Desarrollar un índice capaz de estimar el riesgo individual de muerte a los 6 meses y un año, de los pacientes dados de alta de una Unidad de Agudos de Geriatría.
Metodología y análisisEstudio cohorte, prospectivo. Pacientes mayores de 70 años que ingresaron en una Unidad de Agudos de Geriatría y sobrevivieron al alta hospitalaria. El índice se construirá con el 75% de la muestra obtenida de forma aleatorizada y se validará con el 25% restante. La variable dependiente es la mortalidad a los 6 y 12 meses del alta hospitalaria. Las variables independientes incluyen datos sociodemográficos, estado funcional, comorbilidades, características clínicas y de laboratorio. Se utiliza el modelo de regresión logística multivariante para analizar la relación entre los factores de riesgo y mortalidad. Para construir el índice, la puntuación de cada factor de riesgo se determinará dividiendo cada coeficiente beta por el menor, y la puntuación de riesgo de cada paciente se hará sumando los puntos de cada factor. La precisión de este modelo predictivo se analizará comparando la mortalidad predicha versus la observada en la población de validación y calculando el área bajo las curvas ROC tanto en la población de construcción del índice como en la validación.
ConclusionesEl índice predictor de mortalidad desarrollado nos permitirá estimar de forma sencilla el riesgo individual de fallecer a los 6 y 12 meses siguientes al alta de una Unidad de Agudos de Geriatría, con la finalidad de establecer planes de cuidados e individualizar tratamientos, según los objetivos realistas.
To identify predictive factors for 6 and 12-months mortality after discharge from a geriatric acute care unit, and from these, derive a mortality-risk index.
Methods and analysisProspective cohort study will be conducted on patients over 70 years-old admitted to a geriatric acute care unit and survived to hospital discharge. The main outcome measure will be mortality at 6 months and 12 months after discharge. Independent variables include sociodemographics, functional status, comorbidities, and clinical and laboratory characteristics. Risk factors associated with mortality will be constructed using multivariate logistic regression models. To build the mortality index, points will be assigned to each risk factor by dividing each beta coefficient in the logistic model by the lowest beta coefficient. A score will be assigned to each subject by adding up the points for each risk factor present in the model. The predictive accuracy of the model will be determined by comparing the predicted versus observed mortality in the study population and calculating the area under the ROC curves in both populations.
ConclusionsThe risk-mortality index developed would allow an easy estimate to be made of individual risk of death at 6 months and 12 months after discharge from a geriatric acute care unit, with the purpose of establishing care plans and individualising treatment, according to real objectives.
La población anciana que ingresa en una Unidad de Agudos Hospitalaria es muy heterogénea, por lo que la toma de decisiones terapéuticas debe realizarse de forma individualizada, teniendo en cuenta no solo las variables biológicas1, sino también las funcionales y las condiciones sociofamiliares2. Además, en la evaluación del beneficio potencial de una determinada intervención es deseable tener en cuenta el pronóstico vital a corto y medio plazo del paciente. La estimación de la esperanza de vida puede ayudar a desarrollar objetivos realistas y planes de cuidados adaptados a cada paciente y a su núcleo familiar próximo, especialmente en los ancianos con enfermedad crónica avanzada tras un ingreso hospitalario3. Una herramienta operativa y sencilla que permitiese estimar el riesgo de mortalidad a corto y medio plazo podría ser de gran valor para el paciente, el clínico, el cuidador y también para las instituciones y organismos encargados del desarrollo y puesta en marcha de estrategias de política sanitaria.
En los últimos años se han publicado distintos trabajos que han tratado de identificar los factores pronósticos de mortalidad a corto y medio plazo después del alta de una unidad de hospitalización en la población anciana4–9, analizando entre otros: comorbilidad, situación física y nutricional, estado mental, parámetros analíticos y distintas variables sociodemográficas.
Los resultados de estos estudios no siempre han sido concordantes pudiendo deberse las discrepancias a diferencias en las variables analizadas, la población estudiada, el tiempo de seguimiento o la metodología empleada2,6,8,10–12.
