Los programas ERAS (mejora de la recuperación tras la cirugía) se han convertido en un estándar de la cirugía colorrectal, ofreciendo reducciones consistentes de las complicaciones, estancia hospitalaria y costes sanitarios.
Sin embargo, a pesar de este apoyo generalizado, la adherencia a ERAS en el mundo real sigue siendo variable, y el impacto de los componentes individuales del protocolo se comprende de manera incompleta. Los análisis tradicionales se basaron en las puntuaciones compuestas del cumplimiento y los modelos convencionales de regresión, que pueden ensombrecer los efectos heterogéneos de las intervenciones específicas en los subgrupos de pacientes.
EuroPOWER fue un gran estudio prospectivo, multicéntrico realizado en 21 países europeos, diseñado para evaluar la práctica y los resultados perioperatorios en la cirugía colorrectal electiva. Registró sistemáticamente la adherencia a 24 medidas ERAS en más de 2.800 pacientes, proporcionando una oportunidad única de examinar la relación granular entre la implementación del protocolo y las complicaciones postoperatorias.
En los últimos años, las técnicas de aprendizaje automatizado, y en particular los algoritmos gradient boosting pareados con herramientas explicativas tales como Shapley Additive Explanations (SHAP), han ofrecido nuevos modos de examinar los datos clínicos altamente dimensionales tanto con precisión como interpretabilidad.
Metodología del estudio EuroPOWER
Se realizó un estudio prospectivo, observacional multicéntrico utilizando datos de la cohorte EuroPOWER (NCT04889798), un registro europeo que incluyó pacientes adultos sometidos a cirugía colorrectal electiva entre octubre de 2019 y septiembre de 2020 en 185 hospitales de 21 países, a fin de evaluar la asociación entre la atención perioperatoria y los resultados a 30 días.
Se evaluaron 24 ítems de procesos ERAS en todos los pacientes, independientemente de si fueron tratados o no en un centro ERAS formalmente designado. Se predefinieron las complicaciones transcurridos 30 días de la cirugía según las descrito por las definiciones European Perioperative Clinical Outcome (EPCO).
Las complicaciones postoperatorias fueron registradas prospectivamente por investigadores locales e incluyeron episodios infecciosos, cardiovasculares, respiratorios, neurológicos, tromboembólicos, quirúrgicos y renales que tuvieron lugar durante la hospitalización índice.
Este subestudio se centró en explorar cómo contribuye la adherencia a las intervenciones ERAS individuales a las complicaciones postoperatorias, y si los patrones de la implementación identifican los fenotipos de pacientes clínicamente relevantes. Las variables principales de la exposición fueron 23 ítems ERAS, tratados como indicadores binarios.
Se excluyó un ítem, «ayuno preoperatorio y cargo de hidratos de carbono», debido a su ambigüedad conceptual y a la documentación inconsistente, ya que engloba 2 prácticas distintas implementadas variablemente entre los centros. Se evaluó la fragilidad preoperatoriamente mediante Clinical Frailty Scale (CFS), una escala validada de 9 puntos donde las puntuaciones ≥4 fueron consideradas indicativas de incremento de la vulnerabilidad.
Se documentaron las comorbilidades mediante campos predefinidos en el conjunto de datos EuroPOWER, incluyendo hipertensión, diabetes, enfermedad renal crónica, cardiopatía isquémica, enfermedad cerebrovascular, enfermedad pulmonar obstructiva crónica, cáncer activo y estatus de tabaquismo, entre otros. Todos los análisis siguieron las recomendaciones STROBE para estudios de cohortes.
Estadísticas Descriptivas
Se realizó una comparación descriptiva de las características basales, las comorbilidades y la adherencia a ERAS entre los pacientes con y sin complicaciones postoperatorias. Se presentaron las variables categóricas como recuentos y porcentajes, y las variables continuas como medianas con rangos intercuartílicos. No se imputaron los resultados ausentes.
Desarrollo del Modelo
Se entrenaron 2 modelos separados Extreme Gradient Boosting (XGBoost). El modelo completo incluyó variables clínicas basales: clasificación American Society of Anesthesiologists (ASA), puntuación de fragilidad, índice de masa corporal (IMC), y riesgo quirúrgico, y los 23 ítems ERAS. El modelo exclusivamente ERAS incluyó únicamente los ítems ERAS. Este segundo modelo fue desarrollado para explorar si los datos del proceso, sin contexto clínico, contenían suficiente señal predictiva.
Se fijaron hiperparámetros a priori (profundidad máxima del árbol=3, tasa de aprendizaje η=0,1, submuestra=0,8, submuestra de columna=0,8). Se utilizó validación cruzada quíntuple con interrupción temprana. Se aplicó codificación binaria caliente a las variables categóricas. Se imputaron los datos ausentes utilizando la mediana para las variables continuas, y el modo para las variables binarias. El desempeño predictivo se evaluó mediante área de validación cruzada bajo la curva (ABC) Receiver operating characteristic (ROC).
Cálculo e Interpretación de las Explicaciones Aditivas de Shapley (Shapley Additive Explanations)
Ambos modelos fueron interpretados mediante SHAP (explicaciones aditivas de Shapley), un método con base teórica que atribuye una contribución marginal a cada predictor para cada predicción individual. Se calcularon los valores SHAP para todos los pacientes y predictores, utilizándose los valores SHAP absolutos medios para determinar la importancia de la función global.
