Resumen de Riesgo quirúrgico tras resección pulmonar anatómica en cirugía torácica. Modelo predictivo a partir de una base de datos nacional multicéntrica
D. Gómez de Antonio, Silvana Crowley, Alejandra Romero Román, Ana Royuela Vicente, Álvaro Sánchez Calle, Carme Obiols, Sergi Call, Raúl Embún Flor, Iñigo Royo Crespo, José Luis Recuero Díaz, Alberto Cabañero Sánchez, Nicolás Moreno Mata, Sergio Bolufer Nadal, Miguel Congregado Loscertales, Marcelo Fernando Jiménez López, Borja Aguinagalde, Sergio Amor-Alonso, Miguel Jesús Arrarás Martínez, Ana Isabel Blanco Orozco, Marc Boada, Isabel Cal Vázquez, Ángel Cilleruelo Ramos, Elena Fernández Martín, Santiago García Barajas, María Dolores García Jiménez, José María García Prim, José García Salcedo, Juan José Guelbenzu Zazpe, Carlos F. Giraldo Ospina, María Teresa Gómez Hernández, Jorge Hernández Ferrández, Jennifer Illana Wolf, Alberto Jauregui, Unai Jiménez Maestre, Iker López Sanz, Néstor Martínez Hernández, Elisabeth Martínez Téllez, Lucía Milla, Roberto Mongil Poce, F.J. Moradiellos Díez, R. Moreno Balsalobre, Sergio B. Moreno Merino, Florencio Quero Valenzuela, María Elena Ramírez Gil, Ricard Ramos Izquierdo, José Eduardo Rivo Vázquez, Alberto Rodríguez-Fuster, Rafael Rojo Marcos, David Sanchez Lorente, L. Sánchez Moreno, Carlos Simón Adiego, Juan Carlos Trujillo Reyes, Cipriano López García, Juan José Fibla Alfara, Julio Sesma Romero, Florentino Hernando Trancho
- español
Introducción El objetivo es obtener un modelo predictor de riesgo quirúrgico en pacientes sometidos a resecciones pulmonares anatómicas a partir del registro del Grupo Español de Cirugía Torácica Videoasistida.
Métodos Se recogen datos de 3.533 pacientes sometidos a resección pulmonar anatómica por cualquier diagnóstico entre el 20 de diciembre de 2016 y el 20 de marzo de 2018.
Definimos una variable resultado combinada: mortalidad o complicación Clavien Dindo IV a 90 días tras intervención quirúrgica. Se realizó análisis univariable y multivariable por regresión logística. La validación interna del modelo se llevó a cabo por técnicas de remuestreo.
Resultados La incidencia de la variable resultado fue del 4,29% (IC 95%: 3,6-4,9). Las variables que permanecen en el modelo logístico final fueron: edad, sexo, resección pulmonar oncológica previa, disnea (mMRC), neumonectomía derecha y DLCOppo. Los parámetros de rendimiento del modelo, ajustados por remuestreo, fueron: C-statistic 0,712 (IC 95%: 0,648-0,750), Brier score 0,042 y Booststrap shrinkage 0,854.
Conclusiones El modelo predictivo de riesgo obtenido a partir de la base de datos Grupo Español de Cirugía Torácica Videoasistida es un modelo sencillo, válido y fiable, y constituye una herramienta muy útil a la hora de establecer el riesgo de un paciente que se va a someter a una resección pulmonar anatómica.
- English
Introduction The aim of this study was to develop a surgical risk prediction model in patients undergoing anatomic lung resections from the registry of the Spanish Video-Assisted Thoracic Surgery Group (GEVATS).
Methods Data were collected from 3,533 patients undergoing anatomic lung resection for any diagnosis between December 20, 2016 and March 20, 2018.
We defined a combined outcome variable: death or Clavien Dindo grade IV complication at 90 days after surgery. Univariate and multivariate analyses were performed by logistic regression. Internal validation of the model was performed using resampling techniques.
Results The incidence of the outcome variable was 4.29% (95% CI 3.6-4.9). The variables remaining in the final logistic model were: age, sex, previous lung cancer resection, dyspnea (mMRC), right pneumonectomy, and ppo DLCO. The performance parameters of the model adjusted by resampling were: C-statistic 0.712 (95% CI 0.648-0.750), Brier score 0.042 and bootstrap shrinkage 0.854.
Conclusions The risk prediction model obtained from the GEVATS database is a simple, valid, and reliable model that is a useful tool for establishing the risk of a patient undergoing anatomic lung resection.
