Algoritmo que identifica la dificultad en el retorno al domicilio del

Documento descargado de http://www.elsevier.es el 17/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
Rehabilitación (Madr). 2011;45(1):3—8
www.elsevier.es/rh
ORIGINAL
Algoritmo que identifica la dificultad en el retorno al
domicilio del hemipléjico agudo
R.M. San Segundo a,∗ , J.J. Aguilar b , J.F. Santos b y T. Usabiaga b
a
b
Servicio de Medicina Física y Rehabilitación, Hospital de Sant Pau i Santa Tecla, Universidad Rovira i Virgili, Tarragona, España
Servicio de Medicina Física y Rehabilitación, Hospital Juan XXIII, Universidad Rovira i Virgili, Tarragona, España
Recibido el 3 de septiembre de 2010; aceptado el 10 de diciembre de 2010
PALABRAS CLAVE
ACV;
Demora en el retorno
a domicilio;
Algoritmo de
decisión;
FIM
∗
Resumen
Introducción: El retorno al domicilio del paciente que ha sufrido un accidente cerebrovascular
agudo (ACVA) es fundamental para el alta hospitalaria y su integración en la sociedad. Se establece un algoritmo que permita identificar a los pacientes con ACVA que sufrirán demora en la
reinserción al domicilio al alta.
Material y métodos: Se procede a un estudio retrospectivo en 214 hemipléjicos que ingresan
en el Servicio de Rehabilitación (SMFR) de un Hospital General. Se recogen 17 variables clínicas
y sociodemográficas al ingreso en rehabilitación (a los 14 días de media desde el ictus) y se
relacionan con la demora en la vuelta a su domicilio (DRD).
Mediante análisis de regresión logística múltiple, se calcula la fórmula del modelo de predicción y se confecciona un árbol de probabilidades de DRD.
Resultados: La probabilidad de DRD está determinada por tres variables: FIM inicial
(menor o mayor a 50 puntos), edad (mayor o menor a 75 años) y soledad (vivir solo o no
previamente al ACVA). La combinación de estas variables permite confeccionar un algoritmo con
ocho grupos de diferente probabilidad de DRD, entre el 3,6 y el 79,6%. Tiene una especificidad
del 89%, sensibilidad del 40% y valor de predicción del 76%.
Conclusiones: Se ha construido un algoritmo para decidir a priori la probabilidad de DRD utilizando las tres variables de mayor capacidad de predicción: capacidad funcional al ingreso
(por Functional Independence Measure [FIM]), edad y la circunstancia de vivir en soledad. Este
algoritmo incluye ocho grupos diferentes de probabilidad de DRD.
© 2010 Elsevier España, S.L. y SERMEF. Todos los derechos reservados.
Autor para correspondencia.
Correo electrónico: [email protected] (R.M. San Segundo).
0048-7120/$ – see front matter © 2010 Elsevier España, S.L. y SERMEF. Todos los derechos reservados.
doi:10.1016/j.rh.2010.12.002
Documento descargado de http://www.elsevier.es el 17/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
4
R.M. San Segundo et al
KEYWORDS
ACVA;
Delay in discharge;
Decision algorithm;
FIM
Decision algorithm that identifies delay in discharge of stroke patients
Abstract
Introduction: The return home of patients who have suffered an acute cerebrovascular accident
(ACVA) is fundamental if they are to be discharged from hospital and integrated into society.
Our aim is to design an algorithm that can identify those patients with ACVA who will undergo
a delay in discharge to their home.
Patients and method: A total of 214 hemiplegic patients admitted to the Rehabilitation
Service (SMRF) of the General Hospital were retrospectively studied. On admittance
(a mean of 14 days after the stroke), 17 clinical and sociodemographic variables were collected
and their relationship with delay in the return home (DRD) was studied. Multiple logistic regression analysis was used to calculate the formula of the prediction model and the probability tree
for presenting DRD was drawn up.
