra parte&#44; el uso de t&#233;cnicas de an&#225;lisis masivo de datos a trav&#233;s del <span class="elsevierStyleItalic">machine learning</span> &#40;ML&#41; ha tenido un crecimiento exponencial en los &#250;ltimos a&#241;os&#44; como puede comprobarse en el n&#250;mero de citas bibliogr&#225;ficas registradas en Medline<a class="elsevierStyleCrossRef" href="#bib0065"><span class="elsevierStyleSup">3</span></a>&#46; Sin embargo&#44; uno de los problemas de las t&#233;cnicas de ML reside en la dificultad para trasladar los an&#225;lisis al &#225;mbito de la pr&#225;ctica cl&#237;nica<a class="elsevierStyleCrossRef" href="#bib0070"><span class="elsevierStyleSup">4</span></a>&#46; A diferencia de las t&#233;cnicas convencionales de an&#225;lisis estad&#237;stico&#44; los resultados de los estudios publicados tienen buenos indicadores matem&#225;ticos&#44; pero la percepci&#243;n de los cl&#237;nicos es de una aplicabilidad pr&#225;ctica limitada<a class="elsevierStyleCrossRef" href="#bib0075"><span class="elsevierStyleSup">5</span></a>&#46; En parte&#44; esto es debido a la dificultad para comprender los mecanismos a trav&#233;s de los cuales se generan los resultados y a las dificultades de utilizar un gran n&#250;mero de variables de manera simult&#225;nea&#46; Ello probablemente es m&#225;s concordante con la compleja realidad biol&#243;gica&#44; pero reduce la posibilidad de manejarlo en entornos de pr&#225;ctica cl&#237;nica para los profesionales&#46;</p><p id="par0020" class="elsevierStylePara elsevierViewall">En este sentido&#44; el trabajo que presentamos en este n&#250;mero de Medicina Intensiva&#44; consigue un doble objetivo&#58; incorporar t&#233;cnicas de aprendizaje autom&#225;tico a una extensa base de datos de gripe grave en las UCI&#44; y generar una escala de riesgo de mortalidad combinando este abordaje con otras t&#233;cnicas cl&#225;sicas&#44; m&#225;s asequibles para su incorporaci&#243;n a la pr&#225;ctica cl&#237;nica&#46;</p><p id="par0025" class="elsevierStylePara elsevierViewall">La gripe grave constituye cada invierno un reto para las UCI de todo el mundo&#46; Con el brote de gripe A &#40;H1N1&#41; del a&#241;o 2009 como uno de los m&#225;s importantes&#44; han sido varias las temporadas que han generado problemas asistenciales en las UCI&#44; afectando a pacientes j&#243;venes&#44; generando distr&#233;s respiratorio severo&#44; con estancias prolongadas y una elevada mortalidad<a class="elsevierStyleCrossRef" href="#bib0080"><span class="elsevierStyleSup">6</span></a>&#46;</p><p id="par0030" class="elsevierStylePara elsevierViewall">La comparaci&#243;n de los resultados obtenidos por t&#233;cnicas convencionales con las obtenidas mediante un an&#225;lisis avanzado con <span class="elsevierStyleItalic">random forest</span> &#40;ML&#41; da fortaleza a los hallazgos&#44; y parece indicar que las nuevas t&#233;cnicas ser&#225;n capaces de a&#241;adir informaci&#243;n a las t&#233;cnicas de an&#225;lisis cl&#225;sico&#44; pero gran parte de la informaci&#243;n sustantiva puede lograrse con estas &#250;ltimas<a class="elsevierStyleCrossRef" href="#bib0085"><span class="elsevierStyleSup">7</span></a>&#46; Eso s&#237;&#44; para que las t&#233;cnicas de RL tengan consistencia debemos tener registros de calidad y de tama&#241;o muestral suficiente&#44; lo que se ha garantizado en este estudio&#44; a diferencia de otros recientes en los que un tama&#241;o muestral insuficiente potencia la capacidad predictiva del ML sobre la RL<a class="elsevierStyleCrossRef" href="#bib0090"><span class="elsevierStyleSup">8</span></a>&#46;</p><p id="par0035" class="elsevierStylePara elsevierViewall">El desarrollo de una escala de predicci&#243;n de mortalidad en pacientes cr&#237;ticos con gripe grave puede servir de ayuda para la toma de decisiones de ingreso&#44; la toma de decisiones terap&#233;uticas &#40;prono&#44; oxigenaci&#243;n extracorp&#243;rea&#44; &#243;xido n&#237;trico&#41; o incluso las decisiones de traslado para aplicar t&#233;cnicas avanzadas en otros centros&#46; Otra utilidad de esta escala reside en la posibilidad de segmentar grupos de riesgo para orientar ensayos terap&#233;uticos&#44; as&#237; como para el <span class="elsevierStyleItalic">benchmarking</span> de unidades&#46; La utilizaci&#243;n de variables presentes en el momento del ingreso en este estudio debe considerarse adem&#225;s una ventaja&#44; pues facilitar&#237;a la asesor&#237;a precoz en la toma de decisiones&#46; Algunos modelos que utilizan variables de curso cl&#237;nico pueden valer para comparar resultados de diferentes unidades&#44; pero no para establecer pron&#243;sticos precoces en las primeras horas de ingreso o para definir grupos susceptibles de ensayos terap&#233;uticos&#46;</p><p id="par0040" class="elsevierStylePara elsevierViewall">El estudio&#44; no obstante&#44; tiene algunas limitaciones&#46; La base de datos es amplia y multic&#233;ntrica&#44; pero abarca un periodo muy amplio de tiempo &#40;10 a&#241;os&#41;&#44; en el que se han modificado las estrategias