Consideraciones éticas de los conjuntos de retención en modelos de predicción clínica

Los modelos de predicción clínica (MPC) son herramientas que se utilizan para predecir el riesgo de ciertos resultados de salud basados en datos del paciente. Por ejemplo, un modelo podría estimar la probabilidad de que un paciente desarrolle una enfermedad específica analizando su historial médico, edad y otros factores. Cuando estas predicciones guían decisiones de tratamiento, pueden cambiar el riesgo real del paciente, lo que complica la forma en que se actualizan esos modelos.

Una forma de manejar este problema es mediante el uso de conjuntos de retención. Un conjunto de retención es un grupo de pacientes que no reciben los puntajes de riesgo generados por un MPC. En su lugar, sus datos se utilizan para reentrenar el modelo para que se mantenga preciso con el tiempo. Este documento discute los aspectos éticos del uso de conjuntos de retención en la atención médica, centrándose en principios clave como la beneficencia (hacer el bien), la no maleficencia (evitar el daño), la Autonomía (elección del paciente) y la justicia (tratamiento justo).

#Entendiendo los Modelos de Predicción Clínica

Los MPC se utilizan principalmente para generar puntajes de riesgo, que ayudan a los proveedores de atención médica a tomar decisiones de tratamiento informadas. Estos modelos pueden enfocarse en resultados binarios, como si un paciente desarrollará o no cierta condición. La información utilizada en estas predicciones, a la que llamamos covariables, puede incluir varias características del paciente.

Un ejemplo de un MPC es el EuroSCORE II, que predice la probabilidad de que un paciente muera después de una cirugía cardíaca basado en factores como la edad y el historial de salud. La precisión de estos modelos es crucial, ya que predicciones incorrectas pueden llevar a malos resultados para los pacientes.

#El Problema de la Deriva en los Modelos de Predicción Clínica

Con el tiempo, la precisión de los MPC puede disminuir debido a cambios en la población subyacente o en los métodos de tratamiento. Este fenómeno, conocido como deriva, puede llevar a que los modelos den puntajes de riesgo sesgados, especialmente si se actualizan utilizando datos que ya han sido influenciados por sus propias predicciones.

Por ejemplo, si un modelo predice un alto riesgo para un paciente y esa predicción lleva a una intervención que disminuye su riesgo, el modelo puede subestimar el verdadero riesgo para pacientes similares en el futuro si se actualiza usando estos nuevos datos.

#El Papel de los Conjuntos de Retención

Los conjuntos de retención tienen como objetivo crear un grupo de pacientes cuyas decisiones de tratamiento se toman sin usar los puntajes de riesgo del MPC. Los datos de estos pacientes pueden ser utilizados para reentrenar el modelo, permitiendo que refleje la práctica clínica habitual sin la influencia de sus predicciones.

Este enfoque ayuda a mantener la precisión del MPC con el tiempo y genera puntajes de riesgo más confiables para los pacientes que son guiados por estos modelos.

#Métodos de Muestreo para Conjuntos de Retención

Hay varias formas de crear conjuntos de retención, cada una con sus fortalezas y debilidades:

1. Muestreo Aleatorio Simple: Este método implica seleccionar pacientes al azar sin buscar su consentimiento. Proporciona un alto nivel de validez externa, lo que significa que la muestra probablemente sea representativa de la población más grande. Sin embargo, puede generar preocupaciones éticas porque los pacientes no dieron permiso para ser incluidos en el grupo de retención.

2. Muestreo Aleatorizado por Clúster: En este método, la población se divide en grupos (clústeres), como hospitales o barrios. Se seleccionan clústeres al azar para formar el conjunto de retención. Aunque aún evita el consentimiento individual, puede introducir sesgos si los clústeres no son representativos.

3. Muestreo por Respuesta Voluntaria: Aquí, se pide a los pacientes que se ofrezcan como voluntarios para el conjunto de retención. Esto asegura que los pacientes consientan en no recibir puntajes de riesgo, pero puede crear una muestra sesgada, ya que aquellos que se ofrecen como voluntarios pueden no representar a toda la población.

#Principios Éticos a Considerar

Al implementar conjuntos de retención, varios principios éticos deben guiar el proceso.

#Beneficencia

La beneficencia requiere que las acciones tomadas sean beneficiosas para los pacientes involucrados. Usar conjuntos de retención puede llevar a un conflicto donde el bienestar de los individuos en el grupo de retención podría verse comprometido en beneficio de la población más grande. En entornos de salud, los médicos normalmente buscan actuar en el mejor interés de sus pacientes, pero si los conjuntos de retención llevan a predicciones de riesgo futuras menos precisas, podría perjudicar a todos los pacientes.