La importancia de la edad varía según los diferentes estudios6,8,10. En algunos trabajos realizados en poblaciones muy ancianas8, la edad deja de ser un factor de riesgo independiente de mortalidad a corto o medio plazo. Respecto a la situación nutricional, existen discrepancias en cuanto a los indicadores nutricionales a emplear, la interpretación de resultados, y la importancia del momento en que se determine el estado nutricional (previo al ingreso o a lo largo del tiempo)5,8,13,14. Las variables sociodemográficas han sido escasamente evaluadas en nuestro medio. La institucionalización se relaciona con la elevada dependencia9,15 y comorbilidad16,17 y, por lo tanto, aumento del riesgo de mortalidad.
A pesar de que es conocido que la dependencia se asocia a mayor riesgo de mortalidad en el anciano son pocos los índices predictores que incluyen variables sobre funcionalidad2,8. Por ello, la inclusión de parámetros de función en las herramientas evaluadoras del pronóstico, podría aumentar la capacidad predictiva de las mismas.
En nuestra Unidad de Agudos ingresan pacientes que son más ancianos, tienen una mayor prevalencia de fragilidad y demencia en comparación con las poblaciones descritas en la literatura sobre estudios predictores de mortalidad, por lo que las variables descritas podrían no ser válidas para nuestros pacientes2,6,18.
La finalidad del presente estudio es desarrollar un índice que nos permita estimar el riesgo de mortalidad a los 6 meses y al año del alta de una Unidad Hospitalaria de Agudos de Geriatría con el fin de ayudarnos en la toma de decisiones clínicas y evitar errores frecuentes en este tipo de población tanto ensañamiento como nihilismo terapéutico.
Hipótesis y objetivosNuestra hipótesis es que mediante el estudio y evaluación de determinadas características sociodemográficas, biológicas y funcionales de los pacientes ingresados en una Unidad de Agudos de Geriatría, es posible predecir la probabilidad de mortalidad a los 6 meses y al año del alta hospitalaria.
Objetivo principal- -
Desarrollar un índice capaz de estimar el riesgo individual de fallecimiento a 6 meses y un año entre los pacientes que reciben el alta hospitalaria de una Unidad de Agudos de Geriatría.
- -
Conocer y describir las características sociodemográficas, biológicas, funcionales y sociales de los ancianos atendidos por la Unidad de Agudos de Geriatría de un Hospital Universitario.
- -
Conocer la mortalidad a los 6 y 12 meses de la población atendida.
- -
Determinar los factores predictores de mortalidad a corto-medio plazo en esa población, e identificar los factores predictores de mortalidad potencialmente modificables.
Estudio de cohorte, prospectivo.
PoblaciónCriterios de inclusiónPacientes con edad igual o mayor de 70 años, que ingresaron en la Unidad de Agudos del Servicio de Geriatría del Hospital General Universitario Gregorio Marañón (HGUGM) de Madrid por enfermedad médica aguda o reagudización de enfermedad crónica, y que sobrevivieron al alta hospitalaria. Exclusión: se excluyeron aquellos pacientes con ingresos programados para procedimientos diagnósticos, y los que ingresaban a cargo del Servicio de Geriatría, pero en otra unidad del hospital. Cada paciente fue incluido en el estudio una sola vez de forma que una vez reclutado, no se volvía a incluir en ingresos sucesivos.
Consideraciones éticasEl proyecto fue aprobado por el Comité de Ética en Investigación Clínica de nuestro centro. Se solicitó consentimiento informado a los pacientes o cuidador principal para el análisis de los datos recogidos y para el seguimiento mediante contacto telefónico. Se codificaron los datos para preservar la confidencialidad de los pacientes y sus familiares.
EtapasDurante 6 meses se realizó una fase piloto para comprobar la viabilidad del estudio y entrenar al personal en la recogida de datos. Posteriormente, de abril 2009 a mayo de 2011 se llevó a cabo la recogida de datos. A partir de los 6 meses del inicio de la inclusión de pacientes se comenzó el seguimiento telefónico, que finalizó un año después de la fecha de alta del último paciente incluido. La transcripción de los resultados se hizo de forma paralela a la recogida de datos.
