Diseño y validación de la escala pronóstica cubana PREDICMED para estratificar el riesgo de mediastinitis postoperatoria

CorSalud 2020 Oct-Dic;12(4):392-401



ARTÍCULO ORIGINAL

Diseño y validación de la escala pronóstica cubana PREDICMED para estratificar el riesgo de mediastinitis postoperatoria

MSc. Dr. Gustavo de J. Bermúdez Yera1ORCID, MSc. Eligio E. Barreto Fiu2ORCID, Dr. Ernesto Chaljub Bravo1ORCID, MSc. Dr. Yoandy López de la Cruz1ORCID, Dr.C. Alfredo M. Naranjo Ugalde3, Dr.C. Magda A. Rabassa López-Calleja4ORCID, Dr. Álvaro L. Lagomasino Hidalgo1ORCID, MSc. Dr. Roger Mirabal Rodríguez1, Dra. Ramona G. Lastayo Casanova5ORCID, Dr. Arturo V. Iturralde Espinosa1, Dr. Alain Allende González1 y MSc. Dr. Yolepsis F. Quintero Fleties1ORCID
______________

  1. Servicio de Cirugía Cardiovascular, Cardiocentro Ernesto Guevara. Santa Clara, Villa Clara, Cuba.

  2. Departamento de Informática Médica, Universidad de Ciencias Médicas de Villa Clara. Santa Clara, Villa Clara, Cuba.

  3. Servicio de Cirugía Cardiovascular Pediátrica, Cardiocentro del Hospital Universitario William Soler. La Habana, Cuba.

  4. Servicio de Cardiología, Cardiocentro Ernesto Guevara. Santa Clara, Villa Clara, Cuba.

  5. Servicio de Terapia Intensiva, Cardiocentro Ernesto Guevara. Santa Clara, Villa Clara, Cuba.

Correspondencia: GJ Bermúdez Yera. Calle Cuba N° 610, e/ Barcelona y Capitán Velasco. Santa Clara 50200. Villa Clara, Cuba.
Correo electrónico: gustavodejesus@infomed.sld.cu



Separador Resumen



RESUMEN

Introducción: La predicción de fenómenos en las ciencias médicas mediante escalas pronósticas constituye una herramienta valiosa en la actualidad y deben incluirse en el proceso de toma de decisiones. Pronosticar la mediastinitis postoperatoria permite disponer de recursos para su prevención.
Objetivos: Construir una escala pronóstica para estratificar el riesgo de padecer mediastinitis postoperatoria.
Método: Se realizó un estudio de casos y controles para los factores de riesgo de mediastinitis postoperatoria en el Cardiocentro Ernesto Guevara de Santa Clara, Cuba. Luego de la regresión logística se obtuvo el modelo y, a partir de este, se incluyeron y ponderaron los predictores para obtener la escala cubana pronóstica de mediastinitis postoperatoria: PREDICMED, que se validó por diversos métodos.
Resultados: Esta escala se obtuvo con seis predictores y dos estratos de riesgo. Se analizó su rendimiento mediante ajuste, calibración y determinación de su poder discriminante, con buenos resultados. Se realizó validación interna por el método de división de datos y se comparó su capacidad en ambos subconjuntos (desarrollo y validación) sin diferencias. Se probó su buena validez de constructo, al no existir diferencias entre las probabilidades predichas y las observadas. También se analizó su validez de contenido mediante expertos. Por último, se determinó su validez de criterio al comparar con otra escala similar (MEDSCORE). PREDICMED presentó muy buena capacidad discriminatoria (área bajo la curva 0,962) y elevados valores de sensibilidad (84,62%) y especificidad (92,31%).
Conclusiones: La escala pronóstica cubana PREDICMED, para estratificar el riesgo de mediastinitis postoperatoria, mostró buenos parámetros de validación y logró estratificar el riesgo en no alto y alto.
Palabras clave: Escalas pronósticas, Modelos pronósticos, Estudio de validación, Mediastinitis postoperatoria, Modelos de predicción de riesgo, Cirugía cardíaca


Design and validation of the Cuban prognostic scale PREDICMED to stratify the risk of postoperative mediastinitis