En el modelo completo, también evaluamos la relación entre la importancia de SHAP y la frecuencia de la adherencia a ERAS para evaluar si los ítems más predictivos estaban infrautilizados. Esta comparación no se realizó para el modelo exclusivamente ERAS debido a su menor desempeño y a la falta de contexto clínico.
Agrupación y Fenotipificación
Se aplicó agrupamiento no supervisado exclusivamente a la matriz SHAP derivada del modelo completo. Se redujeron los valores SHAP (pacientes×predictores) a 2 dimensiones mediante Uniform Manifold Approximation and Projection (UMAP). Seguidamente se utilizó el agrupamiento jerárquico (método de Ward, distancias euclidianas) para identificar los grupos. Se eligió el número óptimo de clústeres sobre la base de la estructura de dendrograma y la plausibilidad clínica. Se etiquetó a los pacientes como corresponde.
Se caracterizaron los fenotipos por mediana o valores medios de las variables clínicas y la adherencia a ERAS. Se compararon descriptivamente las tasas de complicaciones entre los grupos. No se realizó modelación de prueba inferencial o secundaria (p. ej.: regresión o mediación), dada la naturaleza no supervisada del agrupamiento. No se realizó prueba estadística formal entre fenotipos.
El proceso de agrupamiento fue exploratorio, sobre la base de las características del modelo derivado de SHAP, y no se establecieron hipótesis predefinidas. Por ello, se presentan descriptivamente las diferencias de las características clínicas o perioperatorias de los fenotipos.
Para explorar la redundancia entre los ítems ERAS, calculamos una matriz de correlación basada en SHAP (coeficientes de Pearson) y la visualizamos utilizando un mapa de calor codificado con colores. Esto se realizó únicamente para el modelo completo.
Todos los análisis fueron realizados en R (versión 4.3.2). La ilustración fenotípica se generó mediante las capacidades de generación de imagen de ChatGPT de OpenAI.
Resultados del Estudio EuroPOWER
De los 2.841 pacientes incluidos en el análisis, 770 (27,1%) experimentaron al menos una complicación postoperatoria durante la hospitalización índice. Los pacientes con complicaciones eran de mayor edad (media de 71 vs. 65 años), con fragilidad más frecuente (puntuación de fragilidad ≥4 en el 37 vs. 23%), y puntuaciones ASA de mayor riesgo (ASA III-IV en el 54 vs. 42%).
También fueron más prevalentes las comorbilidades tales como enfermedad renal crónica, insuficiencia cardiaca y diabetes con daño al órgano diana entre aquellos pacientes con complicaciones. La adherencia media a ERAS fue menor en el grupo de complicaciones (66 vs. 69%).
Desempeño y Discriminación del Modelo
El modelo XGBoost entrenado para predecir cualquier complicación postoperatoria utilizando tanto características clínicas como medidas del proceso ERAS (modelo completo) logró un área con validación cruzada media bajo la curva (ABC) ROC de 0,627 (±0,027), indicando una capacidad discriminatoria modesta. El desempeño interno fue sustancialmente superior, con un ABC de entrenamiento medio de 0,901 (±0,006) y una convergencia lograda tras 12 rondas de potenciación, lo cual sugiere sobreajuste mínimo.
En comparación, el modelo exclusivamente ERAS, que no incluyó variables clínicas, logró un ABC con validación cruzada ligeramente superior de 0,642 (±0,074). Aunque el ABC de entrenamiento fue excelente (0,894±0,017), la amplia brecha entre los desempeños interno y externo sugirió un sobreajuste leve, probablemente debido a la colinealidad y la redundancia entre componentes ERAS.
A pesar de ello, el modelo exclusivamente ERAS estratificó exitosamente el riesgo postoperatorio basado exclusivamente en las prácticas perioperatorias modificables.
Importancia de la Característica e Interpretación de SHAP
Se computaron los valores SHAP para cuantificar la contribución marginal de cada predictor al resultado del modelo. En el modelo completo, los predictores más influyentes incluyeron la clasificación ASA, la puntuación de fragilidad, la edad y el IMC, además de los ítems ERAS clave tales como movilización temprana, cuidado nutricional postoperatorio y tromboprofilaxis.
La relación entre la importancia de SHAP y la frecuencia de implementación de las medidas ERAS reveló que las intervenciones con mayor poder predictivo no siempre eran las más aplicadas, sugiriendo una oportunidad para mejorar la adherencia a los protocolos más efectivos.
Se identificaron 3 fenotipos, con tasas de complicaciones del 17,7, 27,1 y 41,1%, correspondientes a perfiles sólido, intermedio y frágil, respectivamente.
| Fenotipo | Tasa de Complicaciones | Perfil |
|---|---|---|
| Sólido | 17.7% | Pacientes robustos con baja tasa de complicaciones |
| Intermedio | 27.1% | Pacientes con riesgo moderado de complicaciones |
| Frágil | 41.1% | Pacientes vulnerables con alta tasa de complicaciones |
Esquema ilustrativo del protocolo ERAS para pacientes sometidos a cirugía colorrectal.