Utilizacion del modelo de probabilidad II (MPM II) en un grupo de

Revista Cubana de Medicina Intensiva y Emergencias
Rev Cub Med Int Emerg 2003;2(55-61)
TRABAJOS ORIGINALES
Unidades de Cuidados Intensivos
Hospital Militar Central “Dr. Luis Díaz Soto”
Utilización del Modelo de Probabilidad de Mortalidad II (MPM II) en
un grupo de pacientes críticos.
Dr. Fernando Fernández Reverón,1 Dr. Armando Padrón Sánchez,2 Dr. Andrés
Quiñónez Zamora3 y Dr. Ernesto Chávez Pérez.3
RESUMEN
Se realizó un estudio descriptivo y transversal en el Servicio de Urgencias del Hospital
Militar Central “Dr. Luis Díaz Soto” con 251 pacientes ingresados. Objetivo: Evaluar los
resultados en la validación del modelo de predicción de la mortalidad II (MPM II). Se
computó el MPM II y la evolución de los pacientes fue seguida hasta el alta. El análisis
estadístico incluyó índices de calibración (prueba de bondad de ajuste), discriminación
(área bajo la curva de las características operativas del receptor, COR). Resultados: El
modelo de admisión en la muestra de validación estaba mal calibrado (prueba de bondad
de ajuste con P = <0,048), pero con una discriminación adecuada (área bajo la curva de
COR = 0,715). El modelo aplicado a las 24 horas resultó igualmente mal calibrado (p =
0,040), pero con una buena discriminación (área bajo la curva de COR = 0,897).
Conclusiones: La discriminación, y especialmente la calibración del modelo, son pobres en
este medio, por lo que su aplicación no resulta fiable.
Palabras claves: predicción, métodos; pronóstico, mortalidad; unidades de terapia
intensiva.
1
Especialista de II Grado en Pediatría y en Medicina Intensiva y Emergencias.
Profesor Titular.
2
Especialista de I Grado en Medicina Interna. Diplomado en Medicina Intensiva.
Instructor.
3
Especialista de I Grado en Medicina General Integral. Diplomado en Medicina
Intensiva.
INTRODUCCIÓN
Uno de los dilemas más trascendentales que enfrenta el médico intensivista
contemporáneo es cuándo decidir el ingreso de un paciente en la UCI1-5 y una vez
ingresado y tratado con una serie de técnicas de soporte vital, si la evolución no
resulta satisfactoria, por cuánto tiempo mantenerlas.6, 7- 9 Tales decisiones poseen
importantes implicaciones éticas, pues rebasado cierto límite, la beneficencia que
se busca puede transformarse en maleficencia al someter al paciente a un largo,
doloroso y costoso proceso de morir.10–13 Los sistemas marcadores para calibrar la
gravedad de la afección en el paciente críticamente enfermo se crearon como un
55
mecanismo para evaluar sistemáticamente la calidad y efectividad de la asistencia
en las UCI, por cuanto proporcionan una estimación “objetiva” de la mortalidad
hospitalaria en los pacientes ingresados. Este pronóstico calculado ha sido usado
como “regla de oro” para evaluar el rendimiento de las UCI en dependencia del
grado de desviación del resultado obtenido sobre esa base.14 El empleo de estos
sistemas se ha extendido también a las investigaciones clínicas, ya que por medio
de ellos los pacientes pueden ser estratificados según la gravedad de su
padecimiento, con lo cual se ha mejorado el escenario para el análisis comparativo
de los tratamientos intensivos, la calidad del servicio y probablemente la decisión
clínica. El MPM II (Mortality Probability Model) dado a conocer en 1993 por Stanley
Lemeshow, se derivó de técnicas estadísticas univariadas y múltiples de regresión
logística para reducir las numerosas características de los pacientes a pocas
variables estrechamente relacionadas, clínica y estadísticamente, con el estado al
egreso.15 Con el objetivo de precisar la aplicabilidad de este sistema en el hospital,
así como las variaciones y peculiaridades que presenta en la UCI, se decidió llevar
a efecto el presente trabajo.