ABSTRACT

Introduction: Phenomena prediction through prognostic scales is a valuable tool in medical sciences nowadays and it should be included in the decision-making process. Predicting postoperative mediastinitis allows to count on resources for its prevention.
Objective: To build a prognostic scale to stratify the risk of suffering from postoperative mediastinitis.
Method: A case-control study for the risk factors of postoperative mediastinitis was carried out at the Cardiocentro Ernesto Guevara from Santa Clara, Cuba. After the logistic regression, the model was obtained and from it, the predictors to obtain the Cuban prognostic scale of postoperative mediastinitis PREDICMED were included and weighted, which was validated through several methods.
Results: This scale was obtained, counting on six predictors and two risk strata. Its performance was analyzed through adjustment, calibration and determination of its discriminating capacity, showing good results. Internal validation was carried out through the data division method and its capacity was compared in both subsets (development and validation) showing no differences. Its good construct validity was demonstrated, since there were no differences between the predicted and the observed probabilities. Its contents validity was also analyzed by experts. Finally, its criteria validity was determined when compared with another similar scale (Medscore). PREDICMED showed a very good discriminatory capacity (area under the curve 0.962) as well as high values of sensitivity (84.62%) and specificity (92.31%).
Conclusions: The Cuban prognostic scale PREDICMED, to stratify the risk of postoperative mediastinitis showed good validation parameters and it was able to stratify the risk in not high and high.
Key words: Prognostic scores, Prognostic model, Validation study, Postoperative mediastinitis, Risk prediction models, Cardiac surgery


Separador



INTRODUCCIÓN

La cirugía cardiovascular entraña un determinado riesgo quirúrgico y para practicarla es universalmente utilizada, como incisión de elección, la esternotomía mediana longitudinal que ofrece una excelente exposición del corazón y los grandes vasos1,2. Según González et al.2, fue propuesta por Milton desde 1897 y su uso se extendió a partir de la década de 19502.
La infección de la herida quirúrgica constituye aún en la actualidad un serio problema a dar solución. Además de ser uno de los indicadores de calidad más importante en cualquier servicio quirúrgico, cuando son heridas limpias, como esta. La mediastinitis postoperatoria es la infección profunda de esta incisión, con incidencia entre 1-2%3 y letalidad entre 8,6 y 40%, de ahí que se le juzgue como una complicación temida de la cirugía cardiovascular3,4.
Ante la sospecha de mediastinitis postoperatoria, se impone la reintervención con premura, con el objetivo de realizar el desbridamiento y la limpieza quirúrgica de la cavidad. Es fundamental aplicar un tratamiento médico-quirúrgico efectivo y con rapidez para evitar las serias complicaciones que pueden derivar en la muerte del paciente1.
La predicción de un fenómeno no es más que establecer su pronóstico de ocurrencia (según el Diccionario de la Real Academia Española), por lo que la construcción de escalas matemáticas para predecir y clasificar el riesgo debería incluirse en los actuales protocolos de trabajo ante cualquier afección o complicación. La predicción contribuye a la toma de decisiones respecto a la prevención y aprovechamiento óptimo de los recursos en función del riesgo.
Al igual que otras enfermedades, la mediastinitis puede predecirse por sus factores de riesgo. Para ello, se diseñan modelos matemáticos que derivan en escalas pronósticas. Frecuentemente se parte del análisis bivariado de los factores de riesgo, luego se introducen, paso a paso, aquellos con asociación más fuerte, mediante una regresión logística en el análisis multivariado, lo que genera un modelo pronóstico a partir del cual se construye la escala, que —posteriormente— requiere métodos de validación. Algunos investigadores han hecho uso de modernos métodos de construcción de las escalas de riesgo, como la inteligencia artificial y las redes neuronales5.
Los objetivos de esta investigación fueron construir y validar una escala pronóstica para estratificar el riesgo de padecer mediastinitis postoperatoria en el Hospital Universitario Cardiocentro Ernesto Guevara de Santa Clara, Cuba.


MÉTODO

Se realizó un estudio analítico retrospectivo de casos y controles, en el mencionado hospital, que abarcó 20 años (2000-2019). La muestra de casos quedó constituida por los 45 pacientes (total de casos) que presentaron el diagnóstico de mediastinitis postoperatoria, los que se compararon con cuatro controles por cada caso, seleccionados según tipo de intervención, proximidad en fecha con la aparición de los casos, edad cercana (hasta cinco años) e igual sexo.
Se realizó el análisis bivariado con los factores de riesgo y se obtuvieron los de mayor relación con la variable dependiente, según los valores de la razón de productos cruzados (odds ratio) y la significación del estadígrafo de Wald.

Modelo
Para la elaboración del modelo se realizó un análisis de regresión logística binaria multivariada ajustada a la incidencia real, donde la presencia de mediastinitis fue considerada como variable dependiente (1-presente, 0-ausente). Como posibles factores predictivos se incluyeron en el estudio aquellas variables con coeficientes significativamente distintos de cero, en las que el intervalo confianza, correspondiente al OR, no fuese excesivamente amplio.
La selección de variables para construir el modelo fue paso a paso a través del método «introducir», lo que permitió mitigar el efecto indeseado de la colinealidad de las variables independientes y se tuvieron en cuenta consideraciones basadas en la práctica médica del investigador y el criterio de los expertos. El análisis bivariado y el modelo de regresión logística que se obtuvo, además de sus pruebas de rendimiento y validación, ya fueron publicados en la revista de la Sociedad Española de Cirugía Cardiovascular y Endovascular, en 20196.