Results: Likelihood of DRD is determined by three variables: initial functional independence
measurement (FIM) (above or below 50 points), age (older or younger than 75) and living alone
(whether or not the patient lived alone before the ACVA). The combination of these variables makes it possible to construct an algorithm with eight different likelihood groups of DRD,
between 3.6 and 79.6%. It has an 89% specificity, 40% sensitivity and 76% prediction value.
Conclusions: An algorithm has been constructed to make a priori decisions about the probability
of DRD. It uses the three variables with the greatest prediction ability: functional capacity on
admittance (FIM), age and whether or not the patient lived alone. The algorithm considers eight
different groups of DRD likelihood.
© 2010 Elsevier España, S.L. and SERMEF. All rights reserved.
Introducción
La Organización Mundial de la Salud (OMS) define el ictus
como un síndrome clínico, de origen vascular, que se caracteriza por el desarrollo rápido de signos de alteración
neurológica focal (a veces general), que duran más de 24 h
y pueden producir la muerte. Representa la tercera causa
de muerte en el mundo occidental y el 9,2% de la mortalidad total (el 7,5% en varones y el 11,1% en mujeres)
en Cataluña1 . Es la primera causa de discapacidad física
en adultos y la segunda de demencia2 y repercute gravemente en la calidad de vida del paciente y su entorno
familiar. Los pacientes con ictus son un grupo heterogéneo
en cuanto a síntomas y pérdida de autonomía personal, y se
observa que el 70% de los supervivientes de la fase aguda
logran una marcha funcional, mientras que sólo el 60% recupera la independencia para las actividades de la vida diaria
(AVD).
Como consecuencia del aumento de la discapacidad tras
el ictus, los costes derivados de la atención sanitaria y social
son elevados y se prevé que, debido a su alta incidencia, la
carga social y económica aumentará en los próximos años3 .
Según la National Stroke Association4 , 750.000 personas tienen un ictus nuevo o recurrente cada año en Estados Unidos,
con un coste estimado de 30.000 millones de dólares. El
coste sanitario del ictus en España en 19965 fue de 5.337
euros por paciente durante el primer año, de los que el 54%
se consumió en la fase aguda del ictus y el 46% restante a
lo largo del primer año. Sólo el 47% realizó tratamiento de
rehabilitación, cuyo coste medio por paciente y año fue de
337 euros, lo que contrasta con los países industrializados,
donde el 70% de los pacientes con AVC reciben rehabilitación y la asistencia y los cuidados a largo plazo suponen
un coste mayor6 . La principal fuente de gastos del ictus en
Suecia7 es el hospital (45-50%), seguido por la residencia
asistida (16-24%), la ayuda domiciliaria (8-16%), la pensión
de discapacidad (5-11%), el equipo auxiliar para el discapacitado (1%) y los fármacos (1-3%), y la mayoría de los estudios
coinciden en que la mayor parte de los costes directos se
refieren a la atención hospitalaria, cuya estancia media es
muy variable8 .
El propósito del presente estudio es construir un algoritmo que permita detectar lo más precozmente posible a
los pacientes que tras sufrir un ACV agudo (ACVA) tendrán
dificultades para reintegrarse en su domicilio.
Pacientes y método
Sujetos
Se realiza un estudio retrospectivo en 214 hemipléjicos
que ingresan de forma consecutiva en un Servicio de Medicina Física y Rehabilitación (SMFR) de un Hospital General
durante el periodo comprendido entre el 1 enero de 1994
y el 31 de diciembre de 2001 por un ACVA hemorrágico o
isquémico y que han seguido un programa de rehabilitación en régimen ingresado. Se excluye a los pacientes que
han fallecido durante el ingreso, los de estancia inferior a
1 semana, los que no tienen parálisis motora y los ACVA de
causa traumática o tumoral.
Las características de los pacientes se muestran en la
tabla 1.
