Modelos de predição de risco para desnutrição em pacientes em diálise na China: revisão sistemática e metanálise

O que aconteceu

Embora vários modelos de predição de risco tenham sido desenvolvidos para identificar desnutrição em pacientes em diálise, sua qualidade e desempenho permanecem pouco claros, limitando sua praticidade na prática clínica atual e em pesquisas futuras. Portanto, realizamos uma revisão sistemática e metanálise para avaliar esses modelos. As pesquisas foram realizadas no PubMed, Embase, Web of Science, The Cochrane Library, CINAHL, SinoMed, CNKI, Wanfang e VIP Database desde o início até 26 de janeiro de 2026. Dois pesquisadores analisaram de forma independente a literatura, extraíram dados e avaliaram a qualidade utilizando o modelo Prediction Risk of Bias Assessment Tool (PROBAST). Meta-análises da prevalência de desnutrição, preditores comuns e desempenho do modelo foram realizadas utilizando-se Stata 18.0 e R 4.5.1. Foram incluídos 12 estudos elegíveis realizados na China e a prevalência conjunta de desnutrição em pacientes em diálise foi de 41%. Metanálise identificou idade, cálcio sérico, Kt/V, triglicérides, sexo, vitamina D, NT-proBNP e diabetes comorbida como preditores estatisticamente significativos. O efeito conjunto dos nove modelos internos validados foi de 0,83, indicando bom desempenho discriminatório. No entanto, todos os modelos incluídos foram classificados com alto risco de viés, principalmente por fontes de dados inadequadas e mau relato da análise. A análise atual revela alta prevalência de desnutrição entre pacientes em diálise. Foram identificados oito preditores significativos, orientando a seleção futura para construção de modelos preditivos de risco de desnutrição nessa população. Embora os modelos existentes demonstrem desempenho discriminatório adequado, suas limitações metodológicas limitam a aplicabilidade clínica. Estudos futuros devem priorizar o desenvolvimento de modelos padronizados e validados externamente para possibilitar a identificação e intervenção precoces, melhorando assim os desfechos nesse grupo vulnerável.