Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva
Autor(a) principal: | |
---|---|
Data de Publicação: | 2020 |
Tipo de documento: | Tese |
Idioma: | por |
Título da fonte: | Biblioteca Digital de Teses e Dissertações da USP |
Texto Completo: | https://www.teses.usp.br/teses/disponiveis/5/5152/tde-28102020-165038/ |
Resumo: | Modelos preditivos e escores de gravidade para pacientes de trauma vem sendo estudados nas últimas décadas, melhorando o cuidado hospitalar e controle de qualidade. Entretanto, modelos de predição de mortalidade são em sua maioria baseados em dados pré-hospitalares, e há pouca informação na literatura sobre a predição em pacientes críticos vítimas de trauma. Para melhor entender mortalidade nesse cenário singular, nós desenhamos um modelo preditivo de óbito em pacientes vítima de trauma na Unidade de Terapia Intensiva (UTI). Uma coorte retrospectiva foi executada de abril de 2012 a julho de 2017 usando uma base de dados coletados prospectivamente de paciente de trauma admitidos em uma UTI especializada em um hospital escola. Todos pacientes consecutivos de trauma nessa UTI foram incluídos, quer tenham chegado do Pronto-Socorro ou do Centro Cirúrgico. O objetivo primário do estudo foi desenvolver um modelo preditivo de risco de morte na UTI baseado em dados epidemiológicos, clínicos e laboratoriais coletados quando da admissão na UTI. Um modelo de regressão logística foi construído baseado nas variáveis significantes. A validade preditiva foi avaliada de acordo com especificidade e robustez. Entre 1.503 pacientes incluídos, 23% foram à óbito na UTI. Comparados com aqueles que sobreviveram, eles eram mais velhos (46,6 vs. 38,6 anos, p < 0,0001), maior prevalência de Traumatismo Crânio Encefálico (TCE) (78,61% vs. 60,24%, p < 0,001), e maiores de ambos Simplified Acute Physiology Score (SAPS 3) (61,73 vs. 44,46, p < 0,001) e Injury Severity Score (ISS) (27,36 vs. 23,67, p < 0,001), todos com diferença estatisticamente significativa. Um modelo regressivo final foi construído com uma regressão logística binária para todas as variáveis significantes, e em seguida testado com o método hierárquico retrógrado: SAPS 3 (OR= 1,066; IC 95% = 1,056 - 1,077), ISS (OR = 1,025; IC 95% = 1,012 - 1,038) e TCE (OR = 1,453; IC 95% = 1,061 - 1,989) foram associados com um maior risco de mortalidade. O Trauma Intensive Care Score (TICS) foi então desenhado com uma equação e testado para acurácia com uma área sob a curva ROC (Receiver-Operating Characteristic) de 0,785, e robustez com o teste de chiquadrado de Hosmer-Lemeshow (HL) de 10,99. A adoção do TICS como um modelo de predição de mortalidade específico para vítimas de trauma em UTI, poderia otimizar a performance dos cuidados em trauma e pesquisas sobre desfecho |
id |
USP_f3aff272fe882b361038bc39222324b8 |
---|---|
oai_identifier_str |
oai:teses.usp.br:tde-28102020-165038 |
network_acronym_str |
USP |
network_name_str |
Biblioteca Digital de Teses e Dissertações da USP |
repository_id_str |
2721 |
spelling |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva Predictive mortality model in trauma patients admitted to Intensive Care UnitAnálise de regressãoCritical care outcomesHospital mortalityÍndices de gravidade do traumaLogistic modelsModelos logísticosMortalidade hospitalarMultiple traumaRegression analysisResultados de cuidados críticosTrauma severity indicesTraumatismo múltiploModelos preditivos e escores de gravidade para pacientes de trauma vem sendo estudados nas últimas décadas, melhorando o cuidado hospitalar e controle de qualidade. Entretanto, modelos de predição de mortalidade são em sua maioria baseados em dados pré-hospitalares, e há pouca informação na literatura sobre a predição em pacientes críticos vítimas de trauma. Para melhor entender mortalidade nesse cenário singular, nós desenhamos um modelo preditivo de óbito em pacientes vítima de trauma na Unidade de Terapia Intensiva (UTI). Uma coorte retrospectiva foi executada de abril de 2012 a julho de 2017 usando uma base de dados coletados prospectivamente de paciente de trauma admitidos em uma UTI especializada em um hospital escola. Todos pacientes consecutivos de trauma nessa UTI foram incluídos, quer tenham chegado do Pronto-Socorro ou do Centro Cirúrgico. O objetivo primário do estudo foi desenvolver um modelo preditivo de risco de morte na UTI baseado em dados epidemiológicos, clínicos e laboratoriais coletados quando da admissão na UTI. Um modelo de regressão logística foi construído baseado nas variáveis significantes. A validade preditiva foi avaliada de acordo com especificidade e robustez. Entre 1.503 pacientes incluídos, 23% foram à óbito na UTI. Comparados com aqueles que sobreviveram, eles