Escala
La selección de las variables de la escala fue a partir de los predictores del modelo obtenido de la regresión logística binaria multivariada ajustada6, y todos fueron incluidos. Para asignar pesos o puntajes a estas variables, se utilizó la variante de redondear al número entero superior los coeficientes β correspondientes, obtenidos en el modelo construido previamente.
A partir de los puntajes se define la escala como una combinación lineal de la siguiente manera:

Valor de la escala = p1X1 + p2X2 + p3X3 +…+ pSXS, donde s representa el número de variables incluidas en la escala, y pi se interpreta como el puntaje o peso para la i-ésima variable.

Para facilitar el cálculo del valor de la escala correspondiente al riesgo en cada paciente se decidió dicotomizar sus variables. El valor 1 representa la presencia de la característica o atributo asociado a la variable y el 0, su ausencia.
Los niveles de riesgo se clasificaron en dos estratos: alto y no alto. Se tomó como punto de corte el valor del percentil 90. Si el valor de la escala es mayor o igual que el punto de corte, se consideró riesgo alto.
Para confirmar el rendimiento de la escala en el pronóstico de la mediastinitis se realizó una regresión logística binaria. Se definió nuevamente como variable dependiente la presencia de mediastinitis postoperatoria (sí o no), y como posible factor el valor de la escala. Se centró el análisis en la significación del estadígrafo de la prueba de Hosmer-Lemeshow para su calibración, y en el área bajo la curva ROC para su poder de discriminación. Ambos valores se compararon con los del modelo pronóstico. También fueron analizados el resultado de la prueba de Ómnibus y el valor del estadístico R2 de Nagelkerke.
Se mostró el coeficiente del término correspondiente a la variable independiente (escala) y su exponencial, el que se corresponde con el valor de odds ratio acompañado de su intervalo de confianza.
Se realizó el mismo método de validación interna que para el modelo pronóstico6 (división de datos o data splitting, en su idioma original). Igualmente se seleccionó el 70% como muestra de desarrollo y el 30% para la validación.
A partir de los grupos pronosticados a través de las regresiones logísticas binarias aplicadas a las muestra de desarrollo y validación, se construyeron las dos tablas de contingencia en las que se asocian los estratos de riesgo con el pronóstico de la pertenencia a los grupos (con o sin mediastinitis). En ambas muestras (desarrollo y validación) también se calcularon y compararon las probabilidades de predicción de la mediastinitis según estratos.
Por último, se compararon los valores de significación de la prueba de Hosmer-Lemeshow (calibración) y los del área bajo la curva ROC (discriminación), en ambas muestras (desarrollo y validación). Además, se contrastaron los indicadores de eficacia para un modelo pronóstico en los dos grupos de pacientes.
Para el análisis de los criterios de expertos se utilizó el método de la comparación por pares de igual forma que el descrito anteriormente6: cada aspecto de la escala fue evaluado de manera independiente por cada experto y se equipararon categorías y puntajes. La categoría MA (muy adecuada) con cinco puntos, la BA (bastante adecuada) con cuatro, la A (adecuada) con tres puntos, la PA (poco adecuada) con dos y la I (inadecuada) con un punto. Se consideró como buena la validez de contenido si las viariables obtuvieron las dos primeras categorías (MA o BA), luego de determinar el coeficiente de concordancia W de Kendall y la menor variabilidad para cada variable (Anexo).
Para valorar el criterio de una escala es conveniente compararla con otra herramienta existente y avalada previamente. En esta investigación se escogió la escala MEDSCORE por ser la más completa según la bibliografía revisada ya que incluye todo tipo de intervenciones quirúrgicas cardiovasculares, a diferencia de otras cuyo propósito fue solo el pronóstico en la cirugía coronaria. Se estudió la capacidad de discriminación de ambas escalas mediante el área bajo la curva ROC y su asociación se determinó mediante el coeficiente de correlación de Pearson.


RESULTADOS

Como se expresó anteriormente, el análisis bivariado y el modelo pronóstico obtenido, así como sus pruebas, ya fueron publicados6. Como resultados del actual artículo solo se establece la construcción y validación de la escala pronóstica cubana PREDICMED para estratificar el riesgo de mediastinitis postoperatoria, que incluyó seis variables (Tabla 1), en correspondencia con el modelo de origen. Se ponderó con 3 puntos la enfermedad pulmonar obstructiva crónica y la transfusión de más de dos unidades de hemoderivados, con 2 la hiperglucemia postoperatoria, el neumotórax postoperatorio y la sepsis endovascular, y con 1 el tiempo de ventilación artificial mecánica mayor de 24 horas; por lo que el rango posible osciló entre 0 y 13 puntos.


Tabla 1. Variables incluidas en la escala pronóstica cubana PREDICMED.

