• Inicio
• Acerca de
• Números anteriores
• Noticias
• Estadísticas
• Números hasta el 2013

Revista Cubana de Medicina Intensiva y Emergencias. Vol. 17, núm. 1 (2018)

ARTÍCULO ORIGINAL DE INVESTIGACIÓN

Modelo pronóstico de mortalidad quirúrgica

Zaily Fuentes Díaz¹, Orlando Rodríguez Salazar², Ricardo Grau Ábalo³

Hospital Universitario Manuel Ascunce Domenech, Camagüey, Cuba.

Resumen

Introducción: la evaluación preoperatoria del paciente quirúrgico constituye un eslabón fundamental del juicio clínico.

Objetivo: implementar un modelo pronóstico de mortalidad quirúrgica.

Método: la elaboración del modelo se basó en la técnica de los árboles de decisión, enfatizó los posibles problemas combinatorios entre las variables. Entre las posibles técnicas de desglose se seleccionó Classification and Regression Trees (CRT). El modelo se determinó como la probabilidad de fallecer en cada nodo terminal del árbol. Se utilizó la curva de COR para la estimación de un umbral óptimo a partir del cual el modelo condujo a la predicción de fallecido. Se correlacionaron los resultados de la predicción con los datos de vivos y fallecidos reales, con los conglomerados y las dimensiones encontradas en la primera parte del procesamiento.

Resultados: se elaboró el modelo pronósticos de mortalidad quirúrgica a través del árbol de decisión.

Conclusiones: el modelo se aplicó en el Hospital Universitario Manuel Ascunce Domenech en Camagüey y en el Hospital Universitario Arnaldo Milián Castro en Villa Clara, aplicaciones que demostraron que actuó como alarma pronóstico de mortalidad perioperatoria desde la evaluación del preoperatorio del paciente propuesto para intervención quirúrgica.

Palabras clave: pronóstico; mortalidad; modelo; riesgo quirúrgico

Abstract

Background: the surgical patient's evaluation preoperatory constitutes a fundamental step in the clinical trial.

Objective: to implement the prognosis model of surgical mortality.

Method: the elaboration of the pattern was based on the technique of the trees of decision; it emphasized the combinations possible problems among the used variables. Among the possible breakdown techniques Classification and Regression Trees (CRT) was selected. The pattern was determined like the probability of die in each terminal node of the tree. The curve of COR was used for the estimate of a good threshold starting from which the pattern led to deceased's prediction. The results of the prediction were correlated with the data of alive and real deceased’s, with the conglomerates and the dimensions found in the first part of the prosecution.

Results: the pattern presage of surgical mortality was elaborated through the tree of decision.

Conclusions: the pattern was applied both at the University Hospital Manuel Ascunce Domenech in Camagüey and in the University Hospital Arnaldo Milián Castro in Villa Clara, applications that demonstrated it can be acted like alarm presage of preoperatory mortality from the preoperatory evaluation of the patients proposed for surgical intervention.

Key words: prognosis; mortality; model; surgical risk

Figura 1. Curva COR del modelo multidimensional según el árbol de decisión.

Tabla 3. Formas de cálculo del pronóstico y el modelo basado en las reglas simplificadas del árbol de decisión.

El modelo del árbol de decisión se mostró en la tabla 3, el pronóstico se determinó sí la probabilidad de fallecimiento es mayor al umbral 0,245, es interesante que de cada uno de los 13 nodos terminales surge una regla. Se le entregó al anestesiólogo el modelo con las 13 reglas, para la ubicación del paciente en correspondencia a la combinación de los factores de riesgo que se enunciaron en la regla. Se cumple la regla 1 en el caso clínico con probabilidad de mortalidad de 0,791, obsérvese que el pronóstico es fallecido porque 0,791 está por encima del umbral 0,245 para el árbol de decisión. En la consulta preoperatoria se cuantifican los riesgos a través del modelo pronósticos de mortalidad.

El anestesiólogo señala donde detecta el riesgo y se compara con el nivel umbral lo que permite la categorización del riesgo de los pacientes, con la determinación del pronóstico de mortalidad preoperatoria. Se es consecuente que los estimados de mortalidad a través de los modelos propuestos no son más que eso, estimados, por lo que la aplicación en anestesiología necesita del juicio clínico, de la integración objetiva y cuidadosa de los datos disponibles.

C. Contingencia del pronóstico basado en el árbol de decisión

En la tabla 4 se ratifica que los nueve fallecidos muestran riesgo y no hay entre estos falsos negativos. Sin embargo, con relación a los 91 pacientes vivos, 60 no mostraron riesgo, pero 31 sí lo reflejaron. Estos son los falsos positivos que constituyeron el éxito de la alarma preoperatoria pronóstico de mortalidad.

En la tabla 5 se corrobora que siete de los ocho fallecidos mostraron riesgo y el caso restante es un falso negativo. En cambio, de los 92 pacientes vivos, 56 no mostraron riesgo, pero 36 sí lo reflejaron. Estos son los falsos positivos que constituyeron el éxito de la alarma preoperatoria pronóstico de mortalidad.

Tabla 4. Contingencia del pronóstico del árbol de decisión con los fallecidos y vivos reales en la validación posterior en Camagüey.

Tabla 5. Contingencia del pronóstico del árbol de decisión con los fallecidos y vivos reales en la validación posterior en Santa Clara. 

