Introducción: Las enfermedades cardiovasculares (ECV) representan la principal causa de mortalidad en todo el mundo. En Argentina las ECV en el año 2.011 produjeron la muerte de 18.625 varones (29% del total de muertes) y 7.950 mujeres  23%) entre 30 y 69 años. Además del impacto sobre la mortalidad, ocasionan discapacidad representando un verdadero  roblema de salud pública. Por este motivo, la predicción de eventos ha sido la piedra angular de la epidemiología cardiovascular, actualmente las técnicas de inteligencia artificial prometen realizar importantes aportes en esta dirección.

Objetivos: En este contexto, el presente trabajo pretende determinar la mortalidad global, la mortalidad por causas cardiológicas y no cardiológicas de los pacientes internados en UCO.

Materiales y Métodos: Para ello se llevó a cabo un estudio de corte transversal analítico, basado en los registros asistenciales de los pacientes ingresados consecutivamente en la UCO de la Clínica Zabala, en el periodo comprendido entre el 23 de abril del año 2.014 y el 30 de abril del año 2.017. Se incluyeron en total 1.282 pacientes. Para el análisis de los datos obtenidos se utilizaron tanto técnicas de estadística tradicional como de inteligencia artificial.

Resultados: Dentro de los resultados llamó la atención el elevado porcentaje de mujeres incluidas y la mediana de edad que fue de 75 años. La mortalidad global fue de 5,9% (n=75, IC95% 4,6-7,1%). En las mujeres de 4,6% (n=28, IC95% 2,9-6,2%) y en los varones del 7% (n=47, IC95% 5,1-9%). El 3,2% (n=41, IC95% 2,2-4,2%) de las muertes se debió a causas cardiológicas y el 2,65% restante a causas no cardiológicas. La cardiopatía isquémica fue la principal patología cardíaca entre los pacientes fallecidos. La mortalidad fue mayor entre aquellos sometidos a procedimientos hemodinámicos tanto diagnósticos como terapéuticos. La edad fue el factor que mayor asociación presentó tanto con la mortalidad global como por causas cardiológicas. Comparando el análisis de sensibilidad entre RF, GBM y RLM, se observó una importante superposición de los IC95%, no resultando ningún modelo mejor predictor que otro, aspecto que podría llegar a mejorarse con el aumento del número de pacientes incluidos.

Conclusión: Consideramos que, el presente trabajo aporta información de utilidad para el conocimiento de dicha problemática a nivel local y que abre camino para el desarrollo de investigaciones futuras.

Palabras clave del autor: Mortalidad global; Mortalidad cardíaca; Unidad Coronaria; Inteligencia Artificial.