Dados do Trabalho

Título

CONSTRUÇÃO DE UM MODELO PREDITOR DE FUNÇÃO TARDIA DO ENXERTO RENAL UTILIZANDO TÉCNICAS DE MACHINE LEARNING

Introdução

A incidência de função tardia do enxerto (DGF) no Brasil é 2-3 vezes a reportada em estudos americanos e europeus. Os modelos preditivos de DGF desenvolvidos nessas populações não foram validados em coortes brasileiras. O objetivo desse estudo foi avaliar a acurácia dos modelos preditivos disponíveis e, desde que nenhum tenha boa acurácia, construir um novo modelo

Material e Método

Coorte retrospectiva incluindo transplantes renais com doador falecido entre Jan/14-Dez/17 em 2 centros brasileiros (n=443). Os modelos preditivos testados foram os descritos por Irish, Jeldres, Chapal e Zaza. Para construção do novo modelo, utilizamos técnicas de machine learning (ML).

Resultados

Os preditores disponíveis apresentaram poder discriminante regular ou ruim: Irish (AUC-ROC 0,686), Chapal (AUC-ROC 0,638), Jeldres (AUC-ROC 0,613), Zaza (AUC-ROC 0,591). Na análise por ML, os modelos com melhor performance foram árvore de decisão, redes neurais e suporte de vetor de máquinas e as variáveis incluídas no modelo final foram: idade, história de DM e tempo em diálise do receptor; variáveis do doador: idade, IMC, história de HAS, causa do óbito, creatinina final, diurese, Na+ sérico, CPK, uso de drogas vasoativas em dose elevada; tempo de isquemia fria. O modelo final apresentou excelente poder discriminante (AUC-ROC 0,942).

Discussão e Conclusões

Os modelos preditivos disponíveis tiveram pobre acurácia em predizer DGF na nossa população. O modelo desenvolvido apresentou excelente desempenho.

Palavras Chave

Transplante Renal
DGF
Modelo preditor
Machine learning