Autores
J.M. Gonzalez Gonzalez, M.M. Matute Nuñez, M.E. Solis Servan, M.M. Congregado Gonzalez, D. Andrades Sardiña, A.I. Blanco Orozco
Introducción
A pesar de existir múltiples modelos predictivos de fuga aérea persistente (FAP), aún no contamos con uno con un uso extendido en la práctica clínica. Revisar la calidad de su desarrollo podría ayudar en la creación de mejores modelos. El objetivo de este estudio fue evaluar el riesgo de sesgo de los modelos predictivos publicados hasta ahora.
Metodología
Se realizó una revisión sistemática siguiendo los métodos Cochrane hasta noviembre de 2025 en Medline, EMBASE, Scopus y Google Scholar. Se incluyeron estudios que desarrollaran o validaran modelos de predicción de FAP tras una cirugía de resección pulmonar. Se siguieron las guías PRISMA para presentar los resultados. El riesgo de sesgo se evaluó mediante la herramienta Prediction model Risk Of Bias ASsessment Tool (PROBAST).
Resultados
De 2916 estudios encontrados, 123 se revisaron a texto completo y 24 se incluyeron. La mayoría desarrollaron modelos de regresión logística con unos pocos cientos de pacientes, salvo dos con más de 50.000 pacientes. Sólo tres validaron modelos previos. El riesgo de sesgo fue alto en todos los artículos salvo en dos: uno en el que se desarrolló el modelo IPAL y otro en el que se hizo la validación externa de los modelos Chicago, Bordeaux, Leeds y Pittsburgh. Las dimensiones con mayor riesgo alto de sesgo fueron participantes y análisis. El uso de bases de datos retrospectivas y la exclusión de pacientes con alto o bajo riesgo de FAP fueron los principales motivos para calificar de alto riesgo de sesgo la dimensión de participantes. Un bajo número de pacientes con FAP, la selección de predictores mediante análisis univariado, y la falta de un manejo apropiado de valores perdidos fueron las razones que con más frecuencia ocasionaron una calificación de alto riesgo de sesgo en el análisis. También se encontraron estudios con análisis incompletos del rendimiento del modelo. El uso de definiciones inadecuadas de FAP, así como de su medición, aunque infrecuentes, también llevaron a la calificación de alto riesgo de sesgo a otros estudios.
Conclusiones
Se han desarrollado muchos modelos mediante estudios con alto riesgo de sesgo sin conseguir mejorar el rendimiento predictivo de los desarrollados con la base de datos de la ESTS, Epithor o de la STS. Futuros estudios que intenten superar las limitaciones de los previos deberían utilizar bases de datos prospectivas, con un suficiente número de pacientes con FAP y utilizar métodos robustos para el desarrollo de modelos predictivos.
