Você está na página 1de 5

Documento descargado de http://www.elsevier.es el 11/01/2011.

Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 761

ORIGINALES

Modelo predictivo de neumonía nosocomial


en unidades de cuidados intensivos 168.405

Carlos Lapresta Moros, Víctor Manuel Solano Bernad,


Adriana del Villar Belzunce, María Jesús Hernández Navarrete,
Ana Gómez-Juárez Sango y José Luis Arribas Llorente
Servicio de Medicina Preventiva y Salud Pública. Hospital Universitario Miguel Servet. Zaragoza. España.

FUNDAMENTO Y OBJETIVO: La neumonía es la infección nosocomial más frecuente en unidades de La infección nosocomial más habitual en
cuidados intensivos (UCI) y contribuye enormemente tanto a desenlaces negativos como a ele- las unidades de cuidados intensivos (UCI)
vados costes en pacientes críticos. Identificar a los pacientes con mayor riesgo de desarrollar es la neumonía1-4, que se asocia a mayor
una neumonía nosocomial es importante para seleccionar medidas preventivas correctas.
PACIENTES Y MÉTODO: Se ha realizado un estudio observacional y prospectivo de 2 cohortes de pa- morbilidad y mortalidad, prolongación de
cientes ingresados en UCI durante 24 h o más: la cohorte principal (n = 1.184) y la cohorte de la estancia hospitalaria y aumento del gas-
validación (n = 554). Se construyó un modelo predictivo con los datos de la cohorte principal to económico5-9. Los factores de riesgo de
mediante regresión logística. Se obtuvieron curvas de eficacia diagnóstica y valores predictivos la neumonía nosocomial (NN) han sido
para diferentes puntos de corte con los datos de ambas cohortes. ampliamente investigados y publicados en
RESULTADOS: Para el modelo predictivo se eligieron 8 variables: nutrición parenteral, nutrición
enteral, intubación nasogástrica, traqueostomía, ventilación mecánica, cirugía previa, coma y dia- la literatura médica. De entre todos ellos, la
betes. En la cohorte principal el modelo tuvo una sensibilidad del 81% y una especificidad del ventilación mecánica es el más importan-
78,4% en la predicción de neumonía nosocomial (test estadístico de Hosmer-Lemeshow, p = 0,93; te y la principal razón de que la inciden-
área bajo la curva de eficacia diagnóstica = 0,861; intervalo de confianza del 95%, 0,824- cia de esta infección en pacientes ingre-
0,898). En la cohorte de validación el área bajo la curva de eficacia diagnóstica fue de 0,849
(intervalo de confianza del 95%, 0,742-0,956).
sados en UCI sea muy superior a la del
CONCLUSIONES: El modelo obtenido presenta unos resultados satisfactorios en ambas cohortes. resto del hospital10-12. La clasificación de
Además, las variables usadas son simples, disponibles en la práctica habitual y familiares para los pacientes de acuerdo con su riesgo de
los clínicos. infección según estos factores es funda-
mental para llevar a efecto las medidas
Palabras clave: Infección nosocomial respiratoria. Neumonía. Unidad de cuidados intensivos.
profilácticas de NN de la forma más ade-
cuada e individualizada posible, así como
para la puesta en marcha de pruebas diag-
Predictive model for nosocomial pneumonia in intensive care units
nósticas y medidas terapéuticas lo antes
BACKGROUND AND OBJECTIVE: Nosocomial pneumonia is the most common nosocomial infection in posible.
the intensive care units (ICUs) and contributes disproportionately to both poor outcomes and En torno a algunas de las medidas de
high cost of care in critically ill patients. In order to identify patients with greater risk of develo- prevención de la NN existen en la actua-
ping nosocomial pneumonia in ICUs, it is important to select the right preventive measures. lidad numerosas controversias, como
PATIENTS AND METHOD: It was an observational study of 2 prospective cohorts of patients staying ocurre con la ventilación no invasiva, la
in the ICU for 24 h or more: the main cohort (n = 1,184) and the validation cohort (n = 554).
A predictive model was constructed with the data of the main cohort using a logistic regression. antibioterapia profiláctica o la succión
Receiver operating characteristic (ROC) curves and predictive values for different cut points continua de secreciones subglóticas13-17.
were obtained with the data of both cohorts. El objetivo de este estudio es la identifica-
RESULTS: Eight variables were selected for the predictive model: parenteral nutrition, enteral nu- ción de los principales factores de riesgo
trition, nasogastric intubation, tracheostomy, mechanical ventilation, previous surgery, coma
and diabetes. In the main cohort, the model had a sensitivity of 81% and a specificity of
de NN en las UCI y la combinación más
78.4% in predicting nosocomial pneumonia (Hosmer-Lemeshow statistic p = 0.93; area under idónea de éstos para la obtención del
ROC curve = 0.861; 95% confidence interval, 0.824-0.898). In the validation cohort, the area modelo multivariante con mayor capaci-
under ROC curve was 0.849 (95% confidence interval, 0.742-0.956). dad predictiva. De esta forma podremos
CONCLUSIONS: The resulting model presents satisfactory results in both cohorts. In addition, the adecuar lo mejor posible el manejo de los
variables used are simple, routinely available, and familiar to clinicians.
pacientes críticos en función del riesgo
Key words: Nosocomial respiratory infection. Pneumonia. Intensive care unit. de contraer estas infecciones.

