El Factor Pronostico en Terapia Intensiva
Transcript of El Factor Pronostico en Terapia Intensiva
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
1/15
EL FACTOR PRONOSTICO EN TERAPIA INTENSIVA
El presente artculo es una actualizacin al mes de diciembre del 2006 del Captulodel Dr. Carlos
Lovesio, del Libro Medicina Intensiva, Dr. Carlos Lovesio, Editorial El Ateneo, Buenos Aires (2001)
INTRODUCCIN
El poder establecer un pronstico en relacin con la evolucin de las enfermedades es unaparte integral del cuidado mdico. Los mdicos necesitan conocer los beneficios de los tratamientos
y los efectos tanto de las enfermedades como de las teraputicas para recomendar un curso de
accin, y compartir decisiones con los pacientes y sus familiares. Durante muchos aos se utilizaronsistemas pronsticos simples, tales como el escore Apgar para anticipar problemas en el recin
nacido, la clasificacin de Childs-Pugh para predecir la evolucin de los pacientes con insuficiencia
heptica, y los criterios de Ranson para predecir la sobrevida en la pancreatitis aguda. El empleo
exitoso de estos ndices de prediccin estimul el desarrollo de modelos pronsticos en otroscampos de la medicina, en especial en los pacientes crticos en terapia intensiva.
En el ao 1983, una Conferencia de Consenso sobre Cuidados Crticos del NIH formul las
siguientes recomendaciones: La combinacin de enfermedades que comprometen la vida, recursos
limitados, tcnicas teraputicas y de monitoraje invasivas y los altos costos imponen la necesidad decontar con datos adecuados en los cuales basar las decisiones y establecer prioridades. Las
investigaciones deben estar destinadas a determinar de que manera las UTIs pueden ser utilizadas
para el mximo beneficio de los pacientes crticos. Tales investigaciones deben incluirprocedimientos destinados a seleccionar a los pacientes (triaging) de modo de no negar el
ingreso a pacientes que pueden beneficiarse de la atencin en estas unidades as como excluir a
aqullos que no tienen una chance razonable de beneficiarse con el tratamiento. En este sentido, sedeben estimular las investigaciones destinadas a desarrollar predictores pronsticos en funcin delas condiciones de presentacin, diagnsticos y otras variables fisiolgicas agudas.
Los sistemas de escore pronstico en Terapia Intensiva se han desarrollado en parte para
satisfacer los requerimientos precedentes. Los sistemas de escore pronstico son herramientas que
predicen la evolucin de los pacientes basados en parmetros fisiolgicos que se considera que secorrelacionan con la evolucin, en base al anlisis estadstico o a la opinin de expertos. Estos
sistemas se han desarrollado histricamente para predecir la evolucin en grupos poblaciones y no
en pacientes individuales.
Los usos propuestos para los sistemas de escore pronstico en los pacientes crticos
incluyen: 1) establecer decisiones respecto al ingreso o descarga de la UTI de pacientesindividuales, 2) ayudar en las discusiones con los pacientes y los familiares respecto a la suspensin
de medidas teraputicas, 3) comparar la performance entre distintas UTIs o establecer mejoras de
calidad dentro de una unidad individual, 4) evaluar los efectos de nuevos tratamientos,procedimientos, o reorganizacin de la UTI, 5) asegurar que los grupos de pacientes en los estudios
de investigacin tengan una severidad de enfermedad similar, y 6) determinar la distribucin ptima
de las camas de terapia intensiva y de otros recursos del hospital.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
2/15
DESARROLLO DE LOS SISTEMAS DE ESCORE PRONSTICOS
Los sistemas de escore pronstico para los pacientes en UTI se han diseado para estableceruna estimacin de la probabilidad de mortalidad hospitalaria. Los mismos han evolucionado hasta
la actualidad a travs de tres generaciones de desarrollo. El primer sistema en aparecer en laliteratura fue el Acute Physiology and Chronic Health Evaluation (APACHE). La seleccin de
variables y su peso relativo se bas en decisiones subjetivas de un grupo de expertos. Por s mismo,
el sistema APACHE inicial constituy la primera generacin de sistemas de escore en UTI.
