Modelos de predição para hipotensão pós-indução em pacientes submetidos à anestesia geral: revisão sistemática e metanálise

O que aconteceu

A hipotensão pós-indução (HPI) é uma complicação perioperatória frequente durante a anestesia geral e afeta adversamente os resultados dos pacientes. Embora as técnicas de machine learning tenham sido amplamente aplicadas para desenvolver modelos de predição de IPH, a qualidade metodológica e o desempenho preditivo dos modelos existentes carecem de avaliação sistemática. Revisar sistematicamente o desempenho preditivo, a qualidade metodológica e os preditores comuns de modelos de predição de HIP em pacientes submetidos à anestesia geral e fornecer evidências para a prática clínica e desenvolvimento futuro de modelos. PubMed, Embase, Web of Science, Cochrane Library, CNKI e Wanfang Data foram pesquisados desde o início até abril de 2026 para estudos que desenvolveram ou validaram modelos de predição de PIH. 2 revisores rastrearam de forma independente estudos, extraíram dados e avaliaram o risco de viés utilizando o modelo Prediction Risk of Bias Assessment Tool (PROBAST). Uma meta-análise de efeitos aleatórios foi realizada para a área sob a curva característica de operação do receptor (AUC). Odds ratios agrupados (ORs) para preditores que aparecem em pelo menos 3 estudos foram calculados. CRD420261372822.

O que encontraram

17 studies (50 prediction models, 40,864 patients) published between 2011 and 2026 were included. The AUC/C-statistics reported by the modeling groups ranged from 0.68 to 0.95, and those reported by the validation groups ranged from 0.654 to 0.893, only 1 model was validated on an external institutional dataset (AUC 0.654). The pooled AUC of the 17 optimal models was 0.81 (95% CI 0.77-0.85). Age (OR 1.031, 95% CI 1.016-1.046) and propofol dose (OR 1.357, 95% CI 1.046-1.667) were significant risk predictors. PROBAST assessment rated 15 studies (88.2%) as having high overall risk of bias and 2 studies (11.8%) as low risk; most concerns arose from the statistical analysis domain.

Trecho mantido em inglês: a tradução automática não passou na conferência de números.

Por que isso importa

Os modelos atuais de predição de IPH mostram boa capacidade discriminativa, mas a maioria tem alto risco de viés e falta de validação externa. Pesquisas futuras devem padronizar a definição de HIP, melhorar a seleção de preditores e realizar validação externa multicêntrica para facilitar a tradução clínica.