Predictor

Puntuación

Enfermedad pulmonar obstructiva crónica

3

Hiperglucemia postoperatoria

2

Tiempo de ventilación artificial mecánica mayor de 24 horas

1

Transfusión de más de dos unidades de hemoderivados

3

Neumotórax postoperatorio

2

Sepsis endovascular

2


A partir de la génesis de la escala y su puntuación se estratificaron los pacientes en dos niveles de riesgo: no alto para los pacientes que ponderan entre 0 y 6 puntos, y alto entre 7 y 13. El punto de corte se trazó en el 90 percentil, lo que coincidió con el valor 7, por ello las puntuaciones iguales o mayores se consideraron de alto riesgo. Como resultado de la aplicación de la escala fueron clasificados 201 pacientes (89,3%) como no alto riesgo y 24 (10,7%) como alto (Tabla 2). En el caso de los primeros solo el 10,9% presentó mediastinitis; mientras que la padeció el 95,8% de aquellos donde se identificó el alto riesgo.


Tabla 2. Estimación del riesgo de mediastinitis mediante la aplicación de la escala PREDICMED.

Riesgo B

Mediastinitis

Total

No

%

%

%

No alto

22

10,9

179

89,1

201

89,3

Alto

23

95,8

1

4,2

24

10,7

Total

45

20,0

180

80,0

225

100


Calibración
En la tabla 3 se muestra el resultado de la regresión logística binaria simple, en la que la variable dependiente es la presencia o no de la mediastinitis; como variable explicativa se incluyó el valor de la escala. Todo ello para evaluar el rendimiento de PREDICMED, con calibración y capacidad de discriminación. El coeficiente que corresponde a la variable independiente se consideró significativamente distinto de cero, con valor de OR=2,2; es decir, que por cada punto incrementado en la escala fue dos veces mayor la posibilidad de padecer mediastinitis postoperatoria.
Entre los criterios que se determinaron para evaluar el ajuste de la escala están: la prueba de Ómnibus con resultado significativo; el R2 de Nagelkerke, cuyo valor de 0,593 explica que aproximadamente el 60% de la variablidad de los datos es contemplada por la escala; y el estadígrafo correspondiente de la prueba de Hosmer-Lemeshow, con valor de 0,293; que al sobrepasar a 0,05 denota una buena calibración.


Tabla 3. Pruebas estadísticas aplicadas para evaluar rendimiento, calibración y capacidad de discriminación de PREDICMED.

Variables en la ecuación

Paso 1a

 

B

ET

Wald

gl

Sig.

Exp(B)

IC 95% para Exp(B)

Inferior

Superior

Prueba de Ómnibus

Escala B

0,788

0,115

47,329

1

0,000

2,200

1,757

2,754

Constante

-4,679

0,598

61,218

1

0,000

0,009

Chi cuadrado

 

105,843

 

 

1

0,000

 

 

 

R2 de Nagelkerke

 

-2 log de la verosimilitud

 

R2de Cox y Snell

R2 de Nagelkerke

 

119,339a

 

0,375

0,593

Hosmer-Lemeshow

 

Chi cuadrado

gl

Sig.

 

 

 

 

 

6,141

 

5

0,293

 

 

 

 

 

 

 

 

 

 

 

 

 

a Variable(s) introducida(s) en el paso 1: Escala B.

ET, error típico; gl, grado de libertad, Sig., significación.


Capacidad de discriminación
Se comparó la capacidad discriminatoria de la escala con la de la regresión logística que le dio origen6, y se observó que no existen diferencias significativas entre ellas con 0,916 de área bajo la curva ROC para el modelo pronóstico y 0,910 para PREDICMED (Figura 1).


Figura 1
Figura 1. Curvas ROC (característica operativa del receptor) para comparar la capacidad discriminatoria de la escala.

La validación de PREDICMED se realizó por el método de división de datos, que es un método de validación interna. En la tabla 4 se muestra la contingencia en la que se asocian los estratos de riesgo con el pronóstico de mediastinitis. De los 160 pacientes pertenecientes a la muestra de desarrollo se pronosticó que el 100% de los clasificados como riesgo alto tendrían mediastinitis y que de los clasificados como riesgo no alto, la padecería solo un 9,7%. De los 65 vinculados a la muestra de validación se pronósticó que, igualmente, todos los catalogados como riesgo alto sufrirían la complicación y que en los de riesgo no alto, solo aparecería en un 10,7 % (Figura 2). Lo que advierte similar comportamiento en ambos grupos de pronóstico.


Tabla 4. Asociación entre estratos de riesgo y el pronóstico de mediastinitis postoperatoria.