Tamaño de la muestraSegún estudios previos6,8 y para una población anciana como la nuestra, estimamos una mortalidad esperada del 30% al año. Asumiendo un nivel de confianza del 95% y una precisión preestablecida del 3%, se calculó el tamaño muestral y se comprobó su conformidad con el método propuesto por Wallace y Freeman (1987)19, según el cual el número de sujetos necesario para poder usar regresión logística debe ser al menos 10 (K+1), siendo K el número de variables independientes incluidas en el modelo. De acuerdo a estas premisas, se estimó que un tamaño muestral de 897 pacientes era suficiente para el objetivo propuesto.
De acuerdo con los datos de nuestra Unidad de Agudos con una mortalidad anual del 13,5%, una media mensual de 2 pacientes ingresados a cargo fuera de la unidad, 2 ingresos programados al mes y unas pérdidas asumibles del 7% (pérdidas en seguimiento [2%] o rechazo en participar [5%]), la muestra inicial serían 1.515 pacientes para finalizar en los 897 necesarios. El tiempo estimado para completar el reclutamiento de acuerdo a la ocupación del servicio (75 pacientes al mes) fue de 21 meses.
Variables analizadasLa variable objetivo principal fue estudiar la mortalidad a los 6 meses y al año del alta hospitalaria en nuestra población. La información sobre el estado vital se obtuvo mediante contacto telefónico con los participantes y/o sus allegados, y en caso de no ser esto posible, se confirmó solicitando información oficial al Registro de Defunciones de la Comunidad de Madrid. Además, se analizaron las siguientes variables independientes:
Características sociodemográficasEdad (categorizada en intervalos de 5 años hasta los mayores de 90 años), sexo, ubicación (domicilio solo o acompañado, residencia), estado civil (casado, viudo, soltero, divorciado, en pareja).
Estado funcionalSe valoraron 5 actividades básicas de la vida diaria (ABVD), la capacidad de marcha, 8 actividades instrumentales de la vida diaria (AIVD) y la fuerza de prensión manual. Se valoró la capacidad en cada una de estas esferas «basalmente» (2 semanas antes del ingreso), al ingreso (en las primeras 48h de la llegada del paciente a la Unidad de Agudos) y al alta hospitalaria (en las últimas 24h del ingreso), excepto las AIVD que fueron valoradas solo basalmente:
- -
Para la valoración de las ABVD se utilizó el índice de Katz20 modificado que incluye baño, vestido, transferencia, uso del WC y alimento (no se valoró la continencia). Para cada actividad, se preguntó al paciente o cuidador si «reciben ayuda de otra persona para realizar la actividad». Si reciben ayuda se considera dependiente (puntuando 0); si no reciben ayuda se considera independiente (puntuando 1). El rango de puntuación va de 0 (dependiente para todas las ABVD) a 5 (independiente para todas las ABVD).
- -
La capacidad de marcha se valoró según el «Functional Ambulation Classification»21 que es una escala con 6 niveles: 0 (deambulación no funcional o nula); 1 (marcha con gran ayuda física de otra persona); 2 (marcha con ligero contacto manual de otra persona); 3 (marcha con necesidad de supervisión sin contacto físico); 4 (marcha independiente en superficie llana); y 5 (marcha independiente en llano y escaleras).
- -
Las 8 AIVD se valoraron mediante la escala de Lawton22, que incluyen la capacidad de comprar comestibles, preparar la comida, lavar ropa, cuidado de la casa, utilización del transporte, utilizar el teléfono, manejar la propia medicación y el dinero. Para cada actividad, se preguntó al paciente o cuidador si «necesitan ayuda de otra persona para realizar la AIVD». Si necesitan ayuda se considera dependiente (puntuando 0); si no necesitan ayuda se considera independiente (puntuando 1). En el caso de las AIVD, es frecuente que una actividad sea realizada por un miembro de la familia, por conveniencia o hábito, no por discapacidad del paciente. Para resolver este problema, se permite que el paciente conteste que no realiza la actividad. Si no realiza la actividad por problema de salud, se considera dependiente; si el motivo de no realizarla es otro no relacionado con la salud, se considera independiente. El rango de puntuación va de 0 (dependiente para todas las AIVD) hasta 8 (independiente para todas las AIVD).
