Desarrollo y Validación Interna del Modelo de Predicción de Mortalidad en Trauma en China Basado en el Léxico CIE-10-CM: CMPMIT-CIE10
La predicción de mortalidad en trauma es un aspecto crítico de la investigación relacionada con traumatismos, ya que no solo ayuda a evaluar la gravedad de las lesiones en pacientes individuales, sino que también sirve como referencia para evaluar la calidad de las instituciones médicas. Los modelos de predicción precisos son esenciales para orientar decisiones de triaje, guiar estrategias de tratamiento y mejorar la atención integral del trauma. En China, los hospitales utilizan principalmente la Clasificación Internacional de Enfermedades, Décima Revisión, Modificación Clínica (CIE-10-CM) para describir lesiones. Sin embargo, existe una falta de modelos de predicción adecuados adaptados a la población china. Este estudio tiene como objetivo desarrollar y validar internamente un nuevo modelo de predicción de mortalidad basado en el léxico CIE-10-CM y una base de datos china de trauma, denominado Modelo de Predicción de Mortalidad en Trauma en China basado en el léxico CIE-10-CM (CMPMIT-CIE10).
Métodos
El estudio es un análisis retrospectivo de datos del Centro de Emergencias de la Cruz Roja de Pekín, el mayor centro de trauma de la ciudad. Se incluyeron 40 205 pacientes con trauma ingresados entre enero de 2012 y julio de 2018. Los criterios de exclusión fueron lesiones no traumáticas según el Capítulo XX del CIE-10-CM (p. ej., asfixia, quemaduras) y casos sin información basal o desenlace.
El desarrollo del modelo CMPMIT-CIE10 implicó:
- Clasificación de códigos CIE-10-CM: Los códigos de lesiones (S00–S99) se agruparon en 20 códigos nuevo-región-severidad (A1, A2…G3) según ubicación anatómica y gravedad.
- Variables de comorbilidad: Se extrajeron condiciones como infarto de miocardio, insuficiencia cardíaca y diabetes de los códigos CIE-10-CM.
- Variables fisiológicas: Shock traumático (T79.401) y coma (puntuación de Glasgow ≤8) se incluyeron como binarias.
El modelo se construyó mediante regresión logística multivariable con selección escalonada de variables (nivel de entrada p<0,05; eliminación p>0,10). La validación interna utilizó bootstrapping con 1000 remuestreos. El desempeño se evaluó mediante:
- Discriminación: Área bajo la curva ROC (AUC).
- Calibración: Puntuación de Brier y gráficos de calibración.
Resultados
De 40 205 pacientes, 1196 (3%) fallecieron. Las variables predictoras finales fueron:
- Edad (categorizada en intervalos de 10 años): >80 años tuvo el mayor riesgo (OR ajustado=5,24).
- Sexo masculino (OR=1,31).
- Comorbilidades: Insuficiencia cardíaca (OR=3,02) y renal crónica (OR=2,87) mostraron mayor impacto.
- Códigos de severidad-región: Lesiones cerebrales (A3/A4), abdominales (E2/E3) y medulares (F2) tuvieron ORs entre 4,1 y 8,6.
- Shock traumático (OR=9,74) y coma (OR=11,32) fueron los predictores más fuertes.
El modelo mostró:
- Excelente discriminación: AUC=0,964 (IC95%:0,960–0,968).
- Calibración óptima: Puntuación de Brier=0,0177; gráfico alineado con la diagonal ideal.
- Validación interna robusta: AUC bootstrap=0,963; Brier=0,0178.
El sistema de puntuación estratificó el riesgo en cinco niveles (0–232 puntos), desde riesgo extremadamente bajo (<10% mortalidad) hasta extremadamente alto (>90%). Por ejemplo, un varón de 72 años con hemorragia epidural (A4), subaracnoidea (A3) y coma suma 73 puntos (riesgo medio, mortalidad 31%–60%).
Discusión
El CMPMIT-CIE10 supera limitaciones de modelos tradicionales como el ISS, al integrar comorbilidades y variables fisiológicas directamente desde los códigos CIE-10-CM utilizados en China. Su implementación clínica es factible sin requerir escalas adicionales (p. ej., AIS).
Limitaciones incluyen la simplificación de códigos CIE-10-CM en 20 categorías y falta de validación externa multicéntrica. Futuros estudios deberían compararlo con el modelo TMPM-ICD10, aunque diferencias en codificación internacional podrían limitar esta comparación.
Conclusión
El CMPMIT-CIE10 representa un avance significativo en la predicción de mortalidad por trauma en China, ofreciendo alta precisión y aplicabilidad inmediata en entornos clínicos que utilizan CIE-10-CM. Su capacidad para integrar datos administrativos y fisiológicos lo convierte en una herramienta valiosa para mejorar la calidad de la atención traumatológica.
doi.org/10.1097/CM9.0000000000001371