Pacientes y método
Pacientes
Se ha realizado un estudio de seguimiento de 2 cohor-
tes. La primera, a la que denominamos principal, es-
taba formada por todos los pacientes ingresados 24
h o más en la UCI Polivalente del Hospital Universi-
tario Miguel Servet entre el 30 de mayo de 2000 y el
30 de mayo de 2003; la segunda cohorte, de valida-
ción del modelo, estuvo constituida por los pacientes
ingresados 24 h o más en la UCI Poscirugía Cardía-
ca del mismo hospital entre el 1 de enero de 2004 y
el 31 de diciembre del mismo año. El tiempo de se-
guimiento en ambos casos fue el necesario hasta
que se hubo dado de alta a todos los pacientes in-
cluidos.
Correspondencia: Dr. C. Lapresta Moros.
Servicio de Medicina Preventiva y Salud Pública. Hospital Universitario Miguel Servet.
P.º Isabel la Católica, 1-3. 50009 Zaragoza. España. Recogida de datos
Correo electrónico: clapresta@salud.aragon.es Los datos se recogieron a diario en la UCI a través de
Recibido el 23-1-2007; aceptado para su publicación el 2-2-2007. la revisión de historias clínicas y del intercambio de in-

Med Clin (Barc). 2007;128(20):761-5 761


Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 762

LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS

formación con los médicos y enfermeras responsa- Las diferencias entre las variables se consideraron tes se les practicó alguna intervención
bles de la unidad. Realizaban esta visita diaria a la estadísticamente significativas con un valor de p infe-
unidad enfermeras del Servicio de Medicina Preventi- rior a 0,05. Todo el análisis estadístico de los datos quirúrgica. La cohorte de validación se
va con formación específica en infección nosocomial se realizó con la herramienta informática SPSS ver- compuso de 554 pacientes, un 66,2%
y médicos internos y residentes de Medicina Preven- sión 12.0.0 para Windows (SPSS Inc., Chicago, IL, varones y el 33,8% mujeres. Un total de
tiva y Salud Pública. EE.UU.).
Las variables de seguimiento estudiadas fueron gene-
25 (4,5%) presentaron alguna NN; la es-
rales y de filiación, como fecha de nacimiento, sexo, tancia media fue de 4,65 días, un 93,1%
fechas de ingreso y alta, riesgo de base, salud previa, ingresó con diagnóstico principal cardio-
puntuación APACHE II (Acute Physiology Score and Resultados
Chronic Health Evaluation), diagnóstico principal, nú-
circulatorio y al 82,9% se le realizó alguna
mero de diagnósticos y motivo de alta. Se registraron En la cohorte principal se incluyó a un to- intervención quirúrgica. Las característi-
factores de riesgo intrínsecos de infección nosoco- tal de 1.184 pacientes, de los que 100 cas principales de los pacientes de am-
mial como inmunodeficiencia, infección previa por (8,45%) presentaron alguna NN. El bas cohortes se presentan en la tabla 1.
microorganismos multirresistentes, inmunodepresión,
obesidad, insuficiencia vascular periférica, neutrope- 70,7% eran varones y el 29,3% restante, En lo referente al análisis bivariante, los
nia, úlcera de decúbito, focalidad motora, coma, dro- mujeres. La edad media fue de 61,55 modelos de regresión logística con una
gadicción, diabetes, enfermedad pulmonar obstructi- años y la estancia media de 9,28 días. En única variable independiente concluyeron
va crónica (EPOC), insuficiencia renal, neoplasia y