La segunda generacin est representada por tres sistemas:el APACHE II, el Simplified
Acute Physiology Score (SAPS I) y el Mortality Probability Models (MPM I). El SAPS I y elAPACHE II derivaron directamente del APACHE original, por simplificacin del nmero de
variables incluidas. El MPM I utiliza un modelo de regresin logstica mltiple para la seleccin de
variables y para establecer el peso estadstico apropiado a partir de una gran cantidad de variablesposibles. El SAPS I establece solamente un escore, mientras que los otros dos sistemas permiten
realizar una ecuacin para establecer el riesgo de muerte hospitalaria.
La tercera generacin de sistemas incluye el APACHE III, el MPM II, y el SAPS II, todos
ellos estn basados en tcnicas de regresin logstica. La performance de estos modelos, tanto en
sus etapas de desarrollo como de validacin, se evalua a travs de medidas de calibracin y dediscriminacin.
La calibracin evala el grado de correspondencia existente entre las probabilidades de
mortalidad estimadas por el modelo y la mortalidad actual experimentada por los pacientes. Si un
modelo estima que un paciente tiene una probabilidad de muerte hospitalaria de 0,38, ello significaque entre 100 pacientes con probabilidad de morir, 38 se debe esperar que mueran y 62 se debeesperar que sobrevivan. Cuando el nmero observado de muertes es prximo al nmero esperado
por el modelo, el modelo se considera que est bien calibrado. La existencia de grandes diferencias
sugiere que el modelo no refleja correctamente la evolucin en esta cohorte de pacientes.
La discriminacin utiliza la curva ROC (Receiver Operating Characteristic) para evaluar lacapacidad del modelo de distinguir los pacientes que mueren de los que viven, sobre la base de las
probabilidades estimadas de mortalidad. Para construir la curva ROC, se especifica una secuencia
de puntos de corte de probabilidad y se construye una tabla de clasificacin 2 x 2 de evoluciones
predichas y observadas para cada punto de corte. Por ejemplo, si el punto de corte elegido es 0,35,cada paciente cuya probabilidad de mortalidad es 0,35 o ms se debe predecir que morir, mientras
que todo paciente cuya probabilidad es menos de 0,35 se predice que vivir. La mortalidad
observada es anotada para cada paciente, y en funcin de los resultados de la tabla 2 x 2, sedeterminan los resultados falsos-positivos y falsos-negativos. Todos los pares de la secuencia de
puntos de corte son luego distribuidos en una grfica, resultando en la presentacin visual de la
curva ROC.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
3/15
LOS MODELOS DE ESCORE DE PRONSTICO
APACHE II. El sistema APACHE, introducido originalmente en el ao 1981, constituy un
mtodo vlido para la medicin de la severidad de la enfermedad en los pacientes crticos y para
realizar una estratificacin de riesgo, pero era muy complejo y no fue sometido a una validacinmulticntrica. El APACHE II es una modificacin del modelo original, conteniendo tres elementos:
1) puntaje para 12 anormalidades fisiolgicas potenciales, 2) puntaje para la edad, y 3) puntaje para
anormalidades crnicas. El APACHE II predice el riesgo de muerte para grupos de pacientes conuno o ms diagnsticos en UTI en base a una estimacin del impacto de la enfermedad, el riesgo
impuesto por la ciruga de emergencia y el escore en el primer da. Las limitaciones ms
importantes del APACHE II son que la prediccin de mortalidad se realiza en base a los datosobtenidos en los aos 1979-1982, con una incidencia de error de aproximadamente el 15%. El
APACHE II no fue diseado ni intenta predecir la mortalidad de pacientes individuales.
A partir de la recoleccin de los datos del APACHE II se obtiene un escore para cada
paciente. Cuanto mayor es el escore, mayor es la gravedad de la enfermedad. Estos datos sonconvertidos en una probabilidad de muerte para cada paciente. Los mismos, combinados con otrasinformaciones, son utilizados para computarizar una mortalidad predicha para los grupos
poblacionales que entran en el programa. La ecuacin de prediccin de la mortalidad es la
siguiente:
Ln (R/1 R) = -3,517 + (APACHE II) (0,146) + S + D
Donde: R: riesgo de muerte hospitalaria; S: riesgo adicional impuesto por la ciruga de
emergencia; y D: riesgo (+ o -) impuesto por la enfermedad especfica.
