Look-up in Google Scholar
Title: Modelo de predicción de infección mayor postoperatoria en pacientes pediátricos sometidos a cirugía cardiotorácica en un hospital pediátrico de Lima, Perú
Advisor(s): Silva, Eduardo W.; Hernandez Diaz, Adrian Vladimir
Issue Date: 24-Feb-2017
Institution: Universidad Peruana de Ciencias Aplicadas (UPC)
Abstract: MODELO DE PREDICCIÓN DE INFECCIÓN MAYOR POSTOPERATORIA EN PACIENTES PEDIÁTRICOS SOMETIDOS A CIRUGÍA CARDIOTORÁCICA EN UN HOSPITAL PEDIÁTRICO DE LIMA, PERÚ Introducción: La infecciones mayores postoperatorias (IMP) en cirugía cardiotorácica son complicaciones que presentan un gran impacto en la mortalidad y el tiempo de estancia hospitalaria. Diversos factores preoperatorios e intraoperatorios han sido asociados al riesgo de desarrollar una infección postoperatoria luego de una cirugía cardiotorácica. En el presente estudio desarrollamos y validamos internamente un modelo predictivo de IMP en pacientes pediátricos. Métodos: Se realizó una cohorte retrospectiva y se analizaron 1025 casos de pacientes pediátricos sometidos a cirugía cardiotorácica asistida con bypass cardiopulmonar entre los años 2000 y 2010. Se desarrolló el modelo de predicción de IMP utilizando análisis de regresión logística. Se evaluó la discriminación y calibración del modelo y finalmente se validó internamente utilizando a técnica de bootstrapping con 200 replicaciones. Resultados: De 1025 pacientes, 59 (5,75%) presentaron al menos un episodio de IMP (4,78% sepsis, 0,97% mediastinitis, 0% endocarditis). En el análisis multivariado, las variables asociadas fueron: percentil peso para la edad <5%, enfermedad cianótica, RACHS-1, NYHA IV, mayor estancia preoperatoria and cirugía de emergencia. El modelo presentó una buena discriminación con un estadistico-c de 0,78 (95% CI 0,72 to 0,83) y buena calibración. Los scores varían entre 12 y 37 puntos y se correlacionan con la probabilidad de desarrollar IMP de 5% a 80% respectivamente. Conclusión: El modelo de predicción de IMP presenta un buen desempeño. Es necesario realizar una validación externa del modelo para evaluar su utilidad en la práctica clínica.

PREDICTION MODEL OF MAJOR POSTOPERATIVE INFECTIONS IN PEDIATRIC PATIENTS UNDERGOING CARDIOTHORACIC SURGERY AT A CHILDREN´S HOSPITAL IN LIMA, PERU Background: Major postoperative infections (MPI) are important complications presented after cardiothoracic surgery with a great impact over mortality and length of hospital stay. Several preoperative and intraoperative factors have been associated with postoperative infection risk after cardiothoracic surgery. We developed an internally validated a pediatric major postoperative infection risk prediction model. Methods: A retrospective cohort analyzed 1025 children who underwent cardiothoracic surgery with cardiopulmonary bypass from 2000 to 2010. Bivariate and multivariate logistic regression analyses were used to develop a prediction model for MPI. The model was tested for discrimination and calibration, and validated internally using bootstrapping with 200 replications. Results: From a total of 1025 patients, 59 (5.75%) had at least one episode of MPI (4.78% sepsis, 0.97% mediastinitis, 0% endocarditis). In multivariate analyses, variables associated with MPI were: percentile weight for age <5%, cyanotic disease, RACHS-1, NYHA IV, longer preoperative hospital stays and emergent surgery. The internally validated model had good discrimination with a c-statistic of 0.78 (95% CI 0.72 to 0.83) and calibration. Scores ranged from 12 to 37 corresponding with probabilities of MPI ranging from 5% to 80%, respectively. Conclusion: The prediction model for MPI has good overall performance in children undergoing cardiothoracic surgery. External validation of the model is necessary to evaluate its usefulness in clinical practice.
Discipline: Medicina
Grade or title grantor: Universidad Peruana de Ciencias Aplicadas (UPC). Facultad de Ciencias de la Salud
Grade or title: Médico cirujano
Register date: 14-Mar-2017; 14-Mar-2017



Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.