MATERIAL Y MÉTODOS
Se hizo un estudio descriptivo y transversal sobre el sistema de valoración
pronóstica MPM II en 251 pacientes críticos, ingresados consecutivamente en el
Servicio de Cuidados Intensivos Emergentes y Cuidados Intensivos de Adultos del
Hospital Militar Central Dr. Luis Díaz Soto desde Agosto del 2001 hasta Diciembre
del 2001. Se fijó como condición básica la valoración previa del paciente a su
ingreso por un intensivista, basado en el criterio de recuperabilidad y con
independencia de la edad, afección o gravedad del cuadro clínico. El MPM II se
realizó según los criterios establecidos por sus autores al ingreso de los pacientes
y a las 24 horas de estadía en la UCI y se relacionó con el estado al egreso (vivo o
fallecido). Fue aplicado mediante un programa de computación elaborado con el
programa Excel del paquete Microsoft Office XP. La prueba de bondad de ajuste
se utilizó para evaluar la calibración del sistema. Se asociaron la mortalidad
pronosticada y la real para tratar de establecer su valor predictivo. Con los
resultados de la sensibilidad de la prueba y del rango de falsos positivos (1especificidad) se construyó la curva de COR (características operativas del
receptor) correspondiente para evaluar la discriminación del sistema. Como
medida de discriminación se utilizó el área bajo esta curva. Se empleó el nivel de
significación p > 0,05, o sea, cuando p superaba e valor de 0,05, se interpretaba
como no significativo, por lo que se infería que no había diferencias significativas
entre lo observado y lo esperado.
RESULTADOS
Los datos para la validación del sistema pronóstico MPM II se obtuvieron de 251
pacientes como se muestra en la tabla # 1, de los cuales permanecieron
ingresados 244 en la UCI después de las primeras 24 horas. La mortalidad
general fue de 21,09 %. Aproximadamente 70 % de los integrantes de la serie
tenían edades entre 20 y 59 años, con valores extremos de 16 y 80; hubo
predominio del sexo masculino, y si bien más del 50 % de ellos provino de la
56
Unidad de Cuidados Intensivos de Emergencia (UCIE), cerca de 20 % lo hizo del
Servicio de Cirugía General.
Tabla # 1. Características generales de la muestra
Número de pacientes
251
Edad promedio (en años)
- Vivos
51,97 años
- Fallecidos
58,14 años
Sexo
- Masculino
157
(62 %)
- Femenino
94
(38 %)
Estado al egreso
- Vivos
196
- Fallecidos
55
(21,09 %)
Tabla # 2: Supervivientes y defunciones observadas y esperadas según el
índice MPM II0 por deciles de riesgo.
Probabilidad de
Supervivientes
Defunciones
morir
Observado
Esperado
Observado
Esperado
≤0,050
40
44,6
1
1,0
>0,050-0,079
35
34,5
1
1,0
>0,079-0,108
19
26,8
2
1.0
>0,108-0,137
24
21,7
2
4,7
>0,137-0,174
25
17,8
3
8,2
>0,174-0,236
18
15,3
5
9,6
>0,236-0,327
16
10,8
7
2,8
>0,327-0,470
11
10,8
9
11,6
>0,470-0,678
6
3,4
10
16,1
>0,678-1,000
2
3,8
15
12,4
Ĉ = 14,9 (p = 0,048) Ĉ = estadístico de Hosmer - Lemeshow
En las tablas # 2 y 3, donde se comparan el número de sobrevivientes y no
sobrevivientes observados con lo esperado en cada estrato de riesgo respecto al
MPM0 y el MPM24, se encontró poca homogeneidad, reveladora de que la
valoración basada en el modelo fue inferior al número de muertes observado. El
cálculo de la prueba de bondad de ajuste mostró que dicho modelo (MPM) no
permite valorar adecuadamente la probabilidad de muerte hospitalaria en este
grupo de pacientes (p < 0,03) ni al ingreso ni a las a las 24 horas, aunque se debe
señalar que a las 24 horas (MPM24), los valores de la calibración y discriminación
fueron mejores. La tabla # 4 representa los valores numéricos de las pruebas así
como una representación cualitativa de las mediciones de la escala predictiva
estudiada. Un valor p < 0,05 representa un modelo que no se ajusta, o sea, que
existe una variación inaceptablemente grande entre los resultados observados y
los esperados.