APACHE III. El APACHE III fue introducido en 1991 para expandir y mejorar laestimacin pronstica provista por el APACHE II. A pesar de su mayor rendimiento, el APACHE
III no ha logrado reemplazar al APACHE II en la mayora de las Unidades, debido al alto costo para
su implementacin. El sistema APACHE III consiste de dos partes: un escore de APACHE III, quecontiene puntos para 17 anormalidades fisiolgicas (Tabla 1), edad y estado de salud crnico, y una
serie de ecuaciones predictivas establecidas a partir del diagnstico de admisin a UTI, criterios de
seleccin de pacientes y la base de datos del sistema. El escore APACHE III puede ser utilizado
para medir la severidad de la enfermedad y para estratificar el riesgo de los pacientes dentro de unacategora diagnstica nica o de un grupo definido de pacientes. El escore APACHE III tambin
puede ser utilizado para comparar la evolucin de grupos de pacientes, pero slo para aquellas
admisiones a UTI que comparten los diagnsticos y los criterios de seleccin con aqullos delestudio APACHE III. En tal sentido, el sistema ha individualizado 79 categoras diagnsticas y
nueve orgenes posibles de los pacientes.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
4/15
SAPS. El SAPS fue desarrollado como un mtodo independiente para simplificar el sistema
original APACHE. Una versin actualizada, el SAPS II, fue desarrollado y validado utilizando unabase de datos internacional similar a la utilizada por el MPM II. El sistema incluye 17 variables: 12
medidas fisiolgicas, edad, tipo de admisin (ciruga programada, ciruga de urgencia, o mdica) y
tres variables de enfermedad crnica (SIDA, cncer metastsico y enfermedad maligna
hematolgica). El SAPS II ha sido utilizado para evaluar el pronstico de grupos de pacientes ypara comparar la performance de distintas unidades, pero no es utilizable para establecer el
pronstico de pacientes individuales.
MPM. El sistema de Probabilidad de mortalidad (MPM) fue revisado recientemente para
estimar la probabilidad de mortalidad hospitalaria en el momento de la admisin a UTI y a las 24,48 y 72 horas luego de la admisin. El MPM se basa en un modelo estadstico objetivo; la
informacin se obtiene a partir de un gran nmero de variables, seguido por la identificacin de un
pequeo subgrupo de predictores pesados de pronstico derivados a partir de tcnicas de
reduccin estadstica. El modelo de admisin (MPM0) es el nico sistema disponible para estimar la
probabilidad de mortalidad hospitalaria en el momento de la admisin. Los modelos a las 24, 48 y72 horas reflejan el estado del paciente luego del tratamiento y predicen la mortalidad hospitalaria
basada en datos coleccionados durante estos perodos de tiempo.
El sistema MPM ha sido utilizado para evaluar la performance clnica y la relacincosto/efectividad en el cuidado en UTI para grupos de pacientes, y como un mtodo auxiliar para
evaluar la probabilidad de muerte hospitalaria en pacientes seleccionados.
En la Tabla 2 se indican las variables incluidas en cada uno de los sistemas de severidad
previamente citados.
SOFA. El sistema SOFA (Sepsis related organ failure assessment -Vincent y col.-) fuedesarrollado inicialmente para la evaluacin de las fallas orgnicas en los pacientes spticos.Recientemente, con la determinacin diaria del mismo y la evaluacin del denominado SOFA
mximo, este escore se ha convertido en un elemento de pronstico ampliamente utilizado en las
unidades de cuidados crticos, debido a su simplicidad y adecuado poder discriminatorio.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
5/15
Tabla 1. Escore APACHE III para signos vitales y anormalidades de laboratorio.Parmetro Valor asignado Parmetro Valor asignadoPulso (latidos por minuto)
< 3940-49
50-99
100-109110-119
120-139
140-154
> 155
Presin arterial media (mm Hg)
< 39
40-59
60-69
70-79
80-99100-119
120-129
130-139
> 140
Temperatura (C)
< 32,9
33-33,4