terap&#233;uticas y los resultados&#46; Aunque se realiza una validaci&#243;n interna segmentando la base de datos&#44; es preciso evaluar la utilidad de la escala de manera prospectiva&#44; para corroborar la exactitud de las predicciones&#46; Por otra parte&#44; analiza la mortalidad en las UCI&#44; y la escala APACHE II est&#225; dise&#241;ada para la mortalidad hospitalaria&#44; mientras que la escala SOFA no fue ni dise&#241;ada con ese fin&#46; Tampoco podemos descartar que el uso de ML con m&#225;s variables registradas hubiera tenido mayor poder predictivo&#46;</p><p id="par0045" class="elsevierStylePara elsevierViewall">El futuro de las t&#233;cnicas de an&#225;lisis a trav&#233;s del ML se dirigir&#225; casi seguro al asesoramiento en tiempo real de la actividad cl&#237;nica con retroalimentaci&#243;n inmediata y enriquecimiento de los procesos anal&#237;ticos<a class="elsevierStyleCrossRef" href="#bib0095"><span class="elsevierStyleSup">9</span></a>&#46; Aunque este escenario llegar&#225;&#44; habr&#225; que valorar el poder que tendr&#225; esa informaci&#243;n en la toma de decisiones&#44; desde un punto de vista &#233;tico&#44; legal y deontol&#243;gico<a class="elsevierStyleCrossRef" href="#bib0100"><span class="elsevierStyleSup">10</span></a>&#46; Y tendr&#225; que dilucidarse el papel del cl&#237;nico en la aplicaci&#243;n y en la retirada de tratamientos cuando el propio sistema de aprendizaje autom&#225;tico se alimente de las decisiones que &#233;l llegue a inducir&#46; Ser&#225;n problemas de las nuevas generaciones&#44; y la casi imposibilidad de comprender el modo de funcionamiento matem&#225;tico generar&#225; complejas sensaciones en los profesionales&#46; Mientras eso ocurre&#44; habr&#225; que seguir apostando por el desarrollo de herramientas asequibles y v&#225;lidas como la presentada en este n&#250;mero&#46;</p><p id="par0050" class="elsevierStylePara elsevierViewall">La medicina intensiva trabaja localmente con pocos pacientes&#44; y si ha de centrarse en enfermedades concretas&#44; las limitaciones son a&#250;n mayores&#46; De aqu&#237; la importancia de disponer de potentes registros multic&#233;ntricos que faciliten an&#225;lisis complejos y nos permitan a&#241;adir conocimiento en &#225;reas de dif&#237;cil manejo&#44; y con impacto en la salud de los ciudadanos&#46; Con la vigencia de la pandemia de la COVID-19&#44; es una llamada a la generaci&#243;n de registros colaborativos&#46;</p><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0005">Financiaci&#243;n</span><p id="par0055" class="elsevierStylePara elsevierViewall">El autor declara no haber recibido financiaci&#243;n para la realizaci&#243;n de este trabajo&#46;</p></span></span>"
    "textoCompletoSecciones" => array:1 [
      "secciones" => array:2 [
        0 => array:2 [
          "identificador" => "sec0005"
          "titulo" => "Financiaci&#243;n"
        ]
        1 => array:1 [
          "titulo" => "Bibliograf&#237;a"
        ]
      ]
    ]
    "pdfFichero" => "main.pdf"
    "tienePdf" => true
    "bibliografia" => array:2 [
      "titulo" => "Bibliograf&#237;a"
      "seccion" => array:1 [
        0 => array:2 [
          "identificador" => "bibs0015"
          "bibliografiaReferencia" => array:10 [
            0 => array:3 [
              "identificador" => "bib0055"
              "etiqueta" => "1"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Usefulness of machine learning in the development of an early mortality prediction score in severe influenza"
                      "autores" => array:1 [
                        0 => array:2 [
                          "colaboracion" => "Spanish Influenza Score &#40;SIS&#41;"
                          "etal" => false
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2020.05.017"
                      "Revista" => array:2 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2020"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            1 => array:3 [
              "identificador" => "bib0060"
              "etiqueta" => "2"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Interpretation of statistical results"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "J&#46;L&#46; Garc&#237;a Garmendia"
                            1 => "F&#46; Maroto Monserrat"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2017.12.013"
                      "Revista" => array:5 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2018"
                        "volumen" => "42"
                        "paginaInicial" => "370"
                        "paginaFinal" => "379"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            2 => array:3 [
              "identificador" => "bib0065"
              "etiqueta" => "3"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Artificial Intelligence in Health Care&#58; Bibliometric Analysis"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "Y&#46; Guo"
                            1 => "Z&#46; Hao"
                            2 => "S&#46; Zhao"
                            3 => "J&#46; Gong"