Estratos de riesgo

Pronóstico de mediastinitis

Muestra de desarrollo

Muestra de validación

No

Total

No

Total

No alto

131 (90,3)

14 (9,7)

145 (100)

50 (89,3)

6 (10,7)

56 (100)

Alto

0 (0,0)

15 (100)

15 (100)

0 (0,0)

9 (100)

9 (100)

Total

131 (81,9)

29 (18,1)

160 (100)

50 (76,9)

15 (23,1)

65 (100)

Los datos muestran n (%)



Figura 2
Figura 2. Porcentaje de probabilidades de predicción, según estratos y tipo de muestra.

El análisis de la correlación entre las probabilidades pronosticadas y las observadas —es decir, la ocurrencia de mediastinitis postoperatoria—, expresa la validez de constructo de PREDICMED (Tabla 5 y Figura 3). De los 201 pacientes con riesgo no alto en quines PREDICMED pronosticó que solo un 10,0% tendría mediastinitis postoperatoria, un 10,9% presentó la enfermedad; por lo que no hubo diferencia significativa, como tampoco la hubo en el grupo de pacientes de riesgo alto (100% pronosticado vs. 95,8% de enfermos; p>0,05).


Tabla 5. Correlación entre las probabilidades pronosticadas y las observadas para la ocurrencia de mediastinitis postoperatoria.

Estratos de riesgo

Mediastinitis pronosticadas

Mediastinitis observadas

No

Total

No

Total

No alto

20 (10,0)

181 (90,0)

201 (100)

22 (10,9)

179 (89,1)

201 (100)

Alto

24 (100,0)

0 (0,0)

24 (100)

23 (95,8)

1 (4,2)

24 (100)

Total

44 (19,6)

181 (80,4)

225 (100)

45 (20,0)

180 (80,0)

225 (100)

Los datos muestran n (%)



Figura 3
Figura 3. Relación de casos pronosticados y enfermos, según riesgo la clasificación de riesgo.

Los resultados de las comparaciones del rendimiento y la eficacia de PREDICMED en las muestras de desarrollo y validación se presentan en la tabla 6. En ambos grupos de pacientes los indicadores del rendimiento son favorables y en la muestra de validación destaca la mejor capacidad discriminatoria (0,962). Resultó notable que los indicadores de eficacia referentes a la predicción favorecieran al grupo de la validación, sobre todo en los valores correspondientes a la sensibilidad (84,62%) y al valor predictivo positivo (9,82%), que aunque es bajo, por el motivo ya explicado, es ligeramente mayor que en la muestra de desarrollo. En general, la validación fue favorable según lo que muestran los resultados del análisis comparativo.


Tabla 6. Rendimiento y eficacia de PREDICMED.

Indicadores

Muestra de desarrollo

Muestra de validación

Indicadores de rendimiento

 

 

   Calibración (Hosmer-Lemeshow)

0,524

0,106

   Discriminación (área ROC)

0,910

0,962

   IC (área ROC)

0,816 – 0,957

0,914 – 1,000

Indicadores de eficacia

 

 

   Sensibilidad

62,5

84,62

   Especificidad

92,97

92,31

   Valores predictivos positivos

8,09

9,82

   Valores predictivos negativos

99,6

99,84

IC, intervalo de confianza; ROC, siglas en inglés de característica operativa del receptor.


La valoración del contenido realizada a PREDICMED fue hecha por expertos y se realizó por el método de comparación por pares (Tabla 7). Cada una de las variables predictoras de la escala pudo ser evaluada cualitativamente con las categorías muy adecuada (MA), bastante adecuada (BA), adecuada (A), poco adecuada (PA) o inadecuada (I). La enfermedad pulmonar obstructiva crónica, la hiperglucemia postoperatoria, el tiempo de ventilación artificial mecánica mayor de 24 horas, las transfusiones de más de dos unidades de hemoderivados y la sepsis endovascular fueron calificadas con categoría MA, y el neumotórax postoperatorio como BA. Además, se obtuvo un coeficiente W de Kendall de 0,409 (p<0,0001) que mostró un consenso relativamente alto entre los expertos, con elevada significación estadística y una baja variabilidad en cada uno de los predictores. Por estas razones, se consideró que PREDICMED tiene una buena valoración de contenido.


Tabla 7. Valoración cualitativa por parte de los expertos de cada una de las variables.

Predictor

Calificación

Enfermedad pulmonar obstructiva crónica

MA

Hiperglucemia postoperatoria

MA

Tiempo de ventilación artificial mecánica mayor de 24 horas

MA

Transfusión de más de dos unidades de hemoderivados

MA

Neumotórax postoperatorio

BA

Sepsis endovascular

MA

W de Kendall=0,409; p<0,0001  

BA, bastante adecuada; MA, muy adecuada

 


El criterio de PREDICMED como escala pronóstica se valoró mediante la comparación de su capacidad de discriminación con la de MEDSCORE, la cual constituye una herramienta ya validada para la predicción de mediastinitis postoperatoria. Ello se realizó mediante la comparación del área bajo la curva de ambas escalas (Figura 4). Obsérvese que las dos poseen buena capacidad de discriminación, pero PREDICMED es superior con un área bajo la curva ROC de 0,910, lo que indica un valor muy exacto. Además se evaluó la asociación entre ambas escalas por el coeficiente de Pearson, lo que demostró una buena correlación de 0,604 entre ambas herramientas pronósticas, con una diferencia estadística muy significativa (p<0,0001).