33,5-33,934-34,9
35-35,9
36-39,9
> 40
Frec. respiratoria (resp/min)< 5
6-11
12-1314-24
25-34
35-39
40-49
> 50
PaO2 (mm Hg)
< 49
50-69
70-79
> 80DO2 (A-a)
> 100
100-249
250-349
350-499
> 500
Glucosa (mg/dL)
> 39 (peso corporal 40-59 kg)40-59
85
0
15
7
13
17
23
15
7
6
04
7
9
10
20
16
138
2
0
4
17
8
70
6
9
11
18
15
5
2
0
0
7
9
11
14
89
Hematocrito (%)
< 40,941-49
> 50
Glbulos blancos (103x mm3)> 1,0
1,0-2,9
3,0-19,9
20,0-24,9
> 25
Creatinina ( mg/dL) (sin IRA)
< 0,4
0,5-1,4
1,5-1,94
> 1,95Creatinina (mg/dL) (con IRA)
0-1,4
> 1,5
Volumen urinario (cc/da)
< 399
400-599
600-899
900-14991.500-1.999
2.000-3.999
> 4.000
BUN (mg/dL)
< 16,917-19
20-39
40-79> 80
Sodio (mEq/L)
< 119
120-134
135-154
> 155
Albmina (g/dL)
< 1,9
1,0-2,4
2,5-4,4> 4,5
Bilirrubina (mg/dL)
> 1,9
2,0-2,9
3,0-4,9
5,0-7,9
> 8,0
30
3
19
5
0
1
5
3
0
4
7
0
10
15
8
7
54
0
1
02
7
1112
3
4
0
4
11
6
04
0
5
6
8
16
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
6/15
60-199
200-349
> 350
0
3
5
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
7/15
Tabla 2. Variables incluidas en cada uno de los sistemas de severidad
Variables MPM IIadmisin
MPM IIa las 24,48, y 72 hs
SAPS II APACHE III
Estado de saludo crnico
SIDA Cirrosis Linfoma Neoplasia hematolgica Leucemia, mieloma mltiple Insuficiencia heptica Cncer metastsico Inmunosupresin Insuficiencia renal crnica
Valores fisiolgicos
Temperatura Frecuencia cardaca Frecuencia respiratoria Presin arterial (media o sistlica) Hematocrito Glbulos blancos Albmina Bilirrubina Glucosa Sodio srico Potasio srico Bicarbonato srico
Urea o BUN Creatinina Volumen urinario PO2 PaO2 o (A-a)DO2 PaO2 o FiO2 (ventilado o CPAP) pH y PCO2 (estado cido base) Tiempo de protrombina Escala de coma de Glasgow
Diagnsticos agudos
Insuficiencia renal aguda Arritmia cardaca ACV Sangrado digestivo Infeccin
Efecto de masa cerebral Seleccin de uno entre 78 Otros
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
8/15
Edad Origen del paciente Tipo de admisin CPR antes del ingreso a UTI Asistencia respiratoria mecnica Terapia vasoactiva
Tabla 3. Escore de evaluacin de la falla orgnica secuencial (SOFA) (Vincent J., y col.: Intensive
Care Med 22:707-1996)Sistema orgnico 1 2 3 4
Respiracin (PaO2/FiO2mm Hg)
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
9/15
sugiere que si el fallo circulatorio que conduce a la disfuncin orgnica severa con compromiso
progresivo de rganos persiste o se amplifica luego del tratamiento por cinco das, se asocia conmal pronstico. Cabre y col., en Espaa, comprobaron que en los pacientes por encima de 60 aos,
la presencia de un SOFA mximo de 13 o ms en cualquiera de los primeros cinco das, un SOFA
mnimo inferior a 10 en cualquier momento, y un SOFA con tendencia estable o en aumento, se
asocia con una mortalidad del 100%. Desde un punto de vista prctico conviene recordar que unpaciente con un escore SOFA por encima de 10, una edad por encima de 60 aos, y una tendencia
positiva o sin cambio en los primeros cinco das tendr una mortalidad del 100%.
Kajdacsy-Balla y col., evaluando el TMS, comprobaron que existen significativas
disparidades en la mortalidad observada y predicha para pacientes infectados y no infectados.Luego de adicionar la infeccin como una covariable (SOFA Max-infection model), la performance
mejora. Ello significa que cuando se utiliza el escore SOFA para evaluar la gravedad de un proceso,
se debe ajustar para la presencia o ausencia de infeccin.
El diagnstico de ingreso del paciente a la Unidad tambin influye el pronstico paraaqullos que desarrollan disfunciones orgnicas. La mortalidad hospitalaria es generalmente mayorpara los pacientes con fallas orgnicas cuyo diagnstico de ingreso es clnico y para aqullos que
deben ser sometidos a ciruga de urgencia. La mortalidad, por otra parte, es menor en pacientes
admitidos por trauma mltiple que en aqullos ingresados por sepsis o luego de un paro cardaco.