57
Tabla # 3: Supervivientes y defunciones observadas y esperadas según el
índice MPM II24 por deciles de riesgo.
Probabilidad de
Supervivientes
Defunciones
morir
Observado
Esperado
Observado
Esperado
≤0,037
41
41,5
1
1,0
>0,037-0,061
33
34,5
1
1,0
>0,061-0,087
29
28,8
1
1.0
>0,087-0,117
24
24,7
2
4,7
>0,117-0,162
21
19,8
5
8,2
>0,162-0,228
17
23,3
6
9,6
>0,228-0,313
11
10,8
6
9,8
>0,313-0,466
9
7,8
9
11,6
>0,466-0,711
8
3,4
11
16,1
>0,711-1,000
3
6,8
13
11,4
Ĉ = 9,9 (p = 0,040) Ĉ = estadístico de Hosmer - Lemeshow
Tabla # 4: Comparación de predicción cualitativa y cuantitativa de la
calibración y la discriminación del modelo MPM realizada en los 251
pacientes a las 0 y a las 24 horas.
Modelo
Calibración
Discriminación
predictivo
ĉ
p
Sens.
Espec.
ABC
MPM0
14,9
0,048 59,78
87,90
0,715
MPM24
9,9
0,040
91,12
0,897
0 horas de ingreso.
MPM0
24 horas de ingreso.
MPM24
79,80
++
+
+++
++
ĉ = estadístico Chi cuadrado de Hosmer - Lemeshow. p = significación estadística, Sens =
sensibilidad, Espec = especificidad, ABC = área bajo la cura COR.
DISCUSIÓN
El comportamiento de un modelo estadístico puede ser evaluado examinando la
exactitud de las probabilidades que genera. La calibración compara el número
estimado de defunciones según la probabilidad de morir con el número real
observado, por grupos de pacientes. Dicho de otra forma, si tenemos 100
58
pacientes con probabilidad de morir del 25 % ¿mueren aproximadamente 25
pacientes? Si no es así, el modelo no está bien calibrado. Posibles causas de una
calibración deficiente pueden ser una composición de pacientes no usual, o un
comportamiento diferente en la UCI con respecto a las UCI del modelo orignal.
También puede darse el caso de que el modelo utilizado no sea el adecuado. La
prueba estadística que evalúa la calibración es la de Hosmer-Lemeshow, que
compara el número de defunciones y de supervivencia esperadas y observadas
por deciles de riesgo.6, 8, 10,12
La discriminación evalúa en que grado el modelo distingue a los pacientes que
sobreviven de los que mueren. Como medida de discriminación se utiliza el área
bajo la curva de características operativas del receptor (COR) que representa,
para todos los pares posibles formados por un paciente superviviente y un
paciente muerto, la proporción en la que el paciente que murió tenía un riesgo de
muerte superior, según el modelo, con respecto a los pacientes supervivientes. Si
el área bajo la curva COR vale 0,5 el modelo no se comporta mejor que el
lanzamiento de una moneda. A partir de 0,7 el modelo se considera aceptable.
Cuando se realiza una validación por parte de un grupo diferente de
investigadores o en un grupo diferente de pacientes, los resultados rara vez son
tan buenos como los del informe original, ya que es difícil duplicar exactamente los
métodos originalmente desarrollados; además, los nuevos pronósticos incluyen
variaciones naturales (ruidos) que no aparecen en el estudio inicial.14-16
Semejante a lo encontrado en nuestra serie, en los últimos años diversos trabajos
relacionados con los modelos de pronóstico generales han mostrado un patrón
similar: una buena discriminación con una pobre calibración; este patrón se ha
observado en distintos marcos y con disímiles modelos.8–12
A pesar de las innumerables ventajas que reporta este modelo: resultar menos
sensible al sesgo de tiempo de avance y a la selección, necesitar un mínimo de
pruebas de laboratorio, no requerir un diagnóstico único, no producir una
puntuación sino una probabilidad directa y tener un componente importante para la
valoración de la calidad de la asistencia en la UCI, al ser independiente del
tratamiento en esta.
