Estima-se que 340 mil crianças sejam hospitalizadas por doenças críticas todos os anos nos Estados Unidos, com lesões cerebrais sendo uma das principais causas de morte entre aquelas previamente saudáveis que não sobrevivem à admissão na UTI. Para aquelas que sobrevivem, as morbidades neurológicas adquiridas podem variar de leves a graves, afetando a qualidade de vida. Nesse contexto, uma publicação no JAMA Network Open de 04 de fevereiro de 2025, destaca o desenvolvimento e validação externa de modelos preditivos que prometem transformar o suporte à decisão clínica em pediatria.
O estudo utilizou dados detalhados de séries temporais dos registros eletrônicos de saúde de dois grandes hospitais infantis. A pesquisa demonstrou que, utilizando 41 variáveis, muitas das quais inclusas nas versões 1 e 2 do USCDI (conjunto de dados clínicos dos EUA), é possível prever com precisão a morbidade neurológica. Esses modelos se saíram melhor do que outros instrumentos, como o escore de coma de Glasgow (GCS), tradicionalmente usados para prever riscos em cuidados intensivos.
Além de sua capacidade de previsão, um dos modelos teve seu desempenho robusto tanto no site de desenvolvimento quanto de validação externa. Essa generalização sugere uma aplicação potencial em larga escala, facilitada pela adesão aos elementos de dados priorizados pelo USCDI, o que simplifica a implementação em arquiteturas modernas de informática médica.
O estudo também investigou biomarcadores séricos derivados de lesões cerebrais, como o GFAP, encontrado em astrocytos e que responde a lesões do sistema nervoso central. As medidas de GFAP foram correlacionadas significativamente com os resultados do modelo XGBoost, indicando que esses biomarcadores podem ser úteis para identificar insultos mais sutis ao sistema nervoso central em doenças não traumáticas.
Apesar das promessas, os autores apontam algumas limitações, como mudanças no mix de casos devido à pandemia de COVID-19, que podem ter influenciado o desempenho dos modelos no conjunto de dados de teste. Além disso, a definição composta de morbidade neurológica usada no estudo, apesar de sua alta especificidade, mostrou sensibilidade modesta, o que sugere que alguns casos de morbidade neurológica que não exigem imagens, EEG, avaliação de saúde mental ou medicação direcionada podem não ser captados pelos modelos atuais.
As conclusões deste estudo são um passo importante para o desenvolvimento de ferramentas de suporte à decisão que podem antecipar a morbidade neurológica em crianças criticamente doentes e enriquecer ensaios prospectivos que examinam estratégias para mitigar o risco de lesão cerebral durante doenças críticas pediátricas. Avaliações prospectivas e multisítio de um modelo generalizável, juntamente com biomarcadores de lesão cerebral, são recomendadas para avaliar a utilidade combinada dessas abordagens no aprimoramento dos resultados para essa população vulnerável.
Referência:
Horvat CM, Barda AJ, Perez Claudio E, et al. Interoperable Models for Identifying Critically Ill Children at Risk of Neurologic Morbidity. JAMA Netw Open. 2025;8(2):e2457469. doi:10.1001/jamanetworkopen.2024.57469