Figura 4
Figura 4. Comparación de las capacidades discriminatorias de PREDICMED y MEDSCORE mediante curvas ROC.


DISCUSIÓN

Desde el punto de vista estadístico, en la escala pronóstica y su ponderación se prefirió el valor de la «beta» del modelo de regresión logística, que fue redondeado al número entero superior. Muchos autores escogen el valor de la exponencial beta por coincidir con el de los odds ratio7-10, otros optan por el mismo método que el de esta investigación, con otras variantes de redondeo7; pero desde el punto de vista matemático, y acorde a la muestra y tipo de estudio, es este el método más acertado.
Casi todas las escalas de riesgo presentan tres y más estratos10,11. En PREDICMED se prefirieron solo dos por el uso que tendría y los predictores de riesgo con los que cuenta. Se trata de estratificar el riesgo de padecer mediastinitis postoperatoria, como complicación infecciosa de la esternotomía mediana longitudinal. Debido a su elevada letalidad, se hace necesario establecer medidas de prevención eficaces y si se define un nivel medio de riesgo, no existiría claridad en las medidas que dicho grupo requeriría; es decir, sería complejo adoptar una conducta precisa ante este estrato. Por eso, en base al 90 percentil, el punto de corte adecuado para dividir los estratos coincidió con el valor 7; razón por la que se definieron dos grupos: no alto riesgo (< 7 puntos) y alto riesgo (≥ 7 puntos). En este sentido, como se muestra en la tabla 2, PREDICMED clasificó correctamente la totalidad de los pacientes analizados.
Se hace necesario demostrar la eficacia de toda escala pronóstica para lo cual se realizan pruebas de validación que avalan su pertinencia en el pronóstico del evento en estudio12:

a) El rendimiento se valora mediante su calibración y capacidad de discriminación.
b) La validación, externa o interna, se realiza por diferentes métodos.
c) La validez de constructo.
d) La valoración de contenido.
e) La valoración de criterio.

Para evaluar el rendimiento de PREDICMED se aplicaron técnicas de ajuste y calibración, esta última por la prueba de Hosmer-Lemeshow, que es la más utilizada para este fin13,14; como se puede ver en las investigaciones de Nogues7, Nieto8, Oliveira Sá10 y Machín15. Otros métodos como la regresión logística con la escala y la variable dependiente, así como la prueba de Ómnibus y el R2 de Nagelkerke no se han encontrado en la literatura revisada.
La capacidad de discriminación de PREDICMED, ilustrada en la figura 1, es buena; con un área bajo la curva ROC de 0,910. La mayoría de las escalas revisadas utilizan esta prueba y sus puntos de corte óptimos para evaluar su poder discriminante5,7-11,13,16,17.
A PREDICMED se le realizó una validación interna por el método de división de datos. El 70% de la muestra se utilizó para el desarrollo de la escala y el 30% restante, para su validación, y se compararon sus capacidades en ambas muestras. La validación interna de una escala pronóstica puede realizarse por métodos como el aplicado en esta investigación18, también otros como la validación cruzada y el remuestreo o bootstrapping. Ciertamente la interna es la que con más frecuencia se emplea, sobre todo en series de pequeño tamaño muestral13. Se plantea que sería ideal una validación externa13,18, pero es menos posible porque la confección de escalas pronósticas presupone no extrapolarlas debido a las diferencias de las poblaciones en estudio en términos raciales, económicos, sociales, de comorbilidades y de sobrevida.
La validez de constructo de PREDICMED se exploró de acuerdo a la correlación entre las mediastinitis postoperatorias pronosticadas y las observadas en la muestra, información que se brinda en la tabla 5 y figura 3. Este tipo de validez ha sido recomendado y empleado mucho en el área de las ciencias sociales y psicológicas12. Por otra parte, el contenido de esta escala se valoró mediante la opinión de expertos, los cuales fueron seleccionados para todas las etapas de esta investigación mediante el reconocido método de las competencias19, el cual evaluó la concordancia de su opinión mediante el coeficiente de Kendall, ampliamente empleado para estos fines19.
Por último, se estableció la valoración de criterio de PREDICMED, la cual se realizó al compararla con otras herramientas ya validadas para predecir el mismo tipo de evento12. Existen varias escalas, pero la mayoría han sido creadas solo para la cirugía coronaria. Recientemente, a partir del registro argentino multicéntrico de las estadísticas de cirugía cardíaca, se elaboró una escala pronóstica cuyos predictores son: disfunción grave del ventrículo izquierdo, reoperación, disfunción renal postoperatoria y hábito de fumar. Tiene buena calibración y poder discriminante, pero lleva poco tiempo en la práctica clínica7. El equipo de investigación consideró que la escala más completa avalada para el pronóstico de la mediastinitis postoperatoria es MEDSCORE8,20; por ello, fue la seleccionada para comparar el poder discriminante de PREDICMED.


