Espacios Colaborativos del Imserso
Blog del Ceadac

Esta semana os recomendamos el libro The Brain Injury Rehabilitation Workbook. Autores Rachel Winson, Barbara A. Wilson, Andrew Bateman. Publicación The Guilford Press, 1ª edición, 2017. Sinopsis Repleto de herramientas prácticas y ejemplos, este libro de trabajo de vanguardia ofrece un marco holístico para apoyar a personas con daño cerebral adquirido. Se guía a los profesionales clínicos para establecer y alcanzar objetivos de tratamiento colaborativos basados en una comprensión compartida de las fortalezas y necesidades de los pacientes y sus familiares. Se describen estrategias efectivas para desarrollar habilidades y enseñar estrategias compensatorias en áreas como la atención, la memoria, las funciones ejecutivas, el estado de ánimo y la comunicación. Se presta especial atención a facilitar el complejo proceso de cambio de identidad tras una lesión que altera la vida. Más información: La biblioteca del Ceadac cuenta con un ejemplar disponible para préstamo. Para más información o dudas sobre la biblioteca: centro.recursos.ceadac@imserso.es Normativa biblioteca (3,5 MB)

Hoy en el blog compartimos el estudio Machine Learning-Based Model for Prediction of Early Post-Stroke Fatigue in Patients With Stroke: A Longitudinal Study publicado en la revista Neurorehabilitation and Neural Repair. Introducción La fatiga posterior a un ictus, como uno de los síntomas físicos y mentales duraderos que acompañan a los supervivientes de un ictus, afectará gravemente la vida diaria y la calidad de vida de las personas que lo han sufrido. El objetivo de este estudio fue desarrollar algoritmos de aprendizaje automático (ML) para predecir la fatiga temprana posterior al ictus. Metodología Estudio longitudinal de 702 pacientes con ictus, con seguimiento de 3 meses. Se obtuvieron veintitrés características clínicas de las historias clínicas y cuestionarios antes del alta. La fatiga temprana tras un ictus se evaluó mediante la Escala de Gravedad de la Fatiga. El conjunto de datos se dividió aleatoriamente en un grupo de entrenamiento (70%) y un grupo de validación interna (30%), se aplicó sobremuestreo, validación cruzada de 10 veces y búsqueda en cuadrícula para optimizar el hiperparámetro. La selección de características se realizó mediante la regresión LASSO (Operador de Selección y Contracción Absoluta Mínima). Se aplicaron dieciséis algoritmos de aprendizaje automático (ML) para predecir la fatiga temprana tras un ictus en este estudio. La exactitud, la precisión, la recuperación, la puntuación F⁻ , el área bajo la curva característica operativa del receptor (AUC) y la puntuación Brier se utilizaron para evaluar el rendimiento de los modelos. Resultados Entre los 16 algoritmos de aprendizaje automático (ML), el modelo Bagging fue el óptimo para predecir la fatiga temprana post-ictus. La selección de características basada en LASSO reveló que los factores de riesgo para la fatiga temprana post-ictus en pacientes con ictus incluían ansiedad, sueño, apoyo social, cuidado familiar, dolor, depresión, trastorno neurofuncional, abstinencia/abandono de alcohol, función del equilibrio, tipo de ictus, sexo, cardiopatía, tabaquismo y hemiplejía. Conclusiones En este estudio, el modelo Bagging demostró ser eficaz para predecir la fatiga temprana posterior al accidente cerebrovascular. Fuente Wu, Y., Zhou, D., Fornah, L., Liu, J., Zhao, J., and Wu, S. (2025). Machine Learning-Based Model for Prediction of Early Post-Stroke Fatigue in Patients With Stroke: A Longitudinal Study. Neurorehabilitation and Neural Repair. DOI: 10.1177/15459683251329893. Puede solicitar el artículo completo al centro de recursos a través del correo centro.recursos.ceadac@imserso.es

Resumen La fatiga es un síndrome multidimensional, complejo y frecuente en los pacientes con daño cerebral sobrevenido, influyendo negativamente en el proceso de neurorrehabilitación. Aparece desde etapas tempranas luego de la lesión y puede permanecer en el tiempo, recuperadas o no las secuelas del daño. La fatiga depende de circuitos neuronales superiores y se define como una percepción anómala de sobreesfuerzo. Tiene una prevalencia de 29% a 77% tras el ictus, 18% a 75% tras el traumatismo craneoencefálico (TCE) y 47% a 97% tras tumores cerebrales. La fatiga se asocia a factores como sexo femenino, edad avanzada, familia disfuncional, antecedentes patológicos específicos, estado funcional (p. ej. fatiga previa a la lesión), comorbilidades, estado anímico, discapacidad secundaria y uso de ciertos fármacos. Su estudio se realiza sobre todo a partir de escalas como la Escala de severidad de fatiga (Fatigue Severity Scale). Hoy en día existen avances en herramientas de imagen para su diagnóstico como la resonancia magnética funcional. En cuanto a su tratamiento, no existe aún terapia farmacológica definitiva, sin embargo, existen resultados positivos con terapias dentro de la neurorrehabilitación convencional, terapia lumínica y el uso del neurofeedback, estimulación eléctrica y magnética transcraneal. Objetivo Esta revisión tiene como objetivo ayudar al profesional dedicado a la neurorrehabilitación a reconocer factores asociados modificables, así como terapias a su alcance para disminuir sus efectos nocivos en el paciente. Fuente Juárez-Belaúnde, A et al. La fatiga en el daño cerebral sobrevenido. Revista Neurología. Vol. 39 (2) p. 178-189. Descarga el artículo completo en el siguiente enlace o solicítalo al centro de recursos a través del correo centro.recursos.ceadac@imserso.es