Prediction model for lower limb amputation in hospitalized diabetic foot patients using classification and regression trees

View/ Open
Date
2024-03-15Corporate Author(s)
Pontificia Universidad Javeriana. Facultad de Medicina. Departamento de Epidemiología Clínica y Bioestadística
Type
Artículo de revista
ISSN
1268-7731
Share this record
Citación
Metadata
Show full item record
PDF documents
Resumen
La decisión de realizar la amputación de una extremidad en un paciente con úlcera del pie diabético (UPD) no es una tarea fácil. Los modelos de predicción tienen como objetivo ayudar al cirujano en la toma de decisiones en distintos escenarios. Actualmente no existe un modelo de predicción que determine la amputación de una extremidad inferior durante los primeros 30 días de hospitalización de pacientes con UPD.
Métodos
Se aplicó un análisis de clasificación y árbol de regresión a los datos de una cohorte retrospectiva de pacientes hospitalizados por tratamiento de úlcera de pie diabético, utilizando una base de datos existente de dos departamentos de Ortopedia y Traumatología. El análisis secundario identificó variables independientes que pueden predecir la amputación de miembros inferiores (mayores o menores) durante los primeros 30 días de hospitalización.
Resultados
De los 573 pacientes de la base de datos, 290 pies sufrieron una amputación de miembro inferior durante los primeros 30 días de hospitalización. Se desarrollaron seis modelos diferentes utilizando una matriz de pérdidas para evaluar el error de no detectar falsos negativos. El árbol seleccionado produjo 13 nodos terminales y después del proceso de poda, solo una división permaneció en el árbol óptimo (Sensibilidad: 69%, Especificidad: 75%, Área bajo la curva: 0,76, Parámetro de complejidad: 0,01, Error: 0,85). Entre las variables estudiadas, la clasificación de Wagner con un grado de corte de 3 superó a otras en su capacidad de predicción .
Conclusiones
La clasificación de Wagner fue la variable con mayor capacidad para predecir la amputación a 30 días. El estado infeccioso y la oclusión vascular descritos indirectamente por esta clasificación reflejan la importancia de tomar decisiones rápidas en aquellos pacientes con mayor compromiso de estas dos condiciones. Finalmente, aún se requiere una validación externa del modelo.
Abstract
Background
The decision to perform amputation of a limb in a patient with diabetic foot ulcer (DFU) is not an easy task. Prediction models aim to help the surgeon in decision making scenarios. Currently there are no prediction model to determine lower limb amputation during the first 30 days of hospitalization for patients with DFU.
Methods
Classification And Regression Tree analysis was applied on data from a retrospective cohort of patients hospitalized for the management of diabetic foot ulcer, using an existing database from two Orthopaedics and Traumatology departments. The secondary analysis identified independent variables that can predict lower limb amputation (mayor or minor) during the first 30 days of hospitalization.
Results
Of the 573 patients in the database, 290 feet underwent a lower limb amputation during the first 30 days of hospitalization. Six different models were developed using a loss matrix to evaluate the error of not detecting false negatives. The selected tree produced 13 terminal nodes and after the pruning process, only one division remained in the optimal tree (Sensitivity: 69%, Specificity: 75%, Area Under the Curve: 0.76, Complexity Parameter: 0.01, Error: 0.85). Among the studied variables, the Wagner classification with a cut-off grade of 3 exceeded others in its predicting capacity.
Conclusions
Wagner classification was the variable with the best capacity for predicting amputation within 30 days. Infectious state and vascular occlusion described indirectly by this classification reflects the importance of taking quick decisions in those patients with a higher compromise of these two conditions. Finally, an external validation of the model is still required.
Link to the resource
https://www.sciencedirect.com/science/article/pii/S1268773124000687?via%3DihubSource
Foot and Ankle Surgery; Volumen 30 Número 6 , Páginas 471 - 479 (2024)
Google Analytics Statistics
Collections
- Artículos [705]