Modelo de predicción clínica para el diagnóstico de bacteriemias comunitarias en el servicio de urgencia hospitalario

• Vicente-Collado, M ^[1]
  1. [1] Hospital Nuestra Señora del Prado

     Hospital Nuestra Señora del Prado

     Talavera de la Reina, España

     
• Localización: Salux: revista de ciencias y humanidades, ISSN-e 2444-5304, Vol. 4, Nº. Extra 1, 2018 (Ejemplar dedicado a: Premios 2017), págs. 38-41
• Idioma: español
• Enlaces
  • Texto Completo Ejemplar
• Resumen

  • Objetivos La extracción del hemocultivo en el servicio de Urgencias depende, en el momento actual, de la capacidad del clínico para sospechar la presencia de bacteriemia. Los objetivos de esta tesis son varios. En primer lugar conocer la capacidad de predicción de bacteriemia del clínico. Posteriormente, crear un modelo de predicción clínica (MPC) para la detección de bacteriemias y comparar la capacidad de predicción del clínico frente a la capacidad de predicción del modelo. Finalmente validar el modelo creado en otro centro hospitalario perteneciente a nuestro sistema nacional de salud.

    Material y métodos Estudio transversal analítico, que (i) analiza las variables predictoras de bacteriemias en el servicio de Urgencia y (ii) establece un MPC de bacteriemia. Participan en el estudio sujetos mayores de trece años que acuden al servicio de Urgencia del Hospital Universitario de Guadalajara desde el 1 abril del 2005 hasta el 31 de marzo del 2007, y a quienes se extraen hemocultivos. En un primer momento se ha realizado un estudio estadístico univariante, utilizando como variable dependiente la existencia de bacteriemia. Para la comparación entre las variables categóricas se ha utilizado la prueba de la Χ2 o el test exacto de Fisher y para las variables cuantitativas la regresión logística.

    Posteriormente se ha elaborado un MPC que permite establecer la probabilidad exacta de bacteriemia gracias a la fórmula de regresión logística. Las variables significativas en el análisis univariante, se han introducido en un modelo de regresión logística múltiple, de exclusión escalonada paso a paso, utilizando la existencia de bacteriemia como variable dependiente. Tras identificar con la regresión logística los predictores independientes de bacteriemia se ha elaborado una ecuación que permite estimar un riesgo específico de bacteriemia, utilizando éstas variables, para cada paciente.

    Se ha calculado la sensibilidad, especificidad, valor predictivo negativo y positivo y curva ROC del modelo de regresión logística. La validación del modelo se ha realizado utilizando las variables incluidas en dicho modelo y demostrando su asociación con la presencia de bacteriemia en otro centro hospitalario.

    Resultados Se analizaron 693 pacientes de los cuales 149 presentaron bacteriemia. Las variables relacionadas de forma independiente con el diagnóstico de bacteriemia fueron: la diabetes (OR 2,17; IC del 95% 1,16-4,07; p=0,016), la toma de antibióticos antes del hemocultivo (OR 0,16; IC del 95% 0,08-0,33; p=0,00001), tener más de un 80% de neutrófilos (OR 3,4; IC del 95% 1,88-6,28;

    p=0,001), presentar una enfermedad onco-hematológica (OR 1,72; IC del 95% 0.98-3,02; p= 0,058), la edad/10 (OR 1,16; IC del 95% 1,02-1,31; p=0,023) y el incremento del fibrinógeno plasmático/100 (OR 1,2; IC del 95% 1,08-1,33; p=0,0005).

    Los clínicos demostraron capacidad para predecir las bacteriemias, con una sensibilidad del 82,2%, una especificidad 28,9%, un valor predictivo positivo de 0,155 y un valor predictivo negativo de 0,911. El área bajo la curva ROC fue de 0,59 (IC del 95% 0,52-0,66).