                            4 => "F&#46; Yang"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.2196/18228"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Med Internet Res"
                        "fecha" => "2020"
                        "volumen" => "22"
                        "paginaInicial" => "e18228"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32723713"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            3 => array:3 [
              "identificador" => "bib0070"
              "etiqueta" => "4"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Statistics versus machine learning&#58; Definitions are interesting &#40;but understanding&#44; methodology&#44; and reporting are more important&#41;"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:5 [
                            0 => "B&#46; Van Calster"
                            1 => "J&#46;Y&#46; Verbakel"
                            2 => "E&#46; Christodoulou"
                            3 => "E&#46;W&#46; Steyerberg"
                            4 => "G&#46;S&#46; Collins"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jclinepi.2019.08.002"
                      "Revista" => array:5 [
                        "tituloSerie" => "J Clin Epidemiol"
                        "fecha" => "2019"
                        "volumen" => "116"
                        "paginaInicial" => "137"
                        "paginaFinal" => "138"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            4 => array:3 [
              "identificador" => "bib0075"
              "etiqueta" => "5"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Big Data Analysis and Machine Learning in Intensive Care Units"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "A&#46; N&#250;&#241;ez Reiz"
                            1 => "M&#46;A&#46; Armengol de la Hoz"
                            2 => "M&#46; S&#225;nchez Garc&#237;a"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2018.10.007"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2019"
                        "volumen" => "43"
                        "paginaInicial" => "416"
                        "paginaFinal" => "426"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30591356"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            5 => array:3 [
              "identificador" => "bib0080"
              "etiqueta" => "6"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Severe influenza&#58; Overview in critically ill patients"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:3 [
                            0 => "C&#46; Sarda"
                            1 => "P&#46; Palma"
                            2 => "J&#46; Rello"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1097/mcc.0000000000000638"
                      "Revista" => array:6 [
                        "tituloSerie" => "Curr Opin Crit Care"
                        "fecha" => "2019"
                        "volumen" => "25"
                        "paginaInicial" => "449"
                        "paginaFinal" => "457"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31313681"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            6 => array:3 [
              "identificador" => "bib0085"
              "etiqueta" => "7"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "A systematic review shows no performance benefit of machine learning over logistic regression for clinical prediction models"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:6 [
                            0 => "E&#46; Christodoulou"
                            1 => "J&#46; Ma"
                            2 => "G&#46;S&#46; Collins"
                            3 => "E&#46;W&#46; Steyerberg"
                            4 => "J&#46;Y&#46; Verbakel"
                            5 => "B&#46; van Calster"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.jclinepi.2019.02.004"
                      "Revista" => array:6 [
                        "tituloSerie" => "J Clin Epidemiol"
                        "fecha" => "2019"
                        "volumen" => "110"
                        "paginaInicial" => "12"
                        "paginaFinal" => "22"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/30763612"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            7 => array:3 [
              "identificador" => "bib0090"
              "etiqueta" => "8"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using a machine learning approach to predict mortality in critically ill influenza patients&#58; A cross-sectional retrospective multicentre study in Taiwan"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "C&#46;A&#46; Hu"
                            1 => "C&#46;M&#46; Chen"
                            2 => "Y&#46;C&#46; Fang"
                            3 => "S&#46;J&#46; Liang"
                            4 => "H&#46;C&#46; Wang"
                            5 => "W&#46;F&#46; Fang"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1136/bmjopen-2019-033898"