eram mais velhos (46,6 vs. 38,6 anos, p < 0,0001), maior prevalência de Traumatismo Crânio Encefálico (TCE) (78,61% vs. 60,24%, p < 0,001), e maiores de ambos Simplified Acute Physiology Score (SAPS 3) (61,73 vs. 44,46, p < 0,001) e Injury Severity Score (ISS) (27,36 vs. 23,67, p < 0,001), todos com diferença estatisticamente significativa. Um modelo regressivo final foi construído com uma regressão logística binária para todas as variáveis significantes, e em seguida testado com o método hierárquico retrógrado: SAPS 3 (OR= 1,066; IC 95% = 1,056 - 1,077), ISS (OR = 1,025; IC 95% = 1,012 - 1,038) e TCE (OR = 1,453; IC 95% = 1,061 - 1,989) foram associados com um maior risco de mortalidade. O Trauma Intensive Care Score (TICS) foi então desenhado com uma equação e testado para acurácia com uma área sob a curva ROC (Receiver-Operating Characteristic) de 0,785, e robustez com o teste de chiquadrado de Hosmer-Lemeshow (HL) de 10,99. A adoção do TICS como um modelo de predição de mortalidade específico para vítimas de trauma em UTI, poderia otimizar a performance dos cuidados em trauma e pesquisas sobre desfechoSeverity scores and prediction outcome models for trauma patients have been studied in the last decades, improving hospital care and quality control. However, mortality prediction models are mostly based on pre-hospital data, and scarce information is published on prediction in critically ill trauma patients. To better understand mortality in this unique setting, we designed a mortality prediction model for trauma patients in the Intensive Care Unit (ICU). A retrospective cohort study was performed from April 2012 to July 2017 using a prospectively collected database of trauma patients admitted in a specialized ICU at a teaching hospital. All consecutive trauma patients in this ICU were included, whether they arrived from the Emergency Unit or Operating Room. The primary outcome was to develop a predictive model for risk of death in the ICU based on epidemiological, clinical and laboratorial data collected at ICU admission. A logistic regression model was built based on the significant variables. Predictive validity was assessed with model discrimination and calibration. Among 1,503 included patients, 23% died in the ICU. Comparing to those who survived, they were older (46.6 vs. 38.6 years old, P < 0.0001), had higher prevalence of Traumatic Brain Injury (TBI) (78.61% vs. 60.24%, P < 0.001), and higher values of both SAPS 3 (Simplified Acute Physiology Score 3) (61.73 vs. 44.46, P < 0.001) and ISS (27.36 vs. 23.67, p < 0.001), all with a statistically significant difference. A final regression model was constructed with a binary logistic regression for all significant variables, and then tested with a backward stepwise method: SAPS 3 (OR= 1.066; IC 95%= 1.056 - 1.077), ISS (OR= 1.025; IC 95%= 1.012 - 1.038) and TBI (OR= 1.453; IC 95%= 1.061 - 1.989) were associated with an increased risk of mortality. The Trauma Intensive Care Score (TICS) was then designed with an equation and tested for discrimination with an area under the Receiver-Operating Characteristic (ROC) curve of 0.785, and calibration with Hosmer-Lemeshow (HL) chi-square of 10.99. Adopting TICS as a specific mortality prediction model for ICU trauma patients, could improve trauma care performance and outcome researchBiblioteca Digitais de Teses e Dissertações da USPCavalcanti, Alexandre BiasiOliveira, Heleno de Paiva2020-07-31info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/5/5152/tde-28102020-165038/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2020-10-28T23:52:02Zoai:teses.usp.br:tde-28102020-165038Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212020-10-28T23:52:02Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false |
dc.title.none.fl_str_mv |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva Predictive mortality model in trauma patients admitted to Intensive Care Unit |
title |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva |
spellingShingle |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva Oliveira, Heleno de Paiva Análise de regressão Critical care outcomes Hospital mortality Índices de gravidade do trauma Logistic models Modelos logísticos Mortalidade hospitalar Multiple trauma Regression analysis Resultados de cuidados críticos Trauma severity indices Traumatismo múltiplo |
title_short |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva |
title_full |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva |
title_fullStr |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva |
title_full_unstemmed |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva |
title_sort |
