Validación de una escala de evaluación preoperatoria en el adulto mayor para predecir morbilidad y mortalidad post operatoria

Abstract

Introducción: En los últimos 20 años se ha incrementado el número de pacientes mayores de 65 años sometidos a procesos quirúrgicos. Objetivo: Validación de una escala de evaluación preoperatoria en el adulto mayor para predecir morbilidad y mortalidad post operatoria. Método: Estudio casos y controles anidado en una cohorte. Las variables a medidas fueron comorbilidad, funcionalidad, ASA, síndrome de fragilidad, polifarmacia, complejidad de la cirugía, estado cognitivo, estado social, tipo de anestesia, evaluación nutricional, hospitalizaciones frecuentes, riesgo cardiológico como predictores de morbilidad y mortalidad post operatoria en el adulto mayor. Muestra: La muestra para el modelo predictor usando proporción de 8,5% de adultos 60-74 años que fallecieron y 27,1% de adultos > 75 años que fallecieron, nivel de confianza 95%, potencia 80%, 3 controles por caso, se obtuvo 47 casos y 141 controles, y la cohorte de validación con sensibilidad 90%, precisión de 10%. Análisis estadístico: para el estudio multivariado e identificación de las variables del modelo pronóstico se utilizó regresión logística, incluyéndose valores p<0,10 para la construcción del modelo final. Los ß-coeficientes del modelo de riesgo se utilizarán para determinar los puntajes de cada variable. La validación se realizará con una cohorte única con elaboración de curvas ROC obteniéndose valores en diferentes puntos de corte hasta encontrar la mejor validez (sensibilidad y especificidad) y seguridad (valor predictivo y negativo) teniendo como evento alguna complicación. Resultados: La prueba para evaluar la bondad del ajuste del modelo de regresión logística se realizó con el coeficiente de Hosmer-Lemeshow siendo 10.22 (p<0,05). Siendo el grado de instrucción, la dependencia parcial y el riesgo cardiológico III factores de riesgo; mientras que el riesgo social y el colesterol total factores protectores. La sensibilidad del modelo es baja (2,5%), pero si muestra alta especificidad (99,6%) y valor predictivo positivo (50%) y valor predictivo negativo (86,4%), con una correcta clasificación de 86,2% del modelo. Conclusiones: El desarrollo del modelo predictor está conformado por las variables: no tener grado de instrucción, la dependencia parcial y el riesgo cardiológico III, riesgo social y colesterol total. El modelo predictor tiene buena capacidad de discriminación y calibración entre la probabilidad esperada y la observada.