Objetivos: La fibrilación auricular paroxística (FAP) puede identificarse en el 15-20% de los ictus criptogénicos (IC) mediante monitorización cardíaca prolongada. Lamentablemente este recurso no siempre está disponible, por lo que definir perfiles de riesgo puede optimizar la selección de pacientes a monitorizar. Este estudio busca desarrollar y validar modelos predictivos para mejorar la detección de FAP tras un IC.

Material y métodos: Estudio prospectivo multicéntrico en pacientes con IC sometidos a monitorización cardíaca 4 semanas. Se analizan variables clínicas y demográficas para identificar predictores de FAP mediante análisis univariantes y multivariantes. Se construyeron un nomograma basado en regresión logística y un algoritmo de árbol de decisión utilizando aprendizaje automático. La eficacia de los modelos se evaluó mediante área bajo la curva (AUC), sensibilidad, especificidad, valores predictivos y análisis de curva de decisión (ACD).

Resultados: 381 pacientes incluidos; en 34 (8,9%) se detectó FAP. La edad, la oclusión de gran vaso (OGV) y una señal positiva en Apoplex 2h fueron predictores independientes. El árbol de decisión (Apoplex 2h, NT-proBN > 194,56 pg/ml y edad) mostró alta especificidad (99,14%) y valor predictivo positivo (76,92%). El nomograma, con edad, sexo, Apoplex 2h y OGV presentó alta sensibilidad (87,88%) y valor predictivo negativo (98,28%). El modelo combinado alcanzó el mayor AUC (0,826), con buen equilibrio entre sensibilidad (81,82%) y especificidad (71,18%).

Conclusión: La combinación de datos clínicos, bioquímicos y ECG mejora la estratificación del riesgo de FAP. Este modelo combinado optimiza la monitorización cardíaca, mejora la detección temprana de la FA y por tanto las estrategias secundarias de prevención del ictus.