Modelo preditivo de óbito em pacientes vítimas de trauma admitidos em Unidade de Terapia Intensiva |
author |
Oliveira, Heleno de Paiva |
author_facet |
Oliveira, Heleno de Paiva |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cavalcanti, Alexandre Biasi |
dc.contributor.author.fl_str_mv |
Oliveira, Heleno de Paiva |
dc.subject.por.fl_str_mv |
Análise de regressão Critical care outcomes Hospital mortality Índices de gravidade do trauma Logistic models Modelos logísticos Mortalidade hospitalar Multiple trauma Regression analysis Resultados de cuidados críticos Trauma severity indices Traumatismo múltiplo |
topic |
Análise de regressão Critical care outcomes Hospital mortality Índices de gravidade do trauma Logistic models Modelos logísticos Mortalidade hospitalar Multiple trauma Regression analysis Resultados de cuidados críticos Trauma severity indices Traumatismo múltiplo |
description |
Modelos preditivos e escores de gravidade para pacientes de trauma vem sendo estudados nas últimas décadas, melhorando o cuidado hospitalar e controle de qualidade. Entretanto, modelos de predição de mortalidade são em sua maioria baseados em dados pré-hospitalares, e há pouca informação na literatura sobre a predição em pacientes críticos vítimas de trauma. Para melhor entender mortalidade nesse cenário singular, nós desenhamos um modelo preditivo de óbito em pacientes vítima de trauma na Unidade de Terapia Intensiva (UTI). Uma coorte retrospectiva foi executada de abril de 2012 a julho de 2017 usando uma base de dados coletados prospectivamente de paciente de trauma admitidos em uma UTI especializada em um hospital escola. Todos pacientes consecutivos de trauma nessa UTI foram incluídos, quer tenham chegado do Pronto-Socorro ou do Centro Cirúrgico. O objetivo primário do estudo foi desenvolver um modelo preditivo de risco de morte na UTI baseado em dados epidemiológicos, clínicos e laboratoriais coletados quando da admissão na UTI. Um modelo de regressão logística foi construído baseado nas variáveis significantes. A validade preditiva foi avaliada de acordo com especificidade e robustez. Entre 1.503 pacientes incluídos, 23% foram à óbito na UTI. Comparados com aqueles que sobreviveram, eles eram mais velhos (46,6 vs. 38,6 anos, p < 0,0001), maior prevalência de Traumatismo Crânio Encefálico (TCE) (78,61% vs. 60,24%, p < 0,001), e maiores de ambos Simplified Acute Physiology Score (SAPS 3) (61,73 vs. 44,46, p < 0,001) e Injury Severity Score (ISS) (27,36 vs. 23,67, p < 0,001), todos com diferença estatisticamente significativa. Um modelo regressivo final foi construído com uma regressão logística binária para todas as variáveis significantes, e em seguida testado com o método hierárquico retrógrado: SAPS 3 (OR= 1,066; IC 95% = 1,056 - 1,077), ISS (OR = 1,025; IC 95% = 1,012 - 1,038) e TCE (OR = 1,453; IC 95% = 1,061 - 1,989) foram associados com um maior risco de mortalidade. O Trauma Intensive Care Score (TICS) foi então desenhado com uma equação e testado para acurácia com uma área sob a curva ROC (Receiver-Operating Characteristic) de 0,785, e robustez com o teste de chiquadrado de Hosmer-Lemeshow (HL) de 10,99. A adoção do TICS como um modelo de predição de mortalidade específico para vítimas de trauma em UTI, poderia otimizar a performance dos cuidados em trauma e pesquisas sobre desfecho |
publishDate |
2020 |
dc.date.none.fl_str_mv |
2020-07-31 |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/doctoralThesis |
format |
doctoralThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
https://www.teses.usp.br/teses/disponiveis/5/5152/tde-28102020-165038/ |
url |
https://www.teses.usp.br/teses/disponiveis/5/5152/tde-28102020-165038/ |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.relation.none.fl_str_mv |
|
dc.rights.driver.fl_str_mv |
Liberar o conteúdo para acesso público. info:eu-repo/semantics/openAccess |
rights_invalid_str_mv |
Liberar o conteúdo para acesso público. |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.coverage.none.fl_str_mv |
|
dc.publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
publisher.none.fl_str_mv |
Biblioteca Digitais de Teses e Dissertações da USP |
dc.source.none.fl_str_mv |
reponame:Biblioteca Digital de Teses e Dissertações da USP instname:Universidade de São Paulo (USP) instacron:USP |
instname_str |
Universidade de São Paulo (USP) |
instacron_str |
USP |
institution |
USP |
reponame_str |
Biblioteca Digital de Teses e Dissertações da USP |
collection |
Biblioteca Digital de Teses e Dissertações da USP |
repository.name.fl_str_mv |
Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP) |
repository.mail.fl_str_mv |
virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br |
_version_ |
1809091160892768256 |