Procedimiento
La variable de estudio es el destino al alta, que representa el
lugar donde el paciente vivirá a partir de su alta hospitalaria
tras seguir el programa de tratamiento de rehabilitación en
régimen ingresado. Se clasifica en dos grupos, aquellos que
Documento descargado de http://www.elsevier.es el 17/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
Algoritmo que identifica la dificultad en el retorno al domicilio del hemipléjico agudo
Tabla 1
5
Características de los pacientes y comparación entre los que retrasan la vuelta al domicilio (DRD) y los que no.
Variable
Total (n = 214)
DRD (n = 57)
Domicilio (n = 157)
Diferencia, RR (IC del 95%)
Edad (años)
Varones
AVC isquémicos
Hemiplejia izquierda
Antecedentes cardiovasculares
Sin trabajo previo
Vivía solo previamente
Con barreras
Incontinente
Comunicación alterada
Conciencia alterada
Sensibilidad profunda alterada
Demora (días)
FIM inicial (puntos)
68,8 ± 10,5
130 (61)
167 (78)
117 (55)
101 (48)
162 (75,7)
74 (34,6)
157 (74,8)
114 (53,3)
119 (55,6)
44 (20,6)
86 (45)
14,1 ± 11,6
43,6 ± 20,2
71,3 ± 10,2
29 (49,1)
43 (75,4)
36 (63,1)
26 (45,6)
48 (84,2)
39 (68,4)
44 (77,2)
44 (77,2)
39 (68,4)
19 (33,3)
32 (56,1)
14,1 ± 10,5
32,6 ± 13,1
68 ± 10,5
101 (64,3)
124 (79)
81 (51,6)
75 (47,7)
114 (72,6)
35 (22,3)
113 (72)
70 (44,6)
80 (51)
25 (16)
54 (34,4)
14,2 ± 12
47,6 ± 21
3,3 (0,2-6,5)
1,5 (0,9-2,3)
1,1 (0,7-1,7)
1,4 (0,9-2,3)
0,9 (0,5-1,5)
1,7 (0,9-3,2)
2,6 (1,7-3,9)
1,2 (0,7-2,2)
2,9 (1,7-5,2)
1,7 (1,1-2,8)
2,6 (1,2-5,6)
2,1 (1,3-3,7)
—0,1 (—3,6 a 3,5)
—15 (—19,7 a —10,2)
AVC: accidente cerebrovascular; DRD: demora en el retorno a domicilio; IC: intervalo de confianza; RR: riesgo relativo. Los datos expresan
n (%) o media ± desviación estándar.
ingresan en una institución, ya sea centro sociosanitario o
residencia, y los que se integran en la comunidad, ya sea
en su propia casa o en el domicilio de familiares. El primer
grupo es en el que se considera que se produce demora en
el retorno a su domicilio (DRD).
Se analizan 14 variables, fáciles de recoger y clínicamente relevantes, en el momento del ingreso en
rehabilitación (a los 14 días de media tras el AVC): edad;
sexo; tipo de AVC (isquémico o hemorrágico determinado por
TC o RM); lado afecto; control de esfínteres; capacidad de
comunicación determinada mediante el test de Frenchay9 ;
nivel de conciencia según la Escala de Coma de Glasgow,
siendo normal si la puntuación de la escala es de 15 y alterado si la puntuación es < 1510 ; alteración de la sensibilidad
profunda según su variante artrocinética (el paciente con
los ojos cerrados debe ser capaz de reconocer la posición
de la articulación interfalángica del primer dedo del pie del
lado afecto, siendo normal si el paciente no comete errores en el reconocimiento de dicha articulación); presencia
o ausencia de antecedentes cardiovasculares (si el paciente
es diabético, cardiópata o ha tenido ictus previos); demora
en el ingreso en el SMFR (días transcurridos entre el AVC y
el ingreso); estado funcional inicial, medido por el test de
la Medida de la Independencia Funcional (FIM)11 ; soledad
(situación de convivencia del paciente previamente al AVC
según si vivía solo o con alguien); si trabajaba previamente
al AVC, y si su vivienda tenía o no barreras arquitectónicas
externas.