#No Maleficencia

La no maleficencia implica evitar el daño a los pacientes. Si un MPC proporciona puntajes de riesgo inexactos debido a la falta de conjuntos de retención, los pacientes pueden perder intervenciones necesarias. Por el contrario, incluir pacientes en un conjunto de retención sin una justificación sólida podría exponerlos a riesgos innecesarios, especialmente si sus necesidades de atención médica no se satisfacen a tiempo.

#Autonomía

La autonomía se refiere al respeto por las elecciones de los pacientes. Retener puntajes de riesgo puede verse como una negación de su derecho a tomar decisiones informadas sobre su atención. Si bien aquellos en un conjunto de retención aún tienen acceso a todos los tratamientos disponibles, pueden no sentirse empoderados para tomar decisiones basadas en información completa.

#Justicia

La justicia en la atención médica significa garantizar un acceso justo a recursos y tratamientos. Si ciertos grupos están desproporcionadamente representados en los conjuntos de retención, eso podría llevar a resultados injustos. El método de muestreo elegido debe considerar si conduce a una distribución equitativa de los servicios de salud.

#Consentimiento Informado y Conjuntos de Retención

En el Reino Unido, generalmente no se requiere que los pacientes den consentimiento para que sus datos se utilicen en el entrenamiento de MPC. Sin embargo, retener puntajes de riesgo de ciertos individuos plantea preguntas éticas sobre el consentimiento informado, ya que podría negar a los pacientes el acceso a información que potencialmente les salve la vida. Las implicaciones éticas de retener información frente a los beneficios potenciales de un modelo más preciso deben balancearse cuidadosamente.

#Equidad Clínica

La equidad clínica se refiere a la justificación ética para usar un grupo de control en ensayos clínicos. En el contexto de los conjuntos de retención, si se sabe que el MPC mejora los resultados de los pacientes, entonces crear un conjunto de retención donde los pacientes no reciben puntajes de riesgo podría ser difícil de justificar a menos que el beneficio de actualizar el modelo sea claro.

#Balanceando Riesgos y Beneficios

La decisión de usar conjuntos de retención es compleja. Cada situación debe considerar los riesgos potenciales de retener información frente a los beneficios de tener un MPC más preciso. El contexto de atención médica es crítico; para resultados que no conduzcan a un daño inmediato, usar un conjunto de retención puede ser más justificable.

#Estudios de Caso de Modelos de Predicción Clínica

Para ilustrar las consideraciones éticas, podemos ver dos ejemplos del mundo real:

1. Pacientes Escoceses en Riesgo de Reingreso y Admisión (SPARRA): Este modelo predice el riesgo de admisión hospitalaria de emergencia basado en los registros de los pacientes. Aunque los médicos pueden usar los puntajes para brindar atención preventiva, el potencial de que los puntajes subestimen los riesgos con el tiempo indica la necesidad de precaución.

2. Modelo de Sepsis Epic (ESM): Este modelo predice el riesgo de sepsis en tiempo real, alertando a los clínicos para que intervengan rápidamente. No usar puntajes de riesgo en un grupo de retención podría llevar a consecuencias severas, ya que la salud de los pacientes está en riesgo inmediato.

#Recomendaciones para Investigadores

Los investigadores interesados en implementar conjuntos de retención deberían considerar las siguientes recomendaciones:

• Entender el Contexto: Antes de aplicar conjuntos de retención, evalúa la naturaleza del resultado de salud que se está prediciendo. Para problemas menos urgentes, la justificación ética puede ser más sólida.

• Priorizar el Bienestar del Paciente: Siempre considera cómo las decisiones afectan a los pacientes individuales, asegurando que los riesgos no superen los beneficios potenciales.

• Involucrar a las Partes Interesadas: Involucra a proveedores de atención médica y pacientes para evaluar sus opiniones sobre los conjuntos de retención y el consentimiento informado.

• Monitorear Resultados: Mantén un seguimiento de los efectos de los conjuntos de retención en los resultados de los pacientes para asegurar el cumplimiento ético continuo.

#Conclusión

Usar conjuntos de retención en modelos de predicción clínica presenta desafíos éticos que deben ser navegados con cuidado. Si bien pueden mejorar la precisión de las evaluaciones de riesgo al mitigar predicciones poco fiables, no se pueden pasar por alto las deficiencias en el consentimiento del paciente, el potencial daño y la equidad. Cada caso debe abordarse con una comprensión clara del contexto de atención médica específico, y las decisiones deben centrarse en el bienestar de todos los pacientes involucrados. Al sopesar cuidadosamente los riesgos y beneficios, los investigadores y clínicos pueden tomar decisiones informadas sobre el uso ético de conjuntos de retención en entornos clínicos.