EMPLEO DE LOS ESCORES DE SEVERIDAD
Los escores de severidad han sido propuestos para ser utilizados en la prediccin evolutiva
de pacientes individuales, para evaluar la performance de las UTIs y para facilitar la realizacin delos ensayos teraputicos. En general, los usos propuestos deben ser considerados para un nivel depacientes individuales y para un anlisis de grupos poblacionales. Esto es, los escores se pueden
utilizar para tratar de establecer por anticipado el pronstico de un paciente en particular, o para
reconocer la evolucin de un grupo de pacientes. A pesar de los numerosos ensayos realizados conlos escores precedentes, an no existe una opinin universalmente aceptada respecto a su utilidad.
Un hecho a destacar es que en muchos estudios observacionales se ha sugerido que los
mdicos de terapia intensiva discriminan entre sobrevivientes y no sobrevivientes de una manera
ms adecuada que los sistemas de escores en las primeras 24 horas de admisin. En un estudio
reciente, Sinuff y col. evaluaron 12 estudios que comparaban la prediccin por el mdico y por elsistema de escore en pacientes ingresados a UTI. El hallazgo principal fue que tanto los mdicos
como los sistemas objetivos de escore tenan una capacidad moderada para discriminar entre los
sobrevivientes y no sobrevivientes, y que los mdicos eran ms eficientes que los sistemas deescores. Ello plantea difciles decisiones ticas respecto al rol de estos escores para establecer
conductas, y destaca el riesgo de los mismos en cuanto a las decisiones que impliquen suspender
medidas de soporte vital.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
10/15
Prediccin para pacientes individuales
Meyer y colaboradores comprobaron que ya sea que se utilice el criterio clnico o un escore
de riesgo objetivo para establecer la posibilidad de muerte de un paciente en particular, la
posibilidad de error es muy elevada. En efecto, de los pacientes en que ambos mtodos predijeron lamuerte, el 40% sobrevivan en el momento de la evaluacin final. La conclusin de los autores es
que no existe ningn mtodo para predecir la mortalidad individual. Por lo tanto, un buen sistema
de severidad provee una estimacin exacta del nmero de pacientes que se espera que muerandentro de un grupo de pacientes similares; el mismo no establece ninguna prediccin sobre que
paciente particular ser el que vivir y cual el que morir. Utilizando un modelo de severidad bien
calibrado, se puede esperar razonablemente que aproximadamente el 75% de los pacientes con unaprobabilidad de muerte del 0,75 morir, pero no se puede saber por anticipado cual ser el 75% que
muera y cual ser el 25% que sobreviva.
La posibilidad de que las decisiones clnicas puedan ser facilitadas si se dispone de un
mtodo de evaluacin pronstica objetivo es atractiva. Los mdicos estn interesados en disponerde un sistema de severidad para pacientes individuales como un agregado a su opinin informadapero subjetiva. El empleo de estas herramientas como parte del rbol de toma de decisiones es una
eleccin razonable y prudente. Sin embargo, las decisiones deben continuar siendo de la absoluta
responsabilidad de los mdicos y deben basarse en mltiples criterios, uno de los cuales puede ser lagravedad, tal como se estima con un sistema de evaluacin bien calibrado.
Evaluacin de la performance de las Unidades
A la luz de las controversias que involucran la estructura, beneficios y costos de la MedicinaCrtica, los sistemas pronsticos proveen un cuerpo de anlisis objetivo que puede ayudar a los
mdicos y a los administradores a analizar y reconocer la eficacia del cuidado mdico brindado ensu propia unidad, en comparacin con una base de datos desarrollada a partir de dichos escores.
Utilizando el sistema APACHE III, Knaus y colaboradores estimaron la probabilidad de
mortalidad hospitalaria en una muestra consecutiva de 16.622 pacientes de 42 unidades. Observaronque la relacin entre la mortalidad observada y la esperada vara entre el 0,67 y el 1,21 en distintas
UTIs. Esto significa que en algunas unidades la mortalidad observada es menor que la esperada por
el modelo, y en otras unidades es mayor. Le Gall y colaboradores, utilizando el sistema SAPS IIcon el mismo objetivo, estimaron la probabilidad de mortalidad hospitalaria y observaron la
mortalidad real en Unidades de varios pases. La relacin entre los pases vari del 0,74 al 1,31, con
algunos pases con mayor nmero de muertes que las esperadas y otros con un nmero menor.