Se han categorizado las variables cuantitativas de la
siguiente forma: la edad en > 75 y ≤ 75 años; el FIM en > 50
y ≤ 50 puntos. Para esta categorización se ha utilizado como
puntos de corte los datos disponibles en la literatura12 o se
ha calculado a partir de regresión logística múltiple el valor
de máxima discriminación.
Estadística
En la estadística descriptiva se determina para las variables
cuantitativas la media y la desviación estándar y para las
cualitativas, las frecuencias absolutas y relativas.
La comparación de los grupos se ha efectuado en las
variables continuas con la prueba de la t de Student y en
las categóricas mediante la de la ␹2 o la prueba exacta de
Fisher cuando alguno de los valores esperados era ≤ 5. Se ha
calculado el riesgo relativo (RR) y la odds ratio (OR) y su
intervalo de confianza (IC) del 95%.
Con el objetivo de identificar qué variables están relacionadas con la DRD, se realiza un análisis univariable entre
el grupo de pacientes que al alta retornan a domicilio y los
que no retornan a domicilio (DRD) para poder comparar las
características de ambos grupos.
Para valorar los factores de predicción independientes de
la DRD, se procede al análisis multivariable mediante regresión logística con el método de máxima verosimilitud hasta
hallar el modelo final con el mínimo conjunto de variables
que consiguen la máxima predicción.
Se incluyen en el análisis multivariable todas las variables que en el análisis univariable mostraron una asociación
estadística al menos marginalmente significativa (p < 0,15).
Se eliminan las variables del modelo cuya exclusión no modifica la verosimilitud y si su eliminación no supone un cambio
importante en los coeficientes de las variables del modelo
(>15%). A partir de las variables significativas obtenidas en
el análisis multivariable, se construye un algoritmo de decisión.
El nivel de significación estadística establecida es
p < 0,05. Para el análisis de los datos se ha utilizado el programa SPSS13 versión 6,1.
Resultados
El análisis univariable determina que la edad, el FIM inicial y la soledad tienen la mayor capacidad de predecir la
DRD (tabla 2). Combinando estas tres variables de mayor
capacidad de predicción del pronóstico de DRD y de relevancia clínica: FIM inicial (menor o mayor a 50 puntos),
edad (mayor o menor a 75 años) y soledad (vivir solo o
no previamente al ACVA) se construyen ocho grupos de
diferente probabilidad de DRD (tabla 3), de tal manera
que:
Documento descargado de http://www.elsevier.es el 17/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
6
R.M. San Segundo et al
Tabla 2
Factores que influyen significativamente en la demora en el retorno al domicilio.
Variable
DRD (n = 57)
RR (IC del 95%)
p
41 (64)
123 (78)
1,62 (1,05-2,5)
0,03
54 (35)
4 (6)
101 (65)
63 (94)
5,8 (2,2-15,5)
0,001
39 (56)
39 (21)
35 (44)
143 (79)
2,6 (1,7-3,9)
0,0001
Edad
>75 años
<75 años
23 (36)
35 (22)
FIM inicial
≤50 puntos
>50 puntos
Soledad
Vivía solo
Vivía con alguien
Comunidad (n = 157)
DRD: demora en el retorno al domicilio; IC: intervalo de confianza; RR: riesgo relativo. Los datos expresan n (%).
Tabla 3
Probabilidad de demora en el retorno al domicilio.