cirrosis hepática, así como factores de riesgo extrín-
cuanto a las categorías de diagnóstico que había diferencias estadísticamente sig-
secos (quedaron reflejadas las fechas de inicio y de principal, las más frecuentes fueron las nificativas para el índice APACHE II, obesi-
retirada de cada uno), tales como sonda urinaria ce- neoplasias (31,7%), seguidas de enfer- dad, coma, diabetes, insuficiencia renal,
rrada, catéter venoso periférico, catéter venoso central, medades circulatorias (22,9%) y respira- sonda nasogástrica, ventilación mecánica,
catéter arterial, sonda nasogástrica, ventilación mecá-
nica, nutrición enteral, nutrición parenteral, tratamien- torias (12,9%). Al 54,8% de los pacien- nutrición enteral, nutrición parenteral, tra-
to inmunodepresor y traqueostomía. Se registraron
igualmente las intervenciones quirúrgicas con sus co-
rrespondientes fechas de intervención, procedimientos TABLA 1
realizados, número de procedimientos en las interven-
ciones, riesgo quirúrgico, duración de las intervencio-
Características de los pacientes de las cohortes principal y de validación
nes y profilaxis quirúrgica, así como los tratamientos
antibióticos con sus fechas de inicio y de retirada, y Cohorte principal Cohorte de validación
Característica
datos sobre infecciones nosocomiales, como fecha de (n = 1.184) (n = 554)
la infección, localización de ésta, resultado del cultivo, Neumonía nosocomiala 100 (8,45) 25 (4,51)
tipo de muestra y microorganismos aislados. Neumonía asociada a ventiladora 79 (6,67) 22 (3,66)
La presencia de los diferentes tipos de infecciones Edad (años)b 61,55 (15,39) 63,76 (14,62)
nosocomiales se definió según los criterios de los Sexo: varón/mujer 837/347 362/192
Centers for Disease Control de Atlanta18. APACHE IIb 11,94 (5,41) 11,39 (6,52)
Estancia en hospital (días)b 9,28 (15,10) 4,65 (49,51)
Análisis estadístico Intervención quirúrgicaa 649 (54,81%) 474 (85,56%)
Factores intrínsecosa
La variable dependiente de nuestros análisis fue, en Inmunodeficiencia 43 (3,63%) 3 (0,54%)
todos los casos, la variable dicotómica paciente con Obesidad 72 (6,08%) 41 (7,40%)
NN (sí/no). Para las variables independientes, expre- Coma 79 (6,67%) 4 (0,72%)
sadas como días hasta el evento (en este caso, pa- Diabetes 180 (15,20%) 105 (18,95%)
ciente con NN), en los individuos sin el evento el va- EPOC 247 (20,86%) 68 (12,27%)
lor de la variable era equivalente al total de días Insuficiencia renal 112 (9,46%) 78 (14,07%)
(asumiendo que el riesgo existía hasta el alta); en Neoplasia 418 (35,30%) 25 (4,51%)
aquellos con una sola NN se calcularon los días Cirrosis hepática 24 (2,03%) 3 (0,54%)
transcurridos entre el ingreso y la infección, y en los Factores extrínsecosc
individuos con más de una NN se calculó la media Sonda urinaria cerrada 965 (81,50%), 9,66 515 (92,96%), 5,91
de los días transcurridos hasta cada una de ellas. Se Catéter venoso periférico 432 (36,49%), 8,53 497 (89,71%), 4,48
hizo una excepción para el cálculo de los días de an- Catéter venoso central 700 (59,12%), 9,63 531 (95,85%), 6,07
tibioterapia, donde sólo se tuvieron en cuenta los pre- Sonda nasogástrica 568 (47,97%), 8,97 473 (83,38%), 3,38
vios a la primera infección del paciente; de esta for- Ventilación mecánica 380 (32,09%), 9,24 480 (86,64%), 3,75