Los resultados precedentes no significan necesariamente que existan diferencias objetivas
entre la calidad de cuidados brindados por distintas unidades o por unidades de distintos pases. Lasrelaciones precedentes deben ser interpretadas como una indicacin de que es necesario estudiar
ms profundamente los factores operativos en las distintas unidades para establecer aqullos
asociados con las diferencias de mortalidad.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
11/15
Ensayos teraputicos
Un problema crtico en la realizacin de los estudios clnicos prospectivos es la capacidad de
demostrar que el grupo control y el grupo bajo tratamiento presenta el mismo grado de gravedad de
enfermedad. Los sistemas de escore pronstico permiten establecer una medida de la gravedad de laenfermedad y pueden ser utilizados en forma efectiva en este contexto. Al momento actual, estos
escores se han utilizado para la seleccin de los pacientes en los distintos ensayos teraputicos
realizados en pacientes spticos.
CONTROVERSIAS RELACIONADAS CON EL EMPLEO DE LOS ESCORESPRONSTICOS
A pesar del entusiasmo de un grupo de especialistas en Medicina Crtica por los sistemas de
escore pronstico, se han realizado crticas y observaciones respecto al empleo de los mismos. Acontinuacin se analizan algunas de las estimaciones.
Aplicacin a unidades especializadas
Nadie discute la necesidad de realizar una evaluacin extensa de cualquier sistema
pronstico. Como ya se ha indicado, los mismos deben tener un alto grado de discriminacin y de
calibracin. Por lo tanto, se debe tener cuidado con la aplicacin de los mismos en Unidadesaltamente especializadas con poblaciones seleccionadas. Por ejemplo, en unidades de trauma,
neuroquirrgicas o incluso de ciruga general, se debe ser muy cuidadoso en la demostracin de los
poderes de discriminacin y de calibracin antes de emplear un modelo pronstico. El modelo
APACHE II ha sido criticado debido a su debilidad para pronosticar en grupos poblacionalesespecficos: trauma, SIDA, posoperatorio cardiovascular. No se deben aplicar estos modelos en
reas diferentes de aqullas en las cuales han sido desarrollados y validados.
Evaluacin de la calidad de atencin
Uno de los motivos principales para lo cual fueron diseados los escores pronsticos fue
para asegurar la calidad de atencin. Sin embargo, se debe tener en cuenta el tiempo y el esfuerzo
requerido para colectar y analizar adecuadamente los datos. Todo dato que es colectado en formamanual y entrado en un ordenador debe ser corroborado adecuadamente.
La interpretacin de los datos es un hecho problemtico, ya que se debe tener en cuenta que
estos modelos son tiles en relacin al momento y al lugar donde fueron desarrollados. Laaplicacin de los mismos en pases fuera del de origen o su aplicacin dcadas despus de su
desarrollo puede resultar en resultados estadsticos en ms o en menos con respecto a la calidad deatencin. Esto puede significar no que la UTI en anlisis es significativamente diferente de lo
predicho, sino que el modelo no est adecuadamente calibrado para ser utilizado en ese pas o en
ese perodo de tiempo.
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
12/15
Aplicacin para evaluar la evolucin individual
Los sistemas de escore pronstico fueron desarrollados inicialmente para predecir la
evolucin en poblaciones de pacientes y no en pacientes individuales. El sistema APACHE III se ha
propuesto para predecir el riesgo de mortalidad en pacientes individuales. Los datos del escore seingresan en forma diaria. Cada estimacin diaria se basa en el resultado del da de ingreso y en el
escore APACHE ms reciente, as como en la localizacin del paciente y la categora de la
enfermedad. El uso de los sistemas pronsticos para predicciones individuales puede ser tentador,pero al mismo tiempo muy riesgoso. En efecto, ningn sistema ha probado ser 100% exacto, lo cual
hace que la informacin colocada en manos inapropiadas puede ser peligrosamente mal aplicada.
Contencin de costos
En una situacin de demandas crecientes y de costos finitos, la Medicina Crtica se
encuentra en estrecha observacin a fin de brindar una adecuada relacin costos beneficios y costos
eficacia. El establecer un escore pronstico puede ser til para realizar la seleccin (triage) de lospacientes en cuanto a la alocacin en terapia intensiva, en unidades de cuidados intermedios, o en
pisos de atencin general. Esto representa una situacin desafiante, por cuanto puede hacer que
pacientes que se beneficien, aunque sea marginalmente, de los cuidados en terapia intensiva, seanderivados a reas de menor atencin, con los consiguientes riesgos implcitos.
