Predicción mediante aprendizaje automático del destino al alta en pacientes con enfermedad de Parkinson; un estudio de cohorte a nivel nacional

Por qué importa el alta hospitalaria para las personas con Parkinson

Para las familias que conviven con la enfermedad de Parkinson, una estancia hospitalaria suele plantear una pregunta inquietante: ¿podrá su ser querido volver a casa, necesitará trasladarse a una residencia o afrontará complicaciones que amenacen su vida? Este estudio utiliza herramientas informáticas modernas para estimar esas probabilidades de forma temprana durante la hospitalización, ofreciendo a médicos, pacientes y cuidadores más tiempo para planificar lo que viene después.

Observando hospitales a nivel nacional

Los investigadores analizaron registros de una amplia base de datos hospitalaria de Estados Unidos que captura aproximadamente una cuarta parte de todas las admisiones en el país. Se centraron en más de 280.000 personas de 50 años o más hospitalizadas con enfermedad de Parkinson entre finales de 2017 y mediados de 2023. Para cada persona consideraron solo la primera estancia hospitalaria en ese periodo y agruparon los resultados finales en tres categorías sencillas: volver a casa, trasladarse a algún tipo de residencia o fallecer en el hospital. Casi la mitad de los pacientes volvió a casa, casi la misma proporción se trasladó a una institución y alrededor de uno de cada catorce murió antes del alta.

Patrones sobre quién vuelve a casa y quién no

Las personas cuyo destino fue una residencia tendían a ser mayores y más frágiles desde el punto de vista médico que las que volvieron a casa. Con mayor frecuencia presentaban demencia, problemas para tragar, neumonía por aspiración o una fractura o caída reciente. También era más probable que no estuvieran casadas y que hubieran ingresado al hospital procedentes de otra institución sanitaria, no directamente desde su domicilio. Sus estancias hospitalarias fueron más largas y recibieron más terapia de rehabilitación. Los pacientes que fallecieron en el hospital mostraron las tasas más altas de demencia e infección pulmonar grave, lo que subraya cómo la enfermedad avanzada y las complicaciones influyen en estos desenlaces.

Enseñando a los ordenadores a reconocer el riesgo

Para convertir estos patrones en herramientas prácticas, el equipo entrenó modelos de aprendizaje automático, un tipo de programa informático que aprende de los datos, para predecir cada uno de los tres resultados al alta. Utilizando la mayor parte de las admisiones para entrenar los modelos y el resto para evaluarlos, los programas alcanzaron una buena precisión para las tres categorías. Por ejemplo, el modelo que predice quién volvería a casa separó correctamente las altas a domicilio de otros desenlaces en aproximadamente tres cuartos de los casos. Un modelo similar para los traslados a una residencia tuvo un rendimiento comparable, y el modelo que predijo la muerte hospitalaria funcionó ligeramente mejor. Estos modelos se verificaron en distintos periodos temporales y con ligeras variaciones en la agrupación de tipos de seguro, y su rendimiento se mantuvo, lo que sugiere que son razonablemente estables.

Una puntuación simple junto a la cama para el riesgo de ingreso en residencia

Dado que médicos y enfermeras necesitan herramientas que puedan comprender rápidamente, los investigadores también elaboraron una puntuación de riesgo más simple y transparente centrada en predecir el alta a una residencia. Esta puntuación usó siete características fáciles de reconocer: antecedente de fractura, demencia, llegada como transferencia desde otra institución, antecedentes de caídas, tipo de seguro, estado civil y la región del país donde se encuentra el hospital. Cada factor suma o resta puntos, y la puntuación total sitúa a los pacientes en grupos de riesgo bajo, medio o alto. En este estudio, las personas en el grupo de bajo riesgo tenían aproximadamente un cuarenta por ciento de probabilidad de ser dadas de alta a una residencia, mientras que las del grupo de alto riesgo tenían casi tres de cada cuatro probabilidades.

Qué significa esto para pacientes y familias

Estas herramientas no deciden a dónde debe ir una persona tras una estancia hospitalaria, pero pueden actuar como una luz de aviso temprana. Al identificar a pacientes con Parkinson con mayor probabilidad de necesitar apoyo intensivo o de afrontar complicaciones graves, los modelos y la escala de siete ítems pueden impulsar conversaciones anticipadas sobre rehabilitación, ayuda domiciliaria o cuidados a largo plazo. Usados junto con el juicio clínico y las preferencias familiares, estos enfoques basados en datos pueden ayudar a los hospitales a organizar planes de alta más seguros y personalizados y a asignar mejor los recursos de atención limitados a quienes más los necesitan.

Cita: Kamo, H., Mehta, T.R., Remz, M. et al. Machine learning prediction of discharge destination in patients with Parkinson’s disease; a nationwide cohort study. npj Parkinsons Dis. 12, 120 (2026). https://doi.org/10.1038/s41531-026-01309-8

Palabras clave: Enfermedad de Parkinson, alta hospitalaria, aprendizaje automático, predicción de riesgo, atención postaguda