ma se obtuvieron días de antibioterapia profiláctica. Nutrición enteral 124 (10,47%), 14,18 50 (9,03%), 12,15
Las variables cuantitativas se categorizaron intentan- Nutrición parenteral 179 (15,12%), 13,80 29 (5,23%), 14,66
do obtener la mayor asociación estadística. Para lle- Tratamiento inmunodepresor 178 (15,03%), 11,61 32 (5,78%), 6,68
var a cabo esta conversión se utilizó el procedimiento Traqueostomía 66 (5,57%), 19,14 17 (3,07%), 29,47
del punto de corte óptimo o de valor mínimo de p19. a
Para la creación del modelo predictivo se realizó un Valores expresados como número de individuos con el factor y su porcentaje del total; bvalores expresados como media (desviación
estándar); cvalores expresados como número de individuos con el factor (porcentaje del total), media de días con el factor presente.
análisis multivariante de regresión logística usando APACHE: Acute Physiology Score and Chronic Health Evaluation; EPOC: enfermedad pulmonar obstructiva crónica.
los datos recogidos de la cohorte principal del estu-
dio. Para ello se siguieron varios pasos. En primer lu-
gar se eligieron las potenciales variables a introducir TABLA 2
en el modelo mediante un análisis estadístico simple
o bivariante con regresión logística. Se introdujeron Análisis bivariante
inicialmente aquellas que actuaban como potenciales
factores de riesgo, entendiendo como tales las que Variable independiente p Exp. (B) IC del 95% para Exp. (B)
presentaban significación estadística o una buena APACHE II 0,015 1,045 1,009-1,083
justificación teórica según la literatura médica más Obesidad 0,031 2,109 1,070-4,157
relevante. A continuación, se exploraron los modelos Coma 0,000 5,382 3,147-9,205
obtenidos con los métodos de inclusión secuencial, Diabetes 0,012 1,879 1,152-3,064
exclusión secuencial y paso a paso. Se fijaron en el EPOC 0,188 – –
modelo las variables detectadas como más importan- Insuficiencia renal 0,022 1,960 1,104-3,481
tes y se fueron añadiendo de forma controlada las Neoplasia 0,247 – –
restantes para mejorar el ajuste. Se realizó el análisis Sonda nasogástrica 0,000 13,061 6,516-26,179
de residuales para detectar anomalías. Se seleccionó Ventilación mecánica 0,000 10,156 6,163-16,736
por último el modelo final, cuya calibración se compro- Nutrición enteral 0,000 8,601 5,401-13,697
bó con la prueba estadística de Hosmer-Lemeshow. Nutrición parenteral 0,000 3,199 2,027-5,049
La evaluación de la capacidad predictiva del modelo Tratamiento inmunodepresor 0,000 2,710 1,708-4,300
construido se llevó a cabo mediante la aplicación de Traqueostomía 0,000 5,963 3,212-11,068
curvas de eficacia diagnóstica (curvas ROC). Para la Intervención quirúrgica 0,020 1,668 1,084-2,566
comprobación de la validez externa del modelo pre- Tratamiento antibiótico previo 0,001 3,241 1,663-6,315
dictivo obtenido se construyó una curva de eficacia Estancia previa 0,000 1,047 1,021-1,074
diagnóstica a partir de los resultados obtenidos de la Edad 0,804 – –
aplicación de la ecuación de regresión a los datos de
la cohorte de validación. APACHE: Acute Physiology Score and Chronic Health Evaluation; B: coeficiente; EPOC: enfermedad pulmonar obstructiva cróni-
ca; Exp.: exponencial del coeficiente; IC: intervalo de confianza.