Grupos
1
2
3
4
5
6
7
8
FIMi < 50,
FIMi < 50,
FIMi < 50,
FIMi < 50,
FIMi > 50,
FIMi > 50,
FIMi > 50,
FIMi > 50,
edad > 75
edad > 75
edad < 75
edad < 75
edad > 75
edad > 75
edad < 75
edad < 75
años
años
años
años
años
años
años
años
y
y
y
y
y
y
y
y
vive solo
no vive solo
vive solo
no vive solo
vive solo
no vive solo
vive solo
no vive solo
Probabilidad
Error estándar
IC del 95%
0,79
0,41
0,62
0,22
0,32
0,08
0,17
0,03
0,08
0,07
0,09
0,04
0,15
0,04
0,08
0,02
0,63-0,95
0,26-0,54
0,44-0,8
0,14-0,3
0,02-0,62
0-0,16
0,01-0,33
—0,01-0,07
FIMi: Medida de la Independencia Funcional al ingreso; IC: intervalo de confianza.
• Los pacientes con FIM inicial ≤ 50 puntos, mayores de 75
años y que viven solos tienen una probabilidad de DRD
de alrededor del 80%, que desciende al 41% si viven con
alguien.
• Los pacientes con FIM inicial ≤ 50 puntos y menores de 75
años, si viven solos, tienen una probabilidad de DRD del
62,3%, mientras que si viven con alguien, es del 22,6%.
• Pacientes con FIM inicial > 50 puntos, si tienen más de 75
años y viven solos, tienen una probabilidad de DRD del
32,6%, frente al 8% si viven con alguien.
• Pacientes con FIM > 50 puntos y edad < 75 años, viviendo
solos tienen el 17,6% de probabilidad de DRD y si viven
con alguien, sólo el 3,6%.
El algoritmo se representa en la fig. 1. La especificad es del
89%; la sensibilidad, del 40% y el valor de predicción, del
76%.
Discusión
Las tres variables que forman parte del algoritmo de decisión, capacidad funcional inicial, edad y soledad, son los
factores más estudiados en la literatura y de más trascendencia en la predicción del pronóstico de la DRD en el ACVA.
Diversos estudios relacionan la función al ingreso con la
función al alta14-17 , y algunos autores relacionan función inicial o final con DRD18 . Nosotros hemos relacionado función
inicial con DRD con la intención de utilizar información muy
precoz que nos permitiera establecer una predicción de la
demora en el alta. Es probable que la capacidad funcional al
alta tenga mayor capacidad de predicción, pero no la hemos
utilizado porque no es una información precoz. Se ha utilizado el nivel de 50 puntos del FIM como punto de corte de la
discapacidad inicial. En nuestro estudio se observa que los
pacientes con FIM inicial < 50 puntos tienen hasta 15 veces
más probabilidad de DRD que los de FIM inicial > 50, y como
poco tienen el doble de probabilidad (IC del 95%, 2,2-15,5).
Granger15 establece este umbral con la escala de funcionalidad de Barthel y considera que un valor < 20 puntos es un
factor de predicción desfavorable de función. El grupo de
Li19 realiza un estudio en el cual determina dos estructuras
en árbol de decisión y ambas parten de medidas funcionales iniciales (Barthel inicial y Rankin inicial) que deciden
el resultado funcional final. Para Alexander16 , un FIM inicial < 40 es también un factor de pronóstico desfavorable de
función final. Otro grupo reciente, como el de Reistetter20 ,
establece un punto de corte en el FIM total como predictor
de destino al alta. Puntuaciones > 78 puntos de FIM indican
mayor probabilidad de destino a la comunidad, y los < 78
puntos de FIM, mayor riesgo de DRD.
La edad es una variable que se relaciona tanto con el
resultado funcional como con el destino al alta hospitalaria.
