IM MÉDICO #48

CARDIOLOGÍA im MÉDICO | 48 44 que otras variables de esta categoría. En cuanto a las variables cronológicas, los días domingo y lunes, el invierno y un principio de añomás reciente fueron las quemayor asociaciónmostraron. Significado e interpretación Aunque el actual estudio presenta como principal limitación no haber tenido en cuenta la potencial variabilidad de las patolo- gías pre-existentes en la población examinada, es el primero en demostrar que es posible predecir la incidencia diaria del PCEH con la combinación de variables cronológicas y meteorológicas. Los estudios previos que habían examinado la asociación entre accidentes cardiovasculares y variables meteorológicas sólo in- cluyeron la temperatura ambienteo las estaciones del añoenuna ciudad o región, excluyendo, por tanto, la diversidad geográfica y el clima. En contraste, los datos ahora aportados abarcan 25 grados de latitud, rango en el que el clima en Japón varía desde templado hasta subtropical. El análisis de relaciones pone de manifiesto la relevancia de la temperatura ambiente; el aumento de la diferencia de la temperatura media con respecto del día anterior, unmayor rango de temperaturas en el mismo día y una mediade temperaturadel díapor encimaopor debajode25 º Cse asociaron amayor incidencia de PCEH. Se ha especulado que los cambios súbitos de temperatura en días de frío o calor extremos pueden contribuir al aumentodel riesgo, como consecuencia de cambios en el tono simpático o de las características reológicas de la sangre. Sin embargo, esta teoría no puede ser confirmada o refutadapor el actual estudio, yaquenoseconocecondetallequé proporción de los PCEH tuvieron lugar al aire libre. No obstante, si en el futuro esta información estuviera disponible, entonces podría servir para diseñar un método de prevención que advir- tiera tanto a las personas en riesgo como a los servicios sanitarios de emergencias, a través de dispositivos electrónicos. Aunque el modelo predictivo ha sido desarrollado sobre una resolución meteorológica de 30 km, podría ser también aplicado incluso a nivel de distrito en una ciudad, siendo generalizable los países desarrollados, muchos de los cuales se encuentran situados en latitudes similares a la del país del estudio. Así mismo, los méto- dos usados en el desarrollo de la predicción de PCEH podrían ser aplicados a otras patologías relacionadas que suponenun riesgo severo para la supervivencia. Con un cambio climático global en curso, el método de ML desarrollado puede ser muy útil en la predicción de riesgo. Se ha especulado que los cambios súbitos de temperatura en días de frío o calor extremos pueden con- tribuir al aumento del riesgo El Machine Learning (ML) surge como alternativa a los enfoques estadísticos uni- dimensionales convencionales Fuente Nakashima T, Ogata S, Noguchi T, Tahara Y, Onozuka D, Kato S, Yamagata Y, Kojima S, Iwami T, Sakamoto T, Nagao K, Nonogi H, Yasuda S, Iihara K, Neu- mar R, Nishimura K. Machine learning model for predicting out-of-hospital cardiac arrests usingmeteorological and chronological data. Heart. 2021May 17:heartjnl-2020-318726. doi: 10.1136/heartjnl-2020-318726. Epub aheadof print. PMID: 34001636.

RkJQdWJsaXNoZXIy NTI5ODA=