762 Med Clin (Barc). 2007;128(20):761-5


Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 763

LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS

1,0 1,0

0,8 0,8

0,6 0,6
Sensibilidad

Sensibilidad
0,4 0,4

0,2 0,2

0,0 0,0
0,0 0,2 0,4 0,6 0,8 1,0 0,0 0,2 0,4 0,6 0,8 1,0
1-Especificidad 1-Especificidad

Fig. 1. Curva de eficacia diagnóstica de la cohorte principal. Fig. 2. Curva de eficacia diagnóstica de la cohorte de validación.

TABLA 3 en el modelo, incluyendo para cada una


de ellas el valor de su coeficiente (B), su
Variables incluidas en el modelo de regresión logística valor de p, la exponencial de su coefi-
Variable predictora
B Significación
Exp. (B)
IC del 95% para Exp. ciente y el intervalo de confianza (IC) del
estadística (B) 95% de este último.
Nutrición parenteral total 0,557 0,044 1,745 1,016-2,997 Desde el punto de vista de la capacidad
Nutrición enteral 1,239 0,000 3,453 2,018-5,909 de discriminación del modelo, en la tabla 4
Sonda nasogástrica 1,166 0,004 3,209 1,449-7,111
Traqueostomía 1,116 0,002 3,052 1,494-6,232 se presentan las comparaciones entre los
Ventilación mecánica 1,289 0,000 3,628 2,013-6,537 resultados pronosticados por el modelo y
Diabetes 0,782 0,006 2,186 1,250-3,824 los resultados reales. Esta tabla es, consi-
Coma 0,979 0,003 2,661 1,408-5,031
Intervención quirúrgica 0,698 0,009 2,010 1,194-3,382
derando la ecuación de regresión logística
Constante –5,096 0,000 0,006 a modo de prueba diagnóstica, un resu-
B: coeficiente; Exp.: exponencial del coeficiente; IC: intervalo de confianza. men de los índices propios de las pruebas
diagnósticas. De este modo, nuestro mo-
TABLA 4 tamiento inmunodepresor, traqueostomía, delo tiene una sensibilidad del 81%, una
intervención quirúrgica, tratamiento anti- especificidad del 78,4% y un porcentaje
Tabla de clasificación del modelo biótico previo a la NN y estancia previa a de clasificaciones correctas del 78,6%.
multivariante para la cohorte principal la NN (tabla 2). Para obtener estos índices se usó como
Pronosticado Para la construcción del modelo de re- punto de corte el 0,09, lo que viene a de-
Paciente con gresión logística se incluyó a los 1.184 cir que, si a cada paciente la ecuación le
Observado
NN sí/no Porcentaje
correcto
pacientes de la cohorte principal; por asigna una probabilidad de tener el even-
No Sí tanto, no hubo ningún caso que no se in- to de entre 0 y 1, las probabilidades su-
Paciente No 850 234 78,4
trodujera por falta de información. En la periores a 0,09 se consideraron pronósti-
con NN sí/no Sí 19 81 81,0 tabla 3 se describen pormenorizadamen- cas de la infección. El 0,09 como punto
Porcentaje global 78,6 te los resultados obtenidos de forma indi- de corte óptimo se seleccionó por ser el
NN: neumonía nosocomial. vidualizada para cada variable incluida de mayor capacidad discriminatoria, en-
tendiendo como tal la media de la sensi-
TABLA 5 bilidad y la especificidad correspondien-
Valores predictivos para diferentes puntos de corte en la cohorte de validación tes a cada punto de corte.
Calculando la sensibilidad y especificidad
Punto de corte
Predicción NN Predicción no NN
VPP (%) VPN (%)
del modelo estimado, y tomando como
Total Correctos Total Correctos punto de corte probabilidades que varia-
0,09 59 19 495 489 32,20 98,79 ban entre 0 y 1, se dibujó una curva de
0,13 29 15 565 515 51,72 91,15 eficacia diagnóstica (fig. 1), cuya área re-
0,18 25 13 529 517 52,00 97,73 sultó ser 0,861 sobre 1, con un IC del
0,23 23 13 531 519 56,52 97,74
0,40 13 8 541 524 61,54 96,86
95% de 0,824-0,898 y un nivel de signi-
0,70 12 8 542 525 66,67 96,86 ficación estadística p inferior a 0,001. La
0,90 0 0 554 529 0,00 95,59 prueba de Hosmer y Lemeshow tuvo una
NN: neumonía nosocomial; VPN: valor predictivo negativo; VPP: valor predictivo positivo. significación estadística de 0,927.
Med Clin (Barc). 2007;128(20):761-5 763
Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 764

LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS

La aplicación de la ecuación del modelo cohorte de validación. Los resultados en durante este tiempo. Además, incluyen
de regresión logística obtenido a nuestra términos de valor predictivo positivo sin variables del tipo cirugía torácica o admi-
cohorte de validación dio como resultado duda mejorarán con la aplicación de nistración de factores de coagulación,
la curva de eficacia diagnóstica que se nuestra ecuación a poblaciones con pre- que en términos generales son poco pre-
muestra en la figura 2, con un área bajo valencias superiores de infección. Respec- valentes25,26.
la curva de 0,849 (IC del 95%, 0,742- to a los resultados detallados en la tabla 3, La ventilación no invasiva ha demostrado
0,956; p < 0,001). Por último, se calcula- en nuestro modelo todas las variables pre- ser una alternativa efectiva a la ventilación
ron los valores predictivos positivos y ne- dictoras resultaron estadísticamente signi- mecánica en pacientes con enfermedades
gativos en la cohorte de validación para ficativas. concretas, por lo que el establecimiento
diferentes puntos de corte (tabla 5). Algunos de los factores de riesgo que a de indicaciones protocolizadas para su
priori parecían relevantes al final no se uso se ha tornado una prioridad13,14. Se ha
incluyeron en el modelo definitivo, como demostrado que la tasa de NAV de co-
Discusión
es el caso del APACHE II, la estancia pre- mienzo precoz puede reducirse de forma
Los resultados obtenidos del análisis tan- via a la infección o los factores extrínse- significativa por medio de la administra-
to descriptivo como bivariante son suma- cos según su días de permanencia, espe- ción de antibioterapia profiláctica en pa-
mente concordantes con la bibliografía cialmente los días de uso de ventilación cientes en coma. Sin embargo, los que
más relevante, lo cual da credibilidad a la mecánica. Sin embargo, el hecho de que reciben tratamiento antibiótico tienen al
calidad de los datos recogidos de nues- se tuvieran en cuenta en la comparación mismo tiempo un mayor riesgo de ser co-
tras cohortes. Los valores de las tasas de de todos los modelos posibles, y de que lonizados por microorganismos potencial-
NN resultaron algo mayores en nuestra se hiciera un esfuerzo en su categoriza- mente multirresistentes y de desarrollar
investigación que en otros estudios lleva- ción para que resultasen lo más significa- una NAV de presentación tardía, motivo
dos a cabo en nuestro medio7,20. Al cal- tivos posibles, justificó su no inclusión y por el cual el tratamiento debe utilizarse
cular la densidad de incidencia de neu- dio validez a nuestro modelo. con precaución15. Algo similar ocurre con
monía asociada a ventilador (NAV) en Son numerosos los estudios realizados la succión continua de secreciones sub-
ambas cohortes se obtuvo una tasa de acerca de los factores de riesgo de NN, glóticas; aunque un par de estudios de-
22,49 NAV por cada 1.000 días de venti- estudios que en su mayor parte efectúan mostraron que reducía la incidencia de
lación mecánica en la cohorte principal, y un análisis multivariante de tipo explicati- NN, se trata de una medida muy cara y
de 12,18 en la de validación, lo que con- vo. La finalidad de nuestra investigación de difícil manejo, además de no estar de-
firma que nuestro servicio diana tuvo una era otra; nuestro objetivo era conseguir mostrado su coste-beneficio, por lo que
incidencia de neumonía ligeramente ele- un sistema a través del cual, por medio habría que intentar fundamentar mejor
vada. Todos los factores de riesgo refleja- de la recogida de unas pocas variables su uso16,17. Nuestro modelo podría ser un
dos en la literatura médica se vieron plas- de fácil adquisición, pudiera pronosticar- apoyo a la toma de decisiones sobre la
mados como tales en nuestros resultados, se de la forma más sensible y específica aplicación de estas y otras medidas de
con excepción de la EPOC. La antibiote- posible la presentación de una nueva prevención controvertidas.
rapia previa a la infección fue en nuestro NN. En la bibliografía se encontraron al- Las limitaciones de nuestro modelo pre-