CONCLUSIONES

Se construyó la escala cubana PREDICMED para pronosticar el riesgo de mediastinitis postoperatoria como complicación de la esternotomía mediana longitudinal. La enfermedad pulmonar obstructiva crónica, la hiperglucemia postoperatoria, el tiempo de ventilación artificial mecánica mayor de 24 horas, la transfusión de más de dos unidades de hemoderivados, el neumotórax postoperatorio y la sepsis endovascular constituyeron sus seis predictores. Con esta herramienta se logra estratificar el riesgo en no alto y alto. PREDICMED mostró buen rendimiento y se realizó su validación interna, de constructo, de contenido y de criterio, con buenos resultados.


CONFLICTOS DE INTERESES

Los autores declaran que no existen conflictos de intereses.


CONTRIBUCIÓN DE LOS AUTORES

GJBY: Concepción y diseño de la investigación, recolección y análisis del dato primario, y confección del informe final.
EEBF: Análisis del dato primario, procesamiento estadístico y ayuda en la confección del informe final.
ECB, YLC, AMNU y MARLC: Concepción y diseño de la investigación y ayuda en la confección del informe final.
ALLH, RMR y RGLC: Recolección y análisis del dato primario.
AVIE, AAG y YFQF: Búsqueda y contraste de información, y recolección del dato primario.
Todos los autores revisaron críticamente el manuscrito y aprobaron el informe final.


BIBLIOGRAFÍA

  1. Molina JE, Nelson EC, Smith RR. Treatment of postoperative sternal dehiscence with mediastinitis: twenty-four-year use of a single method. J Thorac Cardiovasc Surg. 2006;132(4):782-7. [< a href="https://doi.org/10.1016/j.jtcvs.2006.06.008" target="_blank">DOI]

  2. González R, Raffo M, Vera M, Alarcón E, Saldías R, Gyhra A, et al. Mediastinitis postquirúrgica en cirugía cardíaca. Rev Chil Cir. 2005;57(3):203-8.

  3. Barthelemy A. Post-sternotomy mediastinitis. En: Mathieu D, editor. Handbook on Hyperbaric Medicine. Netherlands: Springer; 2006. p. 567-76.

  4. van Wingerden JJ, Ubbink DT, van der Horst CM, de Mol BA. Poststernotomy mediastinitis: a classification to initiate and evaluate reconstructive management based on evidence from a structured review. J Cardiothorac Surg [Internet]. 2014 [citado 18 Abr 2020];9:179. Disponible en: https://doi.org/10.1186/s13019-014-0179-4

  5. Borracci RA, Arribalzaga EB. Modelo basado en lógica borrosa para estratificar el riesgo de la cirugía cardíaca. Rev Argent Cardiol 2015;83(4):305-13. [DOI]

  6. Bermúdez-Yera GJ, Naranjo-Ugalde AM, Rabassa MA, Lagomasino-Hidalgo AL, Chaljub-Bravo E, Barreto-Fiu EE. Modelo predictivo de mediastinitis postoperatoria en cirugía cardiovascular. Cir Cardiov. 2019;26(6):277-82. [DOI]

  7. Nogues I, Piccininni RA, Donato MM, Gambarte MJ, Ciambrone GM, Giorgini J, et al. Desarrollo y validación externa de un puntaje predictivo de mediastinitis posoperatoria en cirugía cardíaca derivado del registro multicéntrico CONAREC XVI. Rev Argent Cardiol. 2019;87(4):290-5. [DOI]

  8. Nieto Cabrera M. Diseño y validación de un modelo predictivo de mediastinitis en cirugía cardiaca [Tesis Doctoral]. Madrid: Universidad Complutense de Madrid [Internet]; 2014 [citado 22 Abr 2020]. Disponible en: https://eprints.ucm.es/id/eprint/29771/1/T35996.pdf

  9. Gatti G, Dell'Angela L, Barbati G, Benussi B, Forti G, Gabrielli M, et al. A predictive scoring system for deep sternal wound infection after bilateral internal thoracic artery grafting. Eur J Cardiothorac Surg. 2016;49(3):910-7. [DOI]

  10. Oliveira Sá MPB, Ferraz PE, Freire Soares A, Albuquerque Miranda RG, Lopes Araújo M, Vasconcelos Silva F, et al. Development and validation of a stratification tool for predicting risk of deep sternal wound infection after coronary artery bypass grafting at a Brazilian hospital. Braz J Cardiovasc Surg. 2017;32(1):1-7. [DOI]