Las personas de mayor edad consiguen un peor resultado
funcional por varios factores: mayor comorbilidad21 , mayor
frecuencia de ictus más graves22 , un estado funcional previo
al ictus más deficiente, mayor frecuencia de discapacidad
ligada al ictus, más frecuencia de disfagia e incontinencia23 ,
todos ellos factores que determinan un estado funcional
peor. Además, en términos generales, el ingreso en institución es más frecuente en pacientes mayores de 75 años24 . Se
ha establecido el punto de corte para la edad en 75 años, en
Documento descargado de http://www.elsevier.es el 17/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
Algoritmo que identifica la dificultad en el retorno al domicilio del hemipléjico agudo
7
DRD
Soledad
79,6%
No soledad
41%
Soledad
62,3%
No soledad
22,6%
Soledad
32,6%
No soledad
8%
Soledad
17,6%
No soledad
3,6%
> 75 años
< 50
≤ 75 años
FIM
inicial
> 75 años
> 50
≤ 75 años
Figura 1
Algoritmo de la probabilidad de demora en el retorno al domicilio.
concordancia con la literatura y porque es el punto de corte
de máxima discriminación obtenido en la regresión logística
múltiple. Es preciso destacar que el impacto de la edad en
nuestro estudio no es tan importante como se señala en la
literatura25 , ya que el 36% de los pacientes mayores de 75
años presentan DRD, frente al 22,2% de los menores de 75
años, con un riesgo relativo de DRD respecto a la edad de
1,62 (IC del 95%, 1,05-2,5).
Se ha observado una clara relación entre la circunstancia
de vivir solo y la DRD. Sufren retraso en el retorno a su domicilio el 56% de los pacientes que antes del ictus viven solos,
frente al 21% de los que previamente viven con alguien, es
decir, casi el doble de pacientes que viven con alguien vuelven a la comunidad, como también señala la literatura18,24 .
La circunstancia de no tener pareja o cuidador, lo que hemos
denominado soledad, se ha considerado un factor de riesgo
de DRD en los pacientes ancianos25,26 .
Hay que destacar la circunstancia de que en la probabilidad de sufrir DRD la soledad tiene más peso que la edad.
Así, los pacientes con FIM < 50 puntos, más de 75 años y
que vivían con alguien tienen menos probabilidad de DRD
(41%) que aquellos con las mismas características de edad y
función FIM, pero que vivían solos (62,3%).
Conclusiones
El interés de este algoritmo es detectar lo más precozmente
posible a los pacientes que tras sufrir un ACVA tendrán dificultades para regresar a su domicilio.
Para finalizar, cabe destacar que el algoritmo presentado
tiene una alta especificidad (89%), pero una baja sensibilidad
(40%), lo que explica mejor el perfil de los pacientes que al
alta van a volver al domicilio que el de quienes tendrán DRD.
Bibliografía
1. Grupo de trabajo de la Guía de práctica clínica del ictus.
Barcelona: Plan Director de la Malaltia Vascular Cerebral,
Departament de Salut i Agència d’Avaluació de Tecnologia i
Recerca Mèdiques; 2007.
2. Castillo J. Alvarez Sabin. Manual de enfermedades vasculares.
2.a ed. Barcelona: Prous Science; 1999.
3. Heart Disease and Sroke-2004. Dallas: American Heart Association; 2003.
4. Gorelick PB. Stroke prevention.An opportunity for efficient utilization of health care resources during the coming decade.
Stroke. 2010;25:220—4.
5. Carod-Artal FJ, Egido-Navarro JA, González-Gutiérrez JL,
Varela de Seijas E. Coste directo de la enfermedad cerebrovascular en el primer año de seguimiento. Rev Neurol.
1999;28:1123—30.
6. Dobkin B. The economic impact of stroke. Neurology. 1995;45(2
Suppl I):S6—9.
7. Térent A. Medio-social consequences and direct cost of stroke
in a Swedish community. Scand J Rehab Med. 1983;15:165—71.
8. Beech R, Ratcliffe M, Tilling K, Wolfe C. Hospital services post stroke care. An European perpective. Stroke.
1996;27:1958—64.
9. Enderby PM, Wood VA, Wade DT, Langton Hewr R. The
Frenchay Aphasia Screening test: a short, simple test for aphasia appropiate for nonspecialists. Int J Rehab Med. 1987;8:
166—70.