Concluimos que el MPM II no es aplicable en nuestras unidades sin reajustar
previamente el peso asignado a cada variable adaptándose mediante el método
de regresión logística17-19, a partir de los datos observados en un grupo amplio de
pacientes. Una vez adaptado el modelo es preciso evaluar de nuevo su
calibración.
REFERENCIAS BIBLIOGRÁFICAS
1.
Schuster DP. Predicting outcome after ICU admission. Chest 1992; 102
(6):1861-70.
59
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
13.
14.
15.
16.
17.
18.
Vega Stteb J. Medical Intensive Care Unit: admission and mortality. Rev Med
Chile 1988; 116(10):1034-40.
Zimmerman, JE, Wagner, DP, Draper, EA, et al. Evaluation of acute
physiology and chronic health evaluation III predictions of hospital mortality in
an independent database. Crit Care Med 1998; 26:1317.
Le Gall, JR, Lemeshow, S, Saulnier, F. A new simplified acute physiology
score (SAPS II) based on a European/North American multicenter study.
JAMA 1999; 270:2957.
Auriant, I, Vinatier, I, Thaler, F, et al. Simplified acute physiology score II for
measuring severity of illness in intermediate care units. Crit Care Med 2000;
26:1368.
Lemeshow, S, Teres, D, Klar, J, et al. Mortality probability models (MPM II)
based on an international cohort of intensive care unit patients. JAMA 1993;
270:2478.
Teres D, Lemeshow S.
Using severity measures to describe high
performance intensive care unit. Crit Care Clin 1999; 9 (3): 543-54.
Knaus WA, Wagner DP, Draper EA. The APACHE III prognostic system.
Risk prediction of hospital mortality for critically ill hospitalized adults. Chest
1991; 100:1619-36.
Zimmerman JE, Wagner DP, Draper EA, Wright L, Aizola C, Knaus WA.
Evaluation of APACHE III predictions of hospital mortality in an independent
database. Crit Care Med 1998; 26:1317-26.
Le Gall JR, Lemeshow S, Saulnier F. A new simplified acute physiology score
(SAPS II) based on a European/North American multicenter study. JAMA
1998; 270:2959-63.
Teres D, Lemeshow S, Haris D. Mortality prediction model (MPM) for ICU
patients. Probl Crit Care 1998; 3:585.
Lemeshow S. Mortality probability model (MPM II) based on an international
cohort of ICUS patients. JAMA 1999; 270 (20): 2478-86.
Metnitz PG, Valentin A, Vesely H. Prognostic performance and customization
of the SAPS II: results of a multicenter australian study. Intens Care Med
1999;25:192-7.
Moreno R, Morais P. Outcome prediction in intensive care: results of a
prospective and multicenter portuguese study. Intens Care Med 2000; 23:17786.
Nouira S, Belghith M, Elatrous S. Predictive value of severity scoring systems:
comparison of four models in tunisian adult intensive care units. Crit Care
Med 1998; 26:852-9.
Zimmerman, JE, Wagner, DP, Knaus, WA, et al. The use of risk predictions to
identify candidates for intermediate care units: Implications for intensive care
utilization and cost. Chest 1995; 108:490.
Li, T, Phillips, M, et al. On-site physician staffing in a community hospital
intensive care unit. Crit Care Med 1994; 252:2023.
Brown, JJ, Sullivan, GS. Effect on ICU mortality of a full-time critical care
specialist. Chest 1999; 9:127.
60
19.
Moreno R, Reis Miranda D, Fidler V, Van Schilfgaarde R. Evaluation of two
outcome predictors on an independent database. Crit Care Med 1998;26:5061.
61