Regresión logística binaria para crear un modelo predictivo de daño hepático en el paciente séptico



Título del documento: Regresión logística binaria para crear un modelo predictivo de daño hepático en el paciente séptico
Revista: Acta médica del Centro
Base de datos: PERIÓDICA
Número de sistema: 000413068
ISSN: 1995-9494
Autores: 1
2
3
1
Instituciones: 1Hospital Militar Clínico Quirúrgico "Comandante Manuel Fajardo Rivero", Santa Clara, Villa Clara. Cuba
2Cardiocentro "Ernesto Che Guevara", Santa Clara, Villa Clara. Cuba
3Hospital Militar "Dr. Luis Díaz Soto", La Habana. Cuba
Año:
Volumen: 12
Número: 1
Paginación: 10-18
País: Cuba
Idioma: Español
Tipo de documento: Artículo
Enfoque: Analítico, descriptivo
Resumen en español Introducción: la sepsis, por todos los eventos que desencadena afecta, de forma directa o indirecta, a la totalidad de los órganos. Es frecuente observar, en la evolución de estos enfermos, el desarrollo de disfunción o insuficiencia hepática que, rara vez, es diagnosticada, solo hasta que aparecen signos clínicos como ictericia o trastornos de la coagulación. Objetivo: diseñar un modelo predictivo de daño hepático en el paciente séptico. Método: se realizó un estudio observacional, de caso-control, retrospectivo y de desarrollo. Se tomaron 508 fallecidos con evidencias clínicas y anatomopatológicas de sepsis de la Unidad de Cuidados Intensivos que cumplieron los criterios de intencionalidad, de enero de 2006 hasta diciembre de 2015 en el Hospital “Manuel Fajardo Rivero”. De estos fallecidos se tomaron 100 casos y 100 controles. Resultados: las variables que quedaron incluidas en el modelo, después del análisis de regresión logística binaria, fueron: síndrome de disfunción múltiple de órganos, bilirrubina directa, fosfatasa alcalina, colesterol total, creatinina, razón internacional normalizada y plaquetas. Prueba de Hosmer-Lemeshow=1,867 y p=0,985. Sensibilidad de 57,69 y especificidad de 100. Valor predictivo positivo de 100 y un valor predictivo negativo de 68,57, índice de validez de 78,00. El área observada bajo la curva Receiver Operating Characteristic es de 0,922, con una significación asociada al estadígrafo calculado de 0,000. Conclusiones: el modelo demostró buena capacidad discriminatoria y ser un buen predictor de daño hepático en el paciente séptico
Resumen en inglés Introduction: sepsis, for all the events it unleashes, affects, directly or indirectly, all the organs. It is common to observe, in the evolution of these patients, the development of dysfunction or hepatic failure that, rarely, it is diagnosed until clinical signs such as jaundice or coagulation disorders appear. Objective: to design a predictive model of liver damage in the septic patient. Method: an observational, retrospective and developmental study of case-control, of case-control, was carried out. A total of 508 deaths were taken with clinical and pathological evidence of sepsis from the Intensive Care Unit that met the intentionality criteria, from January 2006 to December 2015 at “Manuel Fajardo Rivero” Hospital. Of these deaths, 100 cases and 100 controls were taken. Results: the variables that were included in the model, after the binary logistic regression analysis, were: multiple organ dysfunction syndrome, direct bilirubin, alkaline phosphatase, total cholesterol, creatinine, international normalized ratio and platelets. Hosmer-Lemeshow test=1,867 and p=0,985. Sensitivity of 57,69 and specificity of 100. Positive predictive value of 100 and a negative predictive value of 68,57, validity index of 78,00. The area observed under the Receiver Operating Characteristic curve is 0,922, with a significance associated to the calculated statistician of 0,000. Conclusions: the model demonstrated good discriminatory capacity and to be a good predictor of liver damage in the septic patient
Disciplinas: Medicina
Palabras clave: Diagnóstico,
Gastroenterología,
Microbiología,
Falla hepática,
Insuficiencia hepática,
Sepsis,
Modelos predictivos
Keyword: Medicine,
Diagnosis,
Gastroenterology,
Microbiology,
Liver failure,
Hepatic insufficiency,
Sepsis,
Predictive models
Texto completo: Texto completo (Ver HTML)