- -
Fuerza muscular de prensión manual fue medida con un dinamómetro Dynatest® (Ref.: 5365 marca RIESTER, código: JSEMR05265). Se midió el día del alta y se realizaron 3 medidas consecutivas de la fuerza de prensión con la mano dominante, midiéndose en unidades bar, y se tomó como medida definitiva la mayor de las 3 medidas23,24.
Se valoraron los siguientes:
Comorbilidad, mediante el índice de Charlson25; severidad de la enfermedad mediante el índice Acute Physiologic and Chronic Health Evaluation (APACHE II)26; índice de masa corporal (peso en kilogramos y dividido entre la altura en metros al cuadrado); escala de disnea de la New York Heart Association27; estado de ánimo mediante la escala de depresión de Yesavage28, y evaluación cognitiva mediante la escala de Pfeiffer29.
Además, se contabilizó el número de medicamentos y el uso de algunos específicos (neurolépticos, benzodiacepinas) y la ingesta de antiinflamatorios no esteroideos (AINE) de forma habitual en la últimas 2 semanas (al menos 3 unidades en la última semana previo al ingreso).
Se registraron el número de ingresos hospitalarios en el año previo, así como el diagnóstico principal del ingreso actual clasificado en categorías diagnósticas mayores (respiratorio, cardiovascular, digestivo, riñón y vías urinarias, sistema nervioso y otros), días de estancia hospitalaria y destino al alta. Las complicaciones médicas más frecuentes durante el ingreso hospitalario que se registraron fueron las úlceras por presión31, y el cuadro confusional agudo30. Con respecto a este último, dada la naturaleza fluctuante del cuadro y la importancia pronóstica de las manifestaciones confusionales aún en ausencia de un síndrome completo30,31, se aplicó un modelo de detección de síntomas y circunstancias relacionadas con el delirium diseñado para detectar cualquier forma subsindrómica, asumiendo una probable pérdida de especificidad o falsos positivos en los resultados. Mediante una revisión retrospectiva de la historia clínica y notas de enfermería durante la estancia del paciente, este modelo considera la presencia de delirium si existe al menos uno de los siguientes: agitación, agresividad, letargia, restricciones físicas, empleo de neurolépticos a demanda, diagnóstico en informe de alta.
Recogida de datosLos datos sociodemográficos y el estado funcional se obtuvieron mediante entrevista estandarizada con los pacientes y sus cuidadores. Los parámetros clínicos se obtuvieron mediante la revisión de la historia clínica y entrevista con enfermería responsable del cuidado del paciente al momento del alta hospitalaria. Se entrevistó al cuidador principal cuando el paciente tenía diagnóstico de demencia o imposibilidad de comunicarse por la enfermedad.
Los datos de las características basales, sociodemográficas, estado funcional, y la escala de depresión, fueron recogidos por personal del Servicio de Geriatría (médicos y enfermeras) debidamente entrenados en la valoración geriátrica integral.
Los datos clínicos incluyendo comorbilidad, (según los diagnósticos médicos reseñados en el informe de alta), y prevalencia de complicaciones intrahospitalarias (síndrome confusional y úlceras por presión) fueron recogidos el día del alta hospitalaria mediante revisión de la historia clínica. En las últimas 24h del ingreso se realizaba además una evaluación del estado de ánimo y una evaluación cognitiva mediante las escalas de Yesavage y Pfeiffer28,29 respectivamente. Los datos de mortalidad se recogieron a los 6 meses y al año a partir del día del alta hospitalaria, mediante entrevista telefónica con el paciente y/