REMI ha enviado este documento gratuitamente por correo electrónico a sus 4.772 suscriptores.

Revista Electrónica de Medicina Intensiva
Artículo nº 1219. Vol 8 nº 4, abril 2008
Autor: Vicente Gómez Tello

http://remi.uninet.edu/2008/04/REMI1219.html

Un nuevo indicador pronóstico para el alta de UCI: ¿prever el reingreso, o dar altas más seguras?

Artículo original: Gajic O, Malinchoc M, Comfere T, Harris M, Achouiti A. The Stability and Workload Index for Transfer score predicts unplanned intensive care unit patient readmission: Initial development and validation. Crit Care Med 2008; 36: 676-682. [Resumen pendiente] [Artículos relacionados]

Introducción: Los reingresos no programados originan mayor mortalidad y estancia [1]. El objetivo de este estudio fue evaluar un indicador numérico (SWIFT) para identificar factores de riesgo y  prever el reingreso en pacientes al alta de UCI.

Resumen: Estudio de cohortes prospectivo sobre enfermos ingresados más de 24 horas. La variable dependiente objetivo fue el reingreso precoz (antes de 48 horas). Se recogieron variables independientes fisiológicas, demográficas, de procedencia, carga de enfermería y de necesidad de soporte del enfermo. Se construyó un modelo predictivo mediante regresión logística cuyas características se exponen en la tabla I. Posteriormente, se elaboró un índice numérico de predicción (Tabla II). Tras evaluar la sensibilidad (0,56) y especificidad (0,83) del modelo se consideró que un índice de mayor o igual a 15 puntos se asociaba con una razón de probabilidad positiva de reingreso de 3,09 (IC 95% 2,36-4,03) y una razón negativa de 0,56 (0,43-0,72). Los resultados se validaron en una UCI europea, observándose una similar discriminación, pero menor calibración del modelo (Tabla I). El porcentaje de reingresos fue de 8,8% con una mortalidad de 33% (predicha por APACHE III: 20%); el 51% de los reingresos se atribuyeron a causas respiratorias y el 8% a infecciones.

Comentario: En este estudio se elabora el primer modelo de predicción numérica de reingreso precoz en UCI, intentando que el médico no confíe sólo en su experiencia o intuición para dar un alta. El índice identifica los principales factores de riesgo descritos en la literatura, es sencillo y rápido de utilizar, muestra una buena discriminación y una adecuada calibración, y se minimizan falsos negativos eligiendo una alta especificidad. Las principales debilidades del estudio son su limitada cohorte de construcción y validación, y su mala calibración en pacientes europeos. No obstante, los autores expresan su deseo de validar este índice en una cohorte mayor y geográficamente más amplia. En esta nueva validación deberían valorarse factores como existencia de equipos de respuesta rápida (y su posible aviso en casos de altas “límite”), y directivas previas de no reingreso. ¿A qué actitudes conduciría la aplicación del índice? A mejorar el indicador de calidad de reingresos (benchmarking), a pesar de resultados contradictorios en la literatura sobre mayor mortalidad y estancia de los pacientes reingresados [2], y una difícil interpretación sobre la tasa correcta del indicador. Quizá su mayor utilidad sea ayudar al intensivista a tomar decisiones de alta más seguras, obviando inicialmente la frecuencia de reingresos, que deberá valorarse evolutivamente para cada Unidad. En realidad se trata de que usemos el indicador como el borracho la farola, para apoyarnos más que para ver.

Vicente Gómez Tello
Clínica Moncloa, Madrid.
 ©REMI, http://remi.uninet.edu. Abril 2008.

Enlaces:

1. Rosenberg AL, Hofer TP, Hayward RA, Strachan C, Watts CM.  Who bounces back? Physiologic and other predictors of intensive care unit readmission. Crit Care Med 2001; 29: 511-518. [Pubmed]
2. Cooper GS, Sirio CA, Rotondi AJ, Shepardson LB, Rosenthal GE. Are readmissions to the intensive care unit a useful measure of hospital performance? Med Care 1999; 37: 399-408. [Pubmed]

Búsqueda en PubMed:

• Enunciado:  Reingreso de pacientes en la UCI
• Sintaxis: Patient Readmission AND Intensive Care Unit
• [Resultados]

Palabras clave: Reingreso, Riesgo, Modelo predictivo, Organización, Cuidados Intensivos.