Discusión

Mantel y Haenszel⁸ desarrollan en Epidemiología toda una teoría para el análisis de las interacciones, la búsqueda de modificadores de riesgo y de factores de confusión; en la que se elaboran un sinnúmero de tablas de contingencia en búsqueda de tales interacciones. Los árboles de decisión descritos, ayudan en la determinación de cuáles son los problemas combinatorios esenciales y al menos en teoría se contribuye al perfeccionamiento del desempeño de la regresión logística. Es en este sentido que se realiza la estimación del riesgo basada en la combinación de la regresión logística con el árbol de decisión.

El medio en que se desenvuelven los anestesiólogos es dinámico, los modelos multidimensionales pronósticos de mortalidad quirúrgica propuestos deben actualizarse con periodicidad, para que reflejen el cambio en la tecnología, las nuevas prácticas introducidas y los cambios de la población atendida. El modelo se aplicó en el Hospital Universitario Manuel Ascunce Domenech en Camagüey y el Hospital Universitario Arnaldo Milián Castro en Villa Clara, garantizó la determinación de un pronóstico acertado, además, constituyó un método sencillo para la comparación de los resultados con la media internacional.

Si se tiene en cuenta en la selección y desarrollo de una herramienta de medición que las culturas, los grupos, las personas evolucionan, se concuerda entonces, en que son diversos los factores que afectan la confiabilidad y la validez. Por ejemplo, la improvisación, el uso de instrumentos desarrollados en el extranjero, que no se validan en otros contextos diferentes en cultura y tiempo. La traducción del instrumento, aun cuando se adapten los términos al lenguaje y se contextualicen.

Hernández Sampier R⁹ puntualizó que un instrumento confiable pero no válido, es consistente en los resultados que produce pero no mide lo que pretende. Muchos son los ejemplos de herramientas que se utilizan en el preoperatorio que son validadas en otros contextos, no son empáticas al contenido en que se les utiliza y las condiciones en que se aplican no son las idóneas, por lo que surge la necesidad de la elaboración de las herramientas que respondan al contexto cubano del preoperatorio del paciente propuesto para intervención quirúrgica.

Para la identificación de los factores de riesgo clínico asociados al riesgo de mortalidad, se utiliza el modelo propuesto en la investigación. Una fortaleza importante del uso del modelo para este propósito es la determinación del pronóstico, si se tiene en cuenta, que el riesgo perioperatorio es multifactorial y que desde el preoperatorio se involucran las enfermedades subyacentes del paciente, la complejidad del trauma quirúrgico y el método anestésico, factores esenciales en los cambios perioperatorios de la homeostasia.

Referencias bibliográficas

1. Lubarsky D, Candiotti K. Giving anesthesiologists what they want: how to write a useful preoperative consult. Cleve Clin J Med [Internet]. 2009 Nov [citado 2014 Oct 23];76 Suppl. Disponible en: http://www.ccjm.org/content/76/Suppl_4/S32.long
2. Dávila Cabo de Villa E. Evaluación preoperatoria del paciente quirúrgico. En: Dávila Cabo de Villa E, Gómez Brito C, Álvarez Bárzaga M, Sainz Cabrera H, Navarrete Zuazo VM, Rodríguez Varela M, et al. Anestesiología Clínica. La Habana: Editorial Ciencias Médicas; 2006.p. 61-74.
3. Ministerio de Salud Pública. Prioridades y objetivos de trabajo. La Habana: MINSAP; 2013. p. 21.
4. Barbarash LS, Sumin AN, Barbarash OL, Ivanov SV. Pre-operative cardiac risk assessment and perioperative cardiac management in non-cardiac surgery. Kardiologiia. 2012; 52(5):77-87.
5. Miller RD.Anesthesia& Analgesia in the New Century.AnesthAnalg. 2015 Jan; 90(1):3.
6. Böhmer AB, Defosse J, Geldner G, Mertens E, Zwissler B, Wappler F. Preoperative risk evaluation of adult patients for elective, non cardiac surgical interventions. Results of an on-line survey on the status in Germany. Anaesthesist [Internet]. 2014 May [citado 2015 Oct 23];61(5). Disponible en:http://download.springer.com/static/pdf/159/art%253A10.1007%252Fs00101-012-2019-z.pdf?auth66=1404997323_36d878251b0dc56c3e7827f013a590de&ext=.pdf
7. Hurtado de Mendoza Fernández S, Méndez Romero DT. Sistema automatizado del método de consultas a expertos. CECOFIS [Internet]. 2012 Abr 10 [citado 2014 Oct]. Disponible en: http://www.cecofis.cu/articulo3.asp
8. Mantel N, Haenszel W. Statistical aspects of the analysis of data from retrospective studies of disease. J Natl Cancer Inst. 1959 Apr;22(4):719-48.
9. Recolección de los datos. En: Hernández Sampier R. Metodología de la Investigación. La Habana: Editorial Félix Varela; 2003.p.243-336.

Los autores declaran no conflicto de interés y que participaron de manera equitativa en la preparación y presentación del manuscrito.

• Recibido: agosto de 2017
• Aprobado: octubre de 2017
• Publicado: Vol. 17, núm. 1 (2018): enero-marzo

Correspondencia: Zaily Fuentes Díaz. Servicio de Anestesiología y Reanimación. Hospital Universitario Manuel Ascunce Domenech, Camagüey, Cuba. E-mail: zaily@hmp.cmw.sld.cu

Enlaces refback

• No hay ningún enlace refback.

• Inicio
• Acerca de
• Noticias
• Números anteriores
• Estadísticas
• Números hasta el 2013