  11. dos Santos Oliveira F, Oliveira de Freitas LD, Rabelo-Silva ER, da Costa LM, Karam Kalil RA, Pereira de Moraes MA. Predictors of Mediastinitis Risk after Coronary Artery Bypass Surgery: Applicability of Score in 1.322 Cases. Arq Bras Cardiol. 2017;109(3):207-212. [DOI]

  12. Carvajal A, Centeno C, Watson R, Martínez M, Sanz Rubiales A. ¿Cómo validar un instrumento de medida de la salud? An Sist Sanit Navar. 2011;34(1):63-72.

  13. Fernández Félix BM. Validación interna de modelos predictivos de regresión logística. Comando Validation (Stata) [Tesis de Maestría]. Madrid: Universidad Complutense de Madrid [Internet]; 2018 [citado 26 Abr 2020]. Disponible en: https://eprints.ucm.es/id/eprint/49486/1/TFM_Borja%20Fern%C3%A1ndez%20Felix.pdf

  14. López-Roldán P, Fachelli S. Metodología de la investigación social cuantitativa. 1ª ed. Barcelona, Universitat Autònoma de Barcelona; 2015.

  15. Machín Rodríguez JC. Factores predictores de mediastinitis aguda en cirugía cardiovascular, protocolo de prevención y algoritmos diagnóstico y terapéutico [Tesis Doctoral]. Santiago de Cuba [Internet]: Universidad de Ciencias Médicas de Santiago de Cuba [citado 26 Abr 2020]; 2011. Disponible en: http://tesis.sld.cu/index.php?P=FullRecord&ID=277

  16. Gatti G, Rochon M, Raja SG, Luzzati R, Dreas L, Pappalardo A. Predictive models of surgical site infections after coronary surgery: insights from a validation study on 7090 consecutive patients. J Hosp Infect. 2019;102(3):277-86. [DOI]

  17. de Oliveira Sá MPB, Soares Figueira E, Andrade Santos C, Figueiredo OJ, Albuquerque Lima RO, Gonçalves de Rueda F, et al. Validation of MagedanzSCORE as a predictor of mediastinitis after coronary artery bypass graft surgery. Rev Bras Cir Cardiovasc. 2011;26(3):386-92. [DOI]

  18. Ruiz Hidalgo D. Desarrollo y validación de un modelo predictivo de mortalidad a corto plazo en ancianos ingresados por patología médica [Tesis Doctoral]. Barcelona: Universitat Autònoma de Barcelona [Internet]; 2016 [citado 30 Abr 2020]. Disponible en: https://hdl.handle.net/10803/399340

  19. López Fernández R, Crespo Hurtado E, Crespo Borges TP, Fadul Franco JS, García Saltos MB, Juca Maldonado FX, et al (eds). Expertos y prospectiva en la investigación pedagógica. Cienfuegos: Universo Sur; 2016. p. 46-109.

  20. Nieto-Cabrera M, Fernández-Pérez C, García-González I, Martin-Benítez JC, Ferrero J, Bringas M, et al. Med-Score 24: A multivariable prediction model for poststernotomy mediastinitis 24 hours after admission to the intensive care unit. J Thorac Cardiovasc Surg. 2018;155(3):1041-51. [DOI]


ANEXO

Anexo. Criterios de cada uno de los expertos respecto a las variables analizadas.

Predictor

E1

E2

E3

E4

E5

E6

E7

E8

E9

E10

E11

E12

E13

E14

E15

PR

EPOC

5

5

5

5

5

5

5

5

5

4

5

5

4

5

5

5

Hiperglucemia postoperatoria

5

5

5

5

5

5

5

5

5

5

5

5

4

5

5

5

Tiempo de VAM > 24 horas

5

5

4

5

5

5

5

5

5

4

5

4

4

5

5

5

Transfusión de más de dos unidades de hemoderivados

5

5

5

5

5

5

5

5

5

4

5

5

5

5

5

5

Neumotórax postoperatorio

4

4

4

5

5

5

5

5

4

4

4

4

4

4

4

4

Sepsis endovascular

5

5

5

5

5

5

5

5

5

4

5

4

4

5

5

5

W de Kendall = 0,409; p <0,0001; Varianza < 0,50.

E, experto; EPOC, enfermedad pulmonar obstructiva crónica; PR, promedio redondeado; VAM, ventilación artificial mecánica.



Recibido: 4 de mayo de 2020
Aceptado: 18 de junio de 2020



Subir

Enlaces refback

  • No hay ningún enlace refback.


Licencia de Creative Commons
Esta obra está bajo una licencia de Creative Commons Reconocimiento-NoComercial-SinObraDerivada 4.0 Internacional.