SciELO - Scientific Electronic Library Online

 
vol.32 número2Tratamiento del dedo en resorte con laserpunturaSíndrome de Guillain Barré índice de autoresíndice de materiabúsqueda de artículos
Home Pagelista alfabética de revistas  

Servicios Personalizados

Revista

Articulo

Indicadores

  • No hay articulos citadosCitado por SciELO

Links relacionados

  • No hay articulos similaresSimilares en SciELO

Compartir


Revista Cubana de Medicina Militar

versión impresa ISSN 0138-6557versión On-line ISSN 1561-3046

Rev Cub Med Mil v.8 n.2 Ciudad de la Habana abr.-jun. 2003

 

Hospital Militar Central “Dr. Luis Díaz Soto”

Validación del sistema predictivo Apache II en un grupo de pacientes ingresados en la Unidad de Cuidados Intensivos

Dr. Armando Padrón Sánchez1 Dr. Jorge Luis Ayala Pérez1 Dr. Mario Santiago Puga Torres1 My. Tammy Alonso Díaz2 Cap. Tania Salazar González2 y Tte. Navio Andrés Quiñones Zamora3

Resumen

Los modelos predictivos se han convertido en una herramienta eficaz siempre que prime el sentido común y la experiencia en su uso. Se realizó un estudio prospectivo longitudinal de tipo cohorte e inferencial en la Unidad de Cuidados Intensivos de adultos del Hospital Militar Central “Dr. Luis Díaz Soto”. Las variables objeto de estudio son las comprendidas en el Sistema de Evaluación del Estado Fisiológico Agudo y Crónico (APACHE II), calculándose su valor, razón de predicción-muerte y la razón de predicción-muerte ajustada, tanto a las 24 como a las 48 h. La calibración fue comparada utilizando los estadísticos chi cuadrado, y la discriminación comparando el área bajo la curva de probabilidad (ROC). Valores superiores a 30 puntos demostraron más del 80 % de probabilidad de muerte; la cifra de 40 puntos o más fue 100 % fatal en el estudio; el sistema APACHE II demostró mejor calibración y discriminación a las 24 h que a las 48 h (p<0,05).

DeCS: PREDICCION/métodos; APACHE; CUIDADOS INTENSIVOS; ESTUDIOS PROSPECTIVOS.

Los modelos predictivos se han convertido en una herramienta eficaz, siempre que prime el sentido común y la experiencia en su uso, para el médico dedicado al cuidado del enfermo crítico, respaldo de acciones éticas y legales, han sido elementos importantes a tener en cuenta a la hora de privar de una terapéutica o proceder a algún enfermo. Como sucede con todas las decisiones que tienen un impacto sobre los cuidados del paciente, el director-médico debe ponderarse del conjunto de conocimientos médicos disponibles, los deseos de los pacientes, familiares y médicos, y la probabilidad de que los cuidados intensivos beneficien al paciente o no. A veces estas decisiones incluirán solo un juicio médico; otras veces, la elección reflejará una perspectiva ética, legal o filosófica.1-5

En muchos servicios, el número de cama en las unidades de cuidados intensivas (UCI) al paciente crítico es limitado, y con suma frecuencia los pacientes que llegan con diversos grados de morbilidad se comparan para determinar cuales se pueden tratar mejor en estas salas. Todas las escalas predictivas de uso en cuidados intensivos no son más que sistemas de valores numéricos para describir la posible evolución de la enfermedad del paciente.6-8 El primer modelo que sobrevivió a la crítica y vio la luz de la publicación médica fue el propuesto por William Knaus1 en 1981, que consistió en un conjunto de modelos a los cuales se le denominó de forma genérica Acute Physiology and Chronic Health Evaluation conocido por las siglas de APACHE, el cual viene siendo diseñado y actualizado por Knaus y otros desde finales de la década de los 70.

Métodos

Se realizó un estudio prospectivo longitudinal de tipo cohorte e inferencial en la UCI de adultos del Hospital Militar Central “Dr. Luis Díaz Soto”.