Uso de los sistemas de escore pronstico en la toma de decisiones ticas
Cuatro premisas ticas bsicas gobiernan todas las decisiones medicas: autonoma,beneficencia, no maleficencia y justicia distributiva. Algunos autores han propuesto que los
sistemas de escore pronstico contribuyen positivamente a todos estos preceptos. La autonoma del
paciente es aumentada por la informacin adicional que estos sistemas pueden proveer al mismo, locual, como consecuencia, facilita la toma de decisiones. La beneficencia es aumentada a travs de lacapacidad del mdico de recibir informacin que puede ser utilizada para tomar decisiones en
situaciones de falta de certezas. La no maleficencia es aumentada por la capacidad del mdico de
evitar proponer teraputicas no beneficiosas. La justicia distributiva es aumentada a travs de lacapacidad de disponer de los recursos y de las teraputicas en forma razonable. Se debe tener en
cuenta, sin embargo, que dado el grado de debate existente sobre estos sistemas, el uso de los
escores pronsticos en reas de tica mdica contina siendo muy controvertido.
CONCLUSIN
Los sistemas de escore pronstico permiten al personal mdico y administrativo evaluar la
performance de una UTI en relacin con otras. Estos sistemas se estn utilizando en forma crecienteen distintos pases del mundo. Teniendo en cuenta la complejidad de los pacientes crticos y la
variedad de organizaciones de Medicina Intensiva en distintos lugares, los mismos proveen una
herramienta mayor para evaluar dichos servicios. Independientemente del modelo de cuidado
crtico empleado, los mdicos disponen en la actualidad de un instrumento para evaluar su
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
13/15
performance. En adicin a su empleo en tal sentido, estos sistemas pueden servir otros propsitos
potenciales. A pesar de ello, los mismos y sus aplicaciones aun son controvertidos. Se trata desistemas cada vez ms complejos, lo cual hace que puedan ser mal interpretados e incluso mal
utilizados.
Al momento actual es importante realizar una evaluacin creciente y con una base de datos
cada vez ms amplia de los distintos sistemas de asistencia mdica. Un ejemplo de una base de
datos nacional es el Proyecto de la Sociedad Americana de Medicina Crtica (SCCM) denominadoIMPACT, el cual se basa en la coleccin de datos en forma estandarizada en mltiples Unidades de
USA. A fines del ao 1999, se encontraban en procesamiento los datos de ms de 37.000 pacientes.
Una necesidad imperiosa es el desarrollo de un sistema que permita establecer pronsticos a mslargo plazo, por ejemplo seis meses despus del alta de UTI. En este sentido, el modelo SUPPORT
(Study to Understand Prognosis and Preferences for Outcomes and Risks of Treatments) se
encuentra en pleno desarrollo.
BIBLIOGRAFIA
Becker R., Zimmerman J.: ICU scoring systems allow prediction of patient outcomes and
comparison of ICU performance. Crit Care Clin 12:503-1996
Chalfin D.: Decision analysis in Critical Care Medicine. Crit Care Clin 15:647-1999
Chelluri L., Pinsky M., Donahoe M.: Long term outcome of critically ill elderly patients requiring
intensive care. JAMA 269:3119-1993
Chernow B.: Variables affecting outcome in critically ill patients. Chest 115:71S-1999
Crippen D.: Critical care and the Internet. Crit Care Clin 15:605-1999
Diamond G.: Future imperfect: the limitations of clinical predication model and the limits of clinical
prediction. J Amer Coll Cardiol 14:12A-1989
Fery-Lemonnier E., Landais P., Loirat D.: Evaluation of severity scoring systems in ICUs:
translation, conversion and definition ambiguities as a source of inter observer variability in APACHE II,
SAPS, and OSF. Intensive Care Med 21:356-1995
Herridge M.: Prognostication and intensive care unit outcome: the evolving role of scoring systems.