estudio un factor de riesgo importante, gunos modelos predictivos. Garrido et al23 dictivo se refieren, sobre todo, a su validez
con una odds ratio de 3,24. Numerosos publicaron un modelo con un área bajo externa. Por un lado, los buenos resulta-
estudios han demostrado que la antibio- la curva inferior a la de nuestro modelo; dos estadísticos obtenidos en la cohorte
terapia profiláctica origina un incremento además, el suyo se refería a la generali- principal aseguran su aplicabilidad en la
de la incidencia de infecciones por mi- dad de las infecciones nosocomiales, lo población de nuestro estudio; por otro, la
croorganismos resistentes; en nuestra co- cual le resta aplicabilidad desde un pun- utilización de una cohorte de validación in-
horte principal, entre los microorganismos to de vista práctico por la dificultad de to- dica que nuestro modelo podría aplicarse
aislados, el tercero y cuarto por orden de mar decisiones respecto a las medidas a poblaciones con características diferen-
frecuencia fueron multirresistentes (Aci- preventivas aplicables. Peres et al24 han tes. Sin embargo, la existencia de UCI cada
netobacter baumannii multirresistente y publicado en fechas recientes un trabajo vez más especializadas en nuestros hospi-
Staphylococcus aureus resistente a meti- en el que desarrollan lo que ellos deno- tales (traumatológicas, coronarias, y otros)
cilina, respectivamente), etiología concor- minan «Puntuación de Probabilidad de hace que este estudio no pueda garantizar
dante con la bibliografía reciente21. Infección» (Infection Probability Score), la completa validez externa de sus resulta-
En lo que se refiere al modelo obtenido de un índice similar al APACHE, que tiene dos.
nuestra investigación, los resultados fue- en cuenta variables relativas a las cons-
ron satisfactorios. Según la bibliografía, un tantes, como temperatura, pulsaciones o
modelo predictivo es adecuado cuando frecuencia respiratoria al ingresar. El re-
tanto la sensibilidad como la especificidad sultado en términos de precisión diag-
se encuentran por encima del 75%22, y en nóstica es considerablemente inferior al REFERENCIAS BIBLIOGRÁFICAS
nuestro caso ambas superaron esta cifra. de nuestro modelo, aunque cuenta con 1. CDC NNIS System. National Nosocomial Infec-
Igualmente, el análisis de la validez inter- la ventaja de ser de muy fácil cálculo. Sin tions Surveillance (NNIS) system report, data
summary from January 1992 to June 2004, is-
na del modelo creado por medio de la embargo, debido a la gran disponibilidad sued October 2004. Am J Infect Control.
prueba de Hosmer y Lemeshow tuvo un que hay en la actualidad de herramientas 2004;32:470-85.
resultado favorable. El área bajo la curva informáticas, consideramos que esa ven- 2. Vincent JL, Bihari DJ, Suter PM, Bruining HA,
White J, Nicolas-Chanoin MH, et al. The preva-
de eficacia diagnóstica, medida de la ca- taja con respecto a nuestro estudio es lence of nosocomial infection in intensive care
pacidad de discriminación del modelo, poco relevante. Los estudios de Joshi et units in Europe. Results of the European Preva-
fue también excelente en las 2 cohortes. al25 y Kropec et al26 sí se refieren al caso lence of Infection in Intensive Care (EPIC) Study.
EPIC International Advisory Committee. JAMA.
Los valores predictivos, aunque correc- concreto de las NN, pero tienen el incon- 1995;274:639-44.
tos, no son del todo satisfactorios, sobre veniente de que se publicaron hace 13 y 3. Herruzo R. Infecciones en UCI. En: Vaqué J,
todo en lo que se refiere al valor predicti- 9 años, respectivamente, con los cam- editor. Grupo de Trabajo EPINE. Evolución de la
vo positivo. De cualquier forma, los valo- bios que en las características de los pa- prevalencia de las infecciones nosocomiales en
los hospitales españoles. EPINE 1990-2004.
res obtenidos son lógicos teniendo en cientes y en la epidemiología de las infec- Barcelona: Sociedad Española de Medicina Pre-
cuenta la baja prevalencia de NN en la ciones nosocomiales se han producido ventiva, Salud Pública e Higiene; 2001. p. 83-8.

