Algoritmo que identifica la dificultad en el retorno al domicilio del hemipléjico agudo

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.

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.