10. Teasdale G, Jennett B. Assessment of coma and impaired consciousness. Lancet. 1974;2:81—4.
11. Granger CV, Hamilton BB, Fledler R. Discharge outcome after
stroke rehabilitation. Stroke. 1992;23:978—82.
12. Schmidt R, Breteler MMB, Inzitari D, Fratiglioni L, Hofman
A, Launer LJ, Neurologic diseases in the elderly research
group. Prognosis with stroke in Europe: a collaborative study
of population-based cohorts. Neurology. 2000;54(11 Suppl
5):S34—7.
Documento descargado de http://www.elsevier.es el 17/11/2016. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
8
13. Norusius MJ. SPSSS Advances statiscs. 6,1. Chicago, 1994.
14. Heinemann AW, Linacre JM, Wright BD, Hamilton BB, Granger C.
Prediction of rehabilitation outcomes with disability measure.
Arch Phys Med Rehabil. 1994;75:133—43.
15. Granger CV, Hamilton BB, Gresham GE. Stroke rehabilitation
outcome study-part I: general description. Arch Phys Med Rehabil. 1988;69:506—9.
16. Alexander MP. Stroke rehabilitation outcome. A potential use
of predictive variables to establish levels of care. Stroke.
1994;25:128—34.
17. Daviet JC, Verdié-Kessler C, Stuit A, Popielarz S, Sinzakaraye A,
Muñoz M, et al. Facteurs prédictifs du devenir fonctionnel et du
retour à domicile après un premier accident vasculaire cerebral hémisphérique. Annales de Réadaptation et de Médecine
Physique. 2006;49:49—56.
18. Petrilli S, Durufle A, Nicolas B, Pinel JF, Kerdoncuff V,
Galleen P. Hémiplégie vasculaire et retour à domicile. Annales
de Réadaptation et de Médecine Physique. 2002;45:69—76.
19. Li C, Chen Y, Tsay S, Hu G, Lin K. Predicting functional outcomes in patients suffering from ischaemic stroke usign initial
admission variables and physicological data: a comparison between tree model and multivariate regression analysis. Disabil
Rehabil. 2010;32:2088—96.
20. Reistetter TA, Graham JE, Deutsch A, Granger CV, Markello S,
Ottenbacher J. Utility of functional status for classifying
R.M. San Segundo et al
21.
22.
23.
24.
25.
26.
community versus institutional discharges after inpatient rehabilitation for stroke. Arch Phys Med Rehabil. 2010;91:345—50.
Di Carlo A, Lamassa M, Pracucci G, Bsile AM, Trefoloni G,
Vanni P, et al., European BIOMED Study of Stroke Care Group.
Stroke in very old. Clinical presentation and determinants of
3-month functional outcome. A European perspective. Stroke.
1999;30:2313—9.
Macciocchi SN, Diamond P, Alves W, Mertz T. Ischemic stroke.
Relation of age, lesion location and initial neurologic deficit to functional outcome. Arch Phys Med Rehabil. 1998;79:
1255—7.
Pohjasvaara T, Erkinjuntti T, Vataja R, Kaste M. Comparison
of stroke features and disability in daily life in patients with
ischemic stroke aged 55 to 70 and 71 to 85 years. Stroke.
1997;28:729—35.
Rockwood K, Stolee P, McDowell I. Factors associated
with institutionalization of older people in Canada: testing a multifactorial definition of frailty. J Am Geriatr Soc.
1996;44:578—82.
Ergeletzis D, Kevorkian CG, Rintala D. Rehabilitation of the
older stroke patient: Functional outcome and comparison with
younger patients. Am J Phys Med Rehabil. 2002;81:881—9.
Ilett P, Brock KA, Graven CJ, Cotton SM. Selecting patients
for rehabilitation after acute stroke: are there variations in
practice? Arch Phys Med Rehabil. 2010;91:788—93.