Melero Guijarro Laura, Martín-Rodríguez Francisco, Jesús Álvarez Manzanares, Carlos del Pozo Vegas, Ancor Sanz García, M. C. Castro Villamor, Raúl López-Izquierdo
{"title":"Long-term risk of death in patients with infection attended by prehospital emergency services","authors":"Melero Guijarro Laura, Martín-Rodríguez Francisco, Jesús Álvarez Manzanares, Carlos del Pozo Vegas, Ancor Sanz García, M. C. Castro Villamor, Raúl López-Izquierdo","doi":"10.55633/s3me/023.2023","DOIUrl":null,"url":null,"abstract":"Objetivos. Diseñar y validar un modelo de riesgo con variables determinadas a nivel prehospitalario para predecir el riesgo de mortalidad a largo plazo (1 año) en pacientes con infección. Métodos. Estudio multicéntrico, observacional prospectivo, sin intervención, en pacientes adultos con sospecha infección atendidos por unidades de soporte vital avanzado y trasladados a 4 hospitales españoles entre el 1 de junio de 2020 y el 30 de junio de 2022. Se recogieron variables demográficas, fisiológicas, clínicas y analíticas. Se construyó y validó un modelo de riesgo para la mortalidad a un año usando una regresión de Cox. Resultados. Se incluyeron 410 pacientes, con una tasa de mortalidad acumulada al año del 49%. La tasa de diagnóstico de sepsis (infección e incremento sobre el SOFA basal $ 2 puntos) fue del 29,2% en supervivientes frente a un 56,7% en no supervivientes. El modelo predictivo obtuvo un área bajo la curva de la característica operativa del receptor para la mortalidad a un año fue de 0,89, e incluyó: edad, institucionalización, índice de comorbilidad de Charlson ajustado por edad, presión parcial de dióxido de carbono, potasio, lactato, nitrógeno ureico en sangre, creatinina, saturación en relación con fracción inspirada de oxígeno y diagnóstico de sepsis. Conclusiones. El modelo desarrollado con variables epidemiológicas, analíticas y clínicas mostró una excelente capacidad predictiva, y permitió identificar desde el primer contacto del paciente con el sistema sanitario, a modo de evento centinela, casos de alto riesgo","PeriodicalId":507695,"journal":{"name":"Emergencias","volume":null,"pages":null},"PeriodicalIF":0.0000,"publicationDate":"2023-12-28","publicationTypes":"Journal Article","fieldsOfStudy":null,"isOpenAccess":false,"openAccessPdf":"","citationCount":"0","resultStr":null,"platform":"Semanticscholar","paperid":null,"PeriodicalName":"Emergencias","FirstCategoryId":"1085","ListUrlMain":"https://doi.org/10.55633/s3me/023.2023","RegionNum":0,"RegionCategory":null,"ArticlePicture":[],"TitleCN":null,"AbstractTextCN":null,"PMCID":null,"EPubDate":"","PubModel":"","JCR":"","JCRName":"","Score":null,"Total":0}
引用次数: 0
Abstract
Objetivos. Diseñar y validar un modelo de riesgo con variables determinadas a nivel prehospitalario para predecir el riesgo de mortalidad a largo plazo (1 año) en pacientes con infección. Métodos. Estudio multicéntrico, observacional prospectivo, sin intervención, en pacientes adultos con sospecha infección atendidos por unidades de soporte vital avanzado y trasladados a 4 hospitales españoles entre el 1 de junio de 2020 y el 30 de junio de 2022. Se recogieron variables demográficas, fisiológicas, clínicas y analíticas. Se construyó y validó un modelo de riesgo para la mortalidad a un año usando una regresión de Cox. Resultados. Se incluyeron 410 pacientes, con una tasa de mortalidad acumulada al año del 49%. La tasa de diagnóstico de sepsis (infección e incremento sobre el SOFA basal $ 2 puntos) fue del 29,2% en supervivientes frente a un 56,7% en no supervivientes. El modelo predictivo obtuvo un área bajo la curva de la característica operativa del receptor para la mortalidad a un año fue de 0,89, e incluyó: edad, institucionalización, índice de comorbilidad de Charlson ajustado por edad, presión parcial de dióxido de carbono, potasio, lactato, nitrógeno ureico en sangre, creatinina, saturación en relación con fracción inspirada de oxígeno y diagnóstico de sepsis. Conclusiones. El modelo desarrollado con variables epidemiológicas, analíticas y clínicas mostró una excelente capacidad predictiva, y permitió identificar desde el primer contacto del paciente con el sistema sanitario, a modo de evento centinela, casos de alto riesgo