TrialsgrambetaRCTs are beautiful
Traducción sin revisarLa traducción al Español de esta entrada no ha sido revisada por pares y puede diferir del original. El acrónimo, el título completo y la cita permanecen siempre en el idioma original.Abrir la publicación original ↗

TREWS

Prospective, multi-site study of patient outcomes after implementation of the TREWS machine learning-based early warning system for sepsis

Paciente / Población Intervención / Exposición Comparación Desenlace

En 6.877 pacientes con sepsis detectados antes de los antibióticos, la confirmación de la alerta de sepsis por aprendizaje automático en 3 h redujo la mortalidad hospitalaria en comparación con las alertas no confirmadas por un profesional en 3 h.

N
6877pacientes
Diseño
Estudio de cohortes prospectivo multicéntrico, no aleatorizado (5 hospitales)
Desenlace
Mortalidad hospitalaria
Relevancia
3Complementario — contexto, no conocimiento imprescindible.
ResultadoMortalidad hospitalaria: reducción absoluta ajustada 3,3 % (IC 1,7–5,1 %), reducción relativa ajustada 18,7 % (IC 9,4–27,0 %), con menos fallo orgánico y estancia más corta; entre los pacientes señalados además como de alto riesgo, reducción absoluta de la mortalidad 4,5 % (IC 0,8–8,3 %). 590.736 pacientes monitorizados.
Adams R, et al. Nat Med. 2022;28(7):1455-1460. 10.1038/s41591-022-01894-0
Discusión y crítica

Uno de los primeros sistemas de sepsis por aprendizaje automático evaluados a escala en uso clínico real, que muestra que la sepsis puede señalarse antes de los antibióticos y que actuar ante la alerta se asocia con mejores resultados. La comparación no es aleatorizada: contrasta a los pacientes cuya alerta un clínico confirmó en 3 h con aquellos cuya alerta no lo fue, de modo que la confusión por la atención del clínico y la presentación del paciente — solo parcialmente eliminada por el ajuste — puede explicar parte del efecto.