Modelos de predicción diagnóstica de resistencia antimicrobiana para orientar la selección de la terapia antibiótica empírica en pacientes con infección sintomática de tracto urinario adquirida en la comunidad : revisión sistemática de la literatura

Introducción: El uso excesivo de antibióticos de amplio espectro es una causa clave de resistencia antimicrobiana (RAM), asociada a alta morbilidad, mortalidad y costos sanitarios. Los modelos de predicción de RAM, basados en características clínicas del paciente, pueden guiar la terapia empírica y reducir el uso inapropiado de antibióticos. Esta revisión sistemática evaluó modelos de predicción de RAM en pacientes con Infección del Tracto Urinario Sintomática Adquirida en la Comunidad (ISTU-C), analizando calidad del reporte, validez metodológica, predictores, modelos desarrollados y desempeño. Metodología: Se realizó una revisión sistemática siguiendo los lineamientos de PRISMA, CHARMS y TRIPOD-SRMA. Se incluyeron estudios de desarrollo y/o validación de modelos de predicción de RAM en ISTU-C. Se consultaron ocho bases de datos electrónicas (PubMed, ScienceDirect, Embase, Cochrane, entre otras), literatura gris y referencias de estudios. Dos investigadores realizaron selección, extracción y evaluación de calidad mediante TRIPOD y PROBAST. Resultados: De 1089 artículos, se incluyeron 23 estudios. Los desenlaces más comunes fueron BLEE (17.39%), microorganismos multidrogoresistentes (21.74%) y resistencia a betalactámicos, quinolonas, nitrofuranos e inhibidores de folato (47.82%). Los predictores más frecuentes fueron características demográficas (100%), exposición antibiótica (91.30%), comorbilidades (82.60%) y hospitalización previa (72.26%). El 65.22% usó estadística tradicional y 34.78% inteligencia artificial. El 56.52% no reportó manejo de datos faltantes. A pesar de que algunos alcanzaron un desempeño prometedor (AUC-ROC > 0.80), la mayoría se limitaron a validaciones internas. Solo nueve estudios realizaron validación externa. Conclusiones: Aunque prometedores, los modelos enfrentan limitaciones metodológicas. Mejorar la calidad del reporte, estandarizar definiciones de desenlaces y predictores, y validar externamente en poblaciones diversas es clave para su implementación clínica efectiva.

• Autores: Morales Chaverra, Juan Pablo
• Fecha de publicación: 2025
• Institución: Universidad de Antioquia
• Repositorio: Repositorio UdeA
• Idioma: spa
• OAI Identifier: oai:bibliotecadigital.udea.edu.co:10495/46125
• Acceso en línea: https://hdl.handle.net/10495/46125
• Palabra clave: Farmacorresistencia microbiana; Drug resistance, microbial; Infecciones urinarias; Urinary tract infections; Infecciones comunitarias adquiridas; Community-acquired infections; Métodos de predicción automáticos; Prediction methods, machine; Programas de optimización del uso de los antimicrobianos; Antimicrobial stewardship; Revisión sistemática; Systematic review; Terapia antibiótica empírica; https://id.nlm.nih.gov/mesh/D004352; https://id.nlm.nih.gov/mesh/D014552; https://id.nlm.nih.gov/mesh/D017714; https://id.nlm.nih.gov/mesh/D000098411; https://id.nlm.nih.gov/mesh/D000073602; https://id.nlm.nih.gov/mesh/D000078182; ODS 3: Salud y bienestar. Garantizar una vida sana y promover el bienestar de todos a todas las edades
• Rights: openAccess
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/