    Utilizando la fórmula de regresión logística, y para un punto de corte de 0,1, el MPC presentaría una especificidad del 27,5%, una sensibilidad del 96,7%, un valor predictivo positivo de 0,362 y un valor predictivo negativo de 0,952. El área bajo la curva ROC fue de 0,77 (IC del 95% 0,72- 0,82). Utilizando este MPC se evitarían hasta un 20,3% de los hemocultivos que se extraen en la urgencia.

    Para la validación externa del modelo, se analizaron en el Hospital de Talavera 411 pacientes consecutivos que acudieron al servicio de Urgencia de dicho centro y en quienes se extrajeron hemocultivos. Se recogieron de forma prospectiva las seis variables derivadas del MPC creado.

    Únicamente se asociaron con la presencia de bacteriemia de forma estadística tres de las seis variables: la presencia de neutrofilia superior al 80% en la fórmula leucocitaria, la edad y la toma previa de antibióticos.

    Se creó un MPC denominado modelo parsimonioso con las tres variables que confirmaron asociación con bacteriemia en ambas poblaciones. El área bajo la curva de este modelo para la población de Guadalajara y con un punto de corte de 0,1 fue de 0,71 (IC del 95% 0,66-0,75), con una sensibilidad del 97,2%, una especifidad de 23,3%, un valor predictivo negativo del 0,963 y un valor predictivo positivo del 0,281. El área bajo la curva en el caso de la población de Talavera de la Reina y para un mismo punto de corte fue de 0,73 (IC del 95% 0,67-0,79), con una sensibilidad del 95,7%, una especificidad del 36,7%, un valor predictivo positivo de 0,24 y un valor predictivo negativo de 0,98. Utilizando dicho modelo se evitarían un 18,3% de hemocultivos en la población de Guadalajara y un 31,1% de hemocultivos en la población de Talavera de la Reina.

    Ambos modelos fueron validados en las dos poblaciones, presentando curvas ROC similares con una p no significativa.

    El modelo es especialmente útil en los pacientes que toman antibióticos y que acuden a urgencias con sospecha de bacteriemia.

    Se creó un MPC denominado modelo parsimonioso con las tres variables que confirmaron asociación con bacteriemia en ambas poblaciones. El área bajo la curva de este modelo para la población de Guadalajara y con un punto de corte de 0,1 fue de 0,71 (IC del 95% 0,66-0,75), con una sensibilidad del 97,2%, una especifidad de 23,3%, un valor predictivo negativo del 0,963 y un valor predictivo positivo del 0,281. El área bajo la curva en el caso de la población de Talavera de la Reina y para un mismo punto de corte fue de 0,73 (IC del 95% 0,67-0,79), con una sensibilidad del 95,7%, una especificidad del 36,7%, un valor predictivo positivo de 0,24 y un valor predictivo negativo de 0,98. Utilizando dicho modelo se evitarían un 18,3% de hemocultivos en la población de Guadalajara y un 31,1% de hemocultivos en la población de Talavera de la Reina.

    Ambos modelos fueron validados en las dos poblaciones, presentando curvas ROC similares con una p no significativa.

    El modelo es especialmente útil en los pacientes que toman antibióticos y que acuden a urgencias con sospecha de bacteriemia Conclusiones El modelo de regresión logística para la predicción de bacteriemia es superior a la intuición del clínico. La edad, la enfermedad onco-hematológica, la diabetes, la toma de antibióticos antes de la extracción del hemocultivo, la neutrofilia y el aumento del fibrinógeno, se comportan como variables clínico-epidemiológicas que de forma independiente predicen la existencia de bacteriemia.

    El MPC basado en la regresión logística con seis variables y el modelo parsimonioso permitirían evitar la extracción del hemocultivo a personas con baja probabilidad de bacteriemia que acuden al servicio de Urgencia. Ambos modelos han sido validados en otro centro hospitalario. Estos MPC se muestran útiles para evitar la extracción de hemocultivos de forma sustancial