Clin Chest Med 24:751.2003
Janssens U., Graf C., Graf J.: Evaluation of the SOFA score: a single center experience of a medical
intensive care unit in 303 consecutive patients with predominantly cardiovascular disorders. Intensive Care
Med 26:1037-2000
Kajdacsy-Balla A., Andrade F., Moreno R.: Use of the Sequential Organ Failure Assessment score
as a severity score. Intensive Care Med 31:243-2005
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
14/15
Keita P., Gaynes R.: Severity of illness scoring systems to adjust nosocomial infection rates. Am JInfect Control 24:429-1996
Knaus W., Draper E., Zimmerman J.: APACHE II: A severity of disease classification system. Crit
Care Med 13:818-1985
Knaus W., Draper E., Wagner D.: An evaluation of outcome from intensive care in major medical
centers. Ann Intern Med 104:410-1986
Knaus W.: The science of prognosis and the world of intensive care. Int and Crit Care Dig 5:1-1986
Knaus W., Wagner D., Draper E.: The APACHE III Prognostic System. Chest 100:1619-1991
Knaus W., Wagner D., Zimmerman J.: Variations in mortality and length of stay in intensive care
units. Ann Intern Med 118:753-1993
Knaus W., Harrell F., Lynn J.: The SUPPORT Prognostic model. Ann Intern Med 122:191-1995
Kollef M.: Improving outcomes in the ICU setting. Chest 115:1489-1999
Le Gall J.: A simplified acute physiology score for ICU patients. Crit Care Med 12:975-1984
Le Gall J., Lemeshow S., Saulnier F.: A new Simplified Acute Physiology Score (SAPS II) based on
a European/North American Multicenter Study. JAMA 270:2957-1993
Le Gall R., Klar J., Lemeshow S.: The Logistic Organ Dysfunction System. JAMA 276:802-1996
Lemeshow S., Le Gall J.: Modeling the severity of illness of ICU patients: a systems update. JAMA
272:1049-1994
Lemeshow S., Klar J., Teres D.: Mortality probability models for patients in the intensive care unit
for 48 or 72 hours: a prospective, multicenter study. Crit Care Med 22:1351-1994
NIH Consensus Development Conference on Critical Care Medicine. Crit Care Med 14:466-1983
Osler T., Nelson L., Bredrick E.: Injury Severity Scoring. J Intensive Care Med 14:9-1999
Peres Bota D., Melot C., Ferreira F.: The Multiple Organ Dysfunction Score (MODS) versus the
Sequential Organ Failure Assessment (SOFA) score in outcome prediction. Intensive Care Med 28:1619-
2002
Pollack M.: Role of clinical scoring systems in intensive care. Crit Care, State of the Art10:101.1989
Pronovost P., Augus D.: Using large scale databases to measure outcomes in critical care. Crit Care
Clin 15:615-1999
Rui Moreno R., Vincent J. Matos R.: The use of maximum SOFA score to quantify organ
disfuntion/failure in intensive care. Intensive Care Med 25:696-1999
-
7/28/2019 El Factor Pronostico en Terapia Intensiva
15/15
Rui Moreno R.: Outcome prediction in Intensive Care. En Vincent J. (Edit.): 2000 Yearbook ofIntensive Care and Emergency Medicine, Springer, Berln 2000
Selker H.: Systems for comparing actual and predicted mortality rates: characteristics to promote
cooperation in improving hospital care. Ann Intern Med 118:820-1993
Sherck J., Shatney C.: ICU scoring systems do not allow prediction for patient outcomes or
comparison of ICU performance. Crit Care Clin 12:515-1996
Sinuff T., Adhikari N., Cook D.: Mortality predictions in the intensive care unit: comparing
physicians with scoring systems. Crit Care Med 34:878-2006
Suistomaa M., Uusaro A., Parviainen L.: Resolution and outcome of acute circulatory failure does
not correlate with hemodynamics. Critical Care 7:R52-2003
Tran D., Groeneveld J., Meulen J.: Age, chronic disease, sepsis, organ system failure, and mortality
in a medical intensive care unit. Crit Care Med 18:474-1990
Vassar M., Lewis F., Chambers J.: Prediction of outcome in Intensive Care Unit Trauma patients: a
multicenter study of APACHE, TRISS, and a 24 hour intensive care unit point system. J Trauma 47:324-
1999
Vincent J., Moreno R., Takala J.: The SOFA (Sepsis related organ failure assessment) score to
describe organ dysfunction/failure. Intensive Care Med 22:707-1996
Vincent J.: Prevention and therapy of multiple organ failure. World J Surg 20:465-1996
Vincent J.: Organ dysfunction as an outcome measure: The SOFA Score. Sepsis 1:53-1997
Vincent J., Mendonca A., Contraine F.: Use of the SOFA score to assess the incidence of organ
dysfunction/failure in intensive care units. Crit Care Med 26:1793-1998
Zimmerman J., Shorten S., Rousseau D.: Improving intensive care: Observations based on
organizational case studies in nine intensive care units. A prospective, multicenter study. Crit Care Med
21:1443-1993