                      "Revista" => array:5 [
                        "tituloSerie" => "BMJ Open"
                        "fecha" => "2020"
                        "volumen" => "10"
                        "paginaInicial" => "e033898"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/32102816"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
            8 => array:3 [
              "identificador" => "bib0095"
              "etiqueta" => "9"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Using Machine Learning Techniques to Aid Empirical Antibiotic Therapy Decisions in the Intensive Care Unit of a General Hospital in Greece"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => true
                          "autores" => array:6 [
                            0 => "G&#46; Feretzakis"
                            1 => "E&#46; Loupelis"
                            2 => "A&#46; Sakagianni"
                            3 => "D&#46; Kalles"
                            4 => "M&#46; Martsoukou"
                            5 => "M&#46; Lada"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.3390/antibiotics9020050"
                      "Revista" => array:4 [
                        "tituloSerie" => "Antibiotics &#40;Basel&#41;"
                        "fecha" => "2020"
                        "volumen" => "9"
                        "paginaInicial" => "50"
                      ]
                    ]
                  ]
                ]
              ]
            ]
            9 => array:3 [
              "identificador" => "bib0100"
              "etiqueta" => "10"
              "referencia" => array:1 [
                0 => array:2 [
                  "contribucion" => array:1 [
                    0 => array:2 [
                      "titulo" => "Big Data Analysis and Machine Learning in Intensive Care Medicine&#58; Identifying new ethical and legal challenges"
                      "autores" => array:1 [
                        0 => array:2 [
                          "etal" => false
                          "autores" => array:2 [
                            0 => "G&#46; Lazcoz Moratinos"
                            1 => "I&#46; de Miguel Beriain"
                          ]
                        ]
                      ]
                    ]
                  ]
                  "host" => array:1 [
                    0 => array:2 [
                      "doi" => "10.1016/j.medin.2019.11.003"
                      "Revista" => array:6 [
                        "tituloSerie" => "Med Intensiva"
                        "fecha" => "2020"
                        "volumen" => "44"
                        "paginaInicial" => "319"
                        "paginaFinal" => "320"
                        "link" => array:1 [
                          0 => array:2 [
                            "url" => "https://www.ncbi.nlm.nih.gov/pubmed/31924445"
                            "web" => "Medline"
                          ]
                        ]
                      ]
                    ]
                  ]
                ]
              ]
            ]
          ]
        ]
      ]
    ]
  ]
  "idiomaDefecto" => "es"
  "url" => "/02105691/0000004500000002/v1_202102260805/S0210569120303156/v1_202102260805/es/main.assets"
  "Apartado" => array:4 [
    "identificador" => "443"
    "tipo" => "SECCION"
    "es" => array:2 [
      "titulo" => "Editorial"
      "idiomaDefecto" => true
    ]
    "idiomaDefecto" => "es"
  ]
  "PDF" => "https://static.elsevier.es/multimedia/02105691/0000004500000002/v1_202102260805/S0210569120303156/v1_202102260805/es/main.pdf?idApp=WMIE&text.app=https://medintensiva.org/"
  "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0210569120303156?idApp=WMIE"
]
Información del artículo
ISSN: 02105691
Idioma original: Español
Datos actualizados diariamente
año/Mes Html Pdf Total
2024 Noviembre 3 4 7
2024 Octubre 48 44 92
2024 Septiembre 49 35 84
2024 Agosto 48 35 83
2024 Julio 40 44 84
2024 Junio 69 57 126
2024 Mayo 52 34 86
2024 Abril 40 32 72
2024 Marzo 57 32 89
2024 Febrero 32 38 70
2024 Enero 47 39 86
2023 Diciembre 32 47 79
2023 Noviembre 37 43 80
2023 Octubre 36 26 62
2023 Septiembre 40 35 75
2023 Agosto 23 15 38
2023 Julio 37 26 63
2023 Junio 31 16 47
2023 Mayo 38 32 70
2023 Abril 30 35 65
2023 Marzo 42 32 74
2023 Febrero 42 26 68
2023 Enero 28 23 51
2022 Diciembre 58 31 89
2022 Noviembre 39 38 77
2022 Octubre 46 28 74
2022 Septiembre 41 34 75
2022 Agosto 40 48 88
2022 Julio 35 42 77
2022 Junio 35 39 74
2022 Mayo 38 25 63
2022 Abril 48 38 86
2022 Marzo 42 64 106
2022 Febrero 34 34 68
2022 Enero 35 30 65
2021 Diciembre 51 45 96
2021 Noviembre 40 49 89
2021 Octubre 59 81 140
2021 Septiembre 44 40 84
2021 Agosto 51 65 116
2021 Julio 47 51 98
2021 Junio 52 40 92
2021 Mayo 2 0 2
2021 Abril 33 1 34
2021 Marzo 54 9 63
2021 Febrero 2 0 2
2020 Diciembre 1 2 3
2020 Noviembre 1 2 3
2020 Octubre 6 0 6
Mostrar todo

Siga este enlace para acceder al texto completo del artículo

Idiomas
Medicina Intensiva
es en

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?