764 Med Clin (Barc). 2007;128(20):761-5


Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 765

LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS

4. Álvarez-Lerma F, Palomar M, Olaechea P, In- rates in adult and pediatric intensive care units 19. Mazumdar M, Glassman JR. Categorizing a
sausti J, Bermejo B, Cerdá E. Estudio nacional in the United States. Am J Med. 1991;91 Suppl prognostic variable: review of methods, code for
de vigilancia de infección nosocomial en unida- 3B:185-91. easy implementation and applications to deci-
des de cuidados intensivos. Informe del año 13. Girou E, Schortgen F, Delclaux C, Brun-Buisson sion-making about cancer treatments. Stat Med.
2001. Med Intensiva. 2003;27:13-23. C, Blot F, Lefort Y, et al. Association of noninva- 2000;19:113-32.
5. Shorr AF, Kollef MH. Clinical and economic con- sive ventilation with nosocomial infections an 20. Álvarez-Lerma F, Palomar M, Olaechea P, De la
sequences of ventilator-associated pneumonia: survival in critically ill patients. JAMA. 2000; Cal MA, Insausti J, Bermejo B. Estudio nacional
a systematic review. Crit Care Med. 2005;33: 284:2361-7. de vigilancia de infección nosocomial en unida-
2184-93. 14. Shorr AF, Kollef MH. Ventilator-associated pneu- des de cuidados intensivos. Informe del año
6. Celis R, Torres A, Gatell JM, Almela M, Rodrí- monia, insights from recent clinical trials. Chest. 2000. Med Intensiva. 2002;26:39-50.
guez-Riosin R, Agustí-Vidal A. Nosocomial pneu- 2005;128 5 Suppl 2:583-91. 21. Álvarez-Lerma F, Palomar M, Insausti J, Olae-
monia. A multivariate analysis of risk and prog- 15. Sirvent JM, Torres A, El-Ebiary M, Castro P, chea P, Cerdá E, Sánchez J, et al. Infecciones
nosis. Chest. 1988;93:318-24. Batle J, Bonet A. Protective effect of intrave- nosocomiales por Staphylococcus aureus en pa-
7. Kollef MH. Ventilator-associated pneumonia. A nously administered cefuroxime against noso- cientes críticos en unidades de cuidados intensi-
multivariate analysis. JAMA. 1993;270:1965-70. comial pneumonia in patients with structural vos. Med Clin (Barc). 2006;126:641-6.
8. Heyland DK, Cook DJ, Griffith L, Keenan SP, coma. Am J Respir Crit Care Med. 1997;155: 22. Domenech JM. Análisis multivariante: modelos
Brun-Buisson C. The attributable morbidity and 1729-34. de regresión. UD 8. Modelo de regresión logísti-
mortality of ventilator-associated pneumonia in 16. Mahul P, Auboyer C, Jospe R, Ros A, Guerin C, ca. Barcelona: Signo; 2004.
the critically ill patient. The Canadian Critical El Khouri Z, et al. Prevention of nosocomial 23. Garrido G, Madero R, Herruzo R, García J. In-
Trials Group. Am J Respir Crit Care Med. 1999; pneumonia in intubated patients: respective role fección nosocomial en una unidad de cuidados
159:1249-56. of mechanic subglottic secretions drainage and intensivos: análisis multivariante de los factores
9. Rello J, Ollendorf DA, Osler G, Vera-Llonch M, stress ulcer prophylaxis. Intensive Care Med. de riesgo. Med Clin (Barc). 1997;108:405-8.
Bellm L, Redman R, et al. Epidemiology 1992;18:20-5. 24. Peres D, Mélot C, Lopes F, Vincent J-L. Infection
and outcomes of ventilator associated pneumo- 17. Valles J, Artigas A, Rello J, Bonsoms N, Fonta- Probability Score (IPS): a method to help assess
nia in a large US database. Chest. 2002;122: nals D, Blanch L, et al. Continuous aspiration of the probability of infection in critically ill patients.
2115-21. subglottic secretions in preventing ventilator-as- Crit Care Med. 2003;31:2579-84.
10. Cook DJ, Kollef MH. Risk factors for ICU-acqui- sociated pneumonia. Ann Intern Med. 1995;122: 25. Joshi N, Russell A, Hamory B. A predictive risk
red pneumonia. JAMA. 1998;279,1605-6. 179-86. index for nosocomial pneumonia in the intensive
11. Craven DE, Steger KA. Epidemiology of nosoco- 18. CDC NNIS System. National Nosocomial Infec- care unit. Am J Med. 1992; 93:135-42.
mial pneumonia: new perspectives on an old di- tions Surveillance (NNIS) System report, data 26. Kropec A, Schulgen G, Just H, Geiger K, Schu-
sease. Chest. 1995;108 Suppl 2:1-16. summary from January 1992 to June 2002, is- macher M, Daschner F. Scoring system for no-
12. Jarvis WR, Edwards JR, Culver DH, Hughes JM, sued August 2002. Am J Infect Control. 2002; socomial pneumonia in ICUs. Intensive Care
Horan T, Emori TG, et al. Nosocomial infection 30:458-75. Med. 1996;22:1155-61.

Med Clin (Barc). 2007;128(20):761-5 765