Para la selección de la muestra se utilizó los criterios siguientes:

Criterios de inclusión: a)Todo paciente que ingrese en el servicio de la UCI Polivalente. b)Síndrome coronario agudo con clasificación de Killip y Kimball III-IV o reanimación cardiopulmonar exitosa.

Para el cálculo de la muestra se estimó la aproximación del resultado de la media de los ingresos mensuales en la UCI (que no sean por causa coronaria aguda) y se multiplicó por el tiempo que durará la recolecta de los datos que es aproximadamente 5 meses mediante la fórmula siguiente: N = (Z-N1) x t, donde N es el valor de la muestra estimada, Z el número de casos que ingresan mensualmente, N1 el número de casos con diagnóstico de síndrome coronario agudo y t el tiempo que duró la fase investigativa.

Los cálculos ofrecieron un tamaño muestral de 116 pacientes. Las variables objeto de estudio son las comprendidas por el sistema APACHE II que cuenta con 12 y un número de 6 restantes que se escogieron según el criterio y experiencia del tutor y demás profesores, lo que constituyen 18 variables en el estudio. Se confeccionó una planilla individual para cada caso donde se recogieron los datos, la cual fue llenada y recolectada por el autor y el tutor. La recolección de los datos se efectuó a las 24 y 48 h de ingreso en UCI de adultos, para su comparación. A cada paciente que se escogió para el estudio se le llenó la planilla a las 24 y 48 h, calculándose el valor del APACHE II, la razón de predicción muerte y la razón de predicción-muerte ajustada por diagnóstico al ingreso, según los coeficientes de ajuste calculados por Knaus y otros para el APACHE II. Se confeccionó una base de datos con el paquete estadístico computadorizado SPSS y se utilizó el cálculo de la media y la desviación así como el estadígrafo t de Student, y la regresión lineal. Se empleo el 95 % de confianza para el estudio de las relaciones entre las variables. Dado que no existe una única medida estándar para describir la bondad del ajuste o capacidad predictiva de estos modelos de regresión logística,9-10 la calibración fue comparada utilizando los estadísticos X2 propuestos por Lemeshow y Hosmer9, y la discriminación comparando el área bajo la curva ROC (características operativas del receptor) de cada modelo. Las probabilidades individuales de mortalidad obtenidas por los 2 modelos fueron ordenadas según valores crecientes y agrupadas en estratos (en este estudio se adoptaron 10 estratos) con un número similar de pacientes en cada una. El número de fallecimientos esperados en cada estrato corresponde a la suma de las probabilidades individuales de muertes en los pacientes en dicho estrato. El número de supervivientes esperados se calcula por diferencia. Para la comparación de los resultados entre las 24 y 48 h se optó por la comparación del valor más alto del coeficiente de significación p. Fueron comparadas la sensibilidad, especificidad y cociente de clasificación correcta total (CCT) de los distintos índices predictivos. Se comparó la calibración y la discriminación de la predicción del modelo APACHE II a las 24 y 48 h de ingreso en la UCI.

Resultados

Se estudiaron 116 pacientes críticos, 73 hombres y 43 mujeres. La edad promedio en la muestra estudiada fue de 56,45 años con un mínimo de 19 años y un máximo de 90 años, la desviación estándar (DE) de 17,71 años. Los antecedentes patológicos personales fueron, hipertensión arterial 60,45 %, cardiopatía isquémica 26,02 %, diabetes mellitus 5,48 %, enfermedad pulmonar obstructiva crónica 4,24 %, insuficiencia renal crónica 1,16 % y otras 2,65 %. El 4,12 % de los encuestados recibió maniobras de reanimación cardiopulmonar antes de ser admitidos en la UCI. Los padecimientos crónicos resultaron la hipertensión arterial en primer lugar, que aumenta su frecuencia en muestras de enfermos críticos, igual ocurre con la cardiopatía isquémica, la diabetes mellitus y demás enfermedades crónicas. Al utilizar una prueba t para el análisis univariado mostró relaciones significativas (p < 0,05) entre la muerte y las variables: la edad, la frecuencia cardiaca, la tensión arterial media, la PO2, la hemoglobina, la glicemia, la creatinina, el nivel de Glasgow y la puntuación de APACHE II.

La prueba de chi cuadrado mostró una alta significación (p < 0,001) entre el fallecimiento y la condición de haber recibido reanimación cardiopulmonar antes de su admisión en UCI. La distribución de la puntuación de APACHE II en la muestra se observa en la figura 1. Para determinar la relación entre la puntuación de APACHE II con respecto a las variables: edad y mortalidad, se realizó un modelo gráfico de regresión lineal (figs. 2 y 3) donde se puede observar una dependencia con evidente proporcionalidad directa entre la edad, mortalidad y la puntuación de APACHE II. La figura 2 pilotea un modelo de regresión entre la edad y la puntuación del APACHE II; se demuestra que a medida que la edad avanza la puntuación del modelo se eleva. Al distribuir la muestra usando el modelo del APACHE II y calculando la razón de predicción de muerte se observó que valores entre 30 y 35 puntos tenían el 80 % de probabilidad de fallecimiento y aumentaba hasta el 90 % cuando alcanzaba los 40 puntos, valores superiores fueron 100 % fatales. En el estudio aproximadamente el 60 % de la muestra demostró valores de APACHE inferiores a 30 puntos.

FIG. 1. Distribución de la muestra según puntuación de APACHE II.

FIG. 2. Modelo de regresión (APACHE vs. edad) n= 116.

FIG. 3. Modelo de regresión (supervivencia vs APACHE II).

Discusión

Los primeros estudios diseñados para la validación de modelos predictivos comenzaron en la década de los 80. Lemeshow y Hosmer10 publicaron varios estudios sobre los modelos más empleados en aquel tiempo y resultó que tenían similares comportamientos en cuanto a calibración y discriminación. Schafer y otros,11 en 1990, compararon la capacidad predicitiva del modelo APACHE II con las versiones iniciales del Simplified Acute Physiology Score (SAPS I) y las del Mortality Probability Models (MPM) al ingreso, y obtuvieron resultados similares a los de Lemeshow12-16 años antes. En el presente estudio se escogió el modelo APACHE II por su poder predictivo demostrado y así obtener una validación a pesar del tamaño muestral que resulto ser pequeño en comparación con otras investigaciones.

Con respecto al precedente encontrado en la literatura de la utilización del índice predictivo APACHE II como score dinámico, Biot17-19 y otros, en 1988, demostraron en 128 pacientes que el uso longitudinal de una variante del APACHE II, el sistema sickness scoring, fue el mejor predictor de la evolución. También en ese año Shuster y otros13 propusieron el uso del APACHE II corregido con el número de órganos o sistemas en fallo para el pronóstico individual de pacientes. Con posterioridad, en 1994 Douglas Wager y otros,20 miembros del mismo equipo del APACHE II, utilizaron secuencialmente este modelo, y sugirieron que su uso más allá de 24 h podría proporcionar un refinamiento de sus predicciones de mortalidad.

En este estudio se encontró que las predicciones sobre los 116 pacientes a las 24 h de ingreso con el modelo APACHE II presentó mejor calibración que las realizadas a las 48 h. Al revisar la literatura se encontró que el modelo APACHE II demuestra una excelente calibración a las 24 h, aceptable discriminación. Pero su poder predictivo disminuye ostensiblemente a las 48 h, de forma similar a los modelos más estudiados en el mundo.

La tabla 1 muestra los resultados de la prueba de bondad de ajuste de Hosmer-Lemeshow y los valores de calibración y discriminación para las predicciones realizadas sobre los pacientes a las 24 h y a las 48 h. En relación con las 48 h sobre los 116 pacientes las predicciones de la escala APACHE II tuvieron menor calibración y muy precaria discriminación (tabla 2). El resultado más significativo del estudio resultó ser la falta de significación en la discriminación a las 48 h de la escala APACHE II, pese al carácter de score dinámico que algunos autores quieren ofrecerle. Es muy posible que el peso estadístico de la categoría diagnóstica al ingreso, que tan excelentes resultados otorga al APACHE II en las primeras 24 h, le conduzca a un mal ajuste de sus predicciones a las 48 h. Con respecto a la comparación de la bondad de ajuste (tabla 2) entre las 24 y las 48 h se realizaron las comparaciones que se basaron en los valores del coeficiente p de significación estadística. Para comparar la discriminación del modelo se eligió el área bajo la curva ROC como primer criterio, por encima de sensibilidad, especificidad y tanto por ciento de pacientes bien clasificados en el punto corte del 50 %.

 

TABLA 1. Comparación de predicciones realizadas en los 116 pacientes a las 24 y 48 h con el modelo APACHE II

Modelo predictivo
Calibración
Discriminación
A las 24 h de ingreso
  p
Sens.
Espec.
CCT
AUC
APACHE II- 24 h
4,45    
0,56
33,56
   90,45   
   76,75      
     0,634
A las 48 h de ingreso
APACHE II- 48 h
15,4    
0,10
21,21 
  92,12 
67,23  
    0,707

c = estadístico Chi cuadrado de Hosmer-Lemeshow, p= significación estadística, Sens= sensibilidad, Espec= especificidad, CCT= cociente de clasificación correcta total, AUC= área bajo la cura COR.

TABLA 2. Comparación cualitativa de la calibración y la discriminación del modelo APACHE II a las 24 y 48 h

Modelo predictivo Calibración Discriminación
A las 24 h de ingreso
  
APACHE II+++++++++
A las 48 h de ingreso  
APACHE II+++++

De estudios previos6-9 se conoce que usando un punto de corte del 50 % virtualmente todos los modelos predictivos propuestos tendrán, al menos, un cociente de clasificación falsa del 10 al 15. Esto ha sido interpretado por algunos autores16-19 como que todos los sistemas predictivos son aproximadamente equivalentes y ninguno es suficientemente bueno para la predicción individual. Esta afirmación eminentemente matemática aunque se cumple, al menos en teoría, no se puede ver de forma absoluta, pues el criterio de la predicción individual de un modelo está basado en el refinamiento que alcance en su evolución longitudinal, en el tamaño de la muestra utilizada y en la posibilidad de que las variables se puedan ajustar al medio donde se desarrolle.

Otros autores comparten nuestros criterios. Knaus y otros,14 en 1986, sobre una muestra de 210 pacientes, clasificaron correctamente con el APACHE II al 84,3 % con una especificidad del 95,5 % considerando también un punto de corte del 50 %. En otro estudio, Castella y otros,11 en 1995, obtuvieron una clasificación correctamente con el APACHE II el 68,3 % de 593 pacientes polivalentes con una especificidad del 74,9 % en el mismo punto corte. Finalmente, Wagner y otros,20 en 1994, clasificaron correctamente con el APACHE II el 83,4 % de 332 pacientes, con el 95,4 % de especificidad.

Summary

Predicitve models have become an efficient tool as long as common sense and the experience in its use prevail. A prospective longitudinal cohort inference study was conducted at the Intensive Care Unit of "Dr. Luis Díaz Soto" Military Central Hospital. The analyzed variables were those included in the system of Evaluation of the Acute and Chronic Physiological State (APACHE II). Their value, the prediction-death ratio, and the adjusted prediction-death ratio were calculated at 24 and 48 hours. The calibration was compared by using the Chi square test, and the discrimination by comparing the area under the odds curve (ROC). Values over 30 points demonstrated more than 80 % of death probability. The figure of 40 points or more proved to be 100 % fatal in the study. The APACHE II system showed better calibration and discrimination at 24 hours than at 48 hours (p<0.05).

Subject headings: FORECASTING/methods; APACHE; INTENSIVE CARE; PROSPECTIVE STUDIES.

Referencias bibliográficas

  1. Bongard FS, Sue DY. Diagnóstico y tratamiento en Cuidados Intensivos; México, DF: Editorial Manual Moderno SA; 1996; t 1: 35-38.
  2. Cowen JS, Kelley MA. Pedicting intensive care unit outcome: Erros and bias in using perdictive scoring systems.Crit Care Clin 1999;10:53-8.
  3. Escarce JJ, Kelley MA. Admission source to the medical intensive care unit predicts hospital death independent of APACHE II score. Jama 1999;264:2389-92.
  4. Knaus WA, Wagner DP, Drape EA. The APACHE III prognostic: system: Risk prediction of hospital mortality for critically hospitalized adults. Chest 1991;100:1619-21.
  5. Zimmerman JE, Wargner DP, Draper EA. Evaluation of acute physiology and chronic health evaluation III predictions of hospital mortality in an independent database. Crit Care Med 1998;26:1317-9.
  6. Le Gall JR, Lemeshow S, Saulnier F. A new simplified acute physiology score (SAPS II) based on a European / North American multicenter study. JAMA 1993;270:2957-9.
  7. Auriant I, Vinatier I, Thaler F, Drapper B. Simplified acute physiology score II for measuring severity of illness in intermediate care units. Crit Care Med 1998;26:1368-70.
  8. Lemeshow S, Teres D, Klar J. Mortality probability models (MPM II) based on an international cohort of intensive care unit patients. JAMA 1998;270:2478.
  9. Hosmer DW, Taber S, Lemeshow S. The importance of assessing the fit of logistic regression models: a case study. Am J Public Health 1991;81:1630-5.
  10. Lemeshow S, Teres D, Avrunin JS, Pastides H. A comparison of methods to predict mortality of intensive care unit patients. Crit Care Med 1987;15:715-22
  11. Castella X, Artigas A, Bion J, Kari A. The European / North American Severity Study Group. A comparison of severity of illness scoring systems for intensive care unit patients: Results of a multicenter, multinational study. Crit Care Med 1995; 23:1327-9.
  12. Lemeshow S, LeGall JR. Modeling the severity of illness of ICU patients. A systems update. JAMA 1994;272:1049-54.
  13. Shuster DP, Kollef MH. Predicting intensive care unit outcome with scoring systems: Underlying concepts and principles. Crit Care Clin 1994;10:1-4.
  14. Knaus WA. Variations in mortality and length of stay in intensive care units. Ann Intern Med 1993;188:753-9.
  15. Zimmerman JE, Wagner DP, Knaus WA. The use of risk predictions to identify candidates for intermediate care units: Implications for intensive care utilization and cost. Chest 1995;108:490-8
  16. Li T, Phillips M. On-site physician staffing in a community hospital intensive care unit. Crit Care Med 1984; 252:2023-5.
  17. Brown JJ, Sullivan GS. Effect on ICU mortality of a full-time critical care specialist. Chest 1999;9:127-9.
  18. Carson SS, Stocking C, Podsadecki T. Effects of organizational change in the medical intensive care unit of a teaching hospital: A comparison of ´open´ and ´closed´ formats. JAMA 2000;276:322-6.
  19. Zimmerman JE, Shortell S, Knaus WA. Value and cost of teaching hospitals: A prospective, multicenter, inception cohort study. Crit Care Med 2001;21:1432-3.
  20. Wagner DP, Knaus WA, Harrell FE. Daily prognostic estimates for critically ill adults in intensive care units: Results from a prospective, multicenter, inception cohort analysis. Crit Care Med 1999;22:1359-61.

Recibido: 2 de diciembre de 2002. Aprobado: 31 de enero de 2003.
Dr. Armando Padrón Sánchez. Hospital Militar Central “Dr. Luis Díaz Soto”. Avenida Monumental, Habana del Este, CP 11700, Cuidad de La Habana, Cuba.

1 Especialista de I Grado en Medicina Interna. Instructor.
2 Especialista de I Grado en Medicina Interna.
3 Especialista I Grado en Medicina General Integral Militar.

Creative Commons License Todo el contenido de esta revista, excepto dónde está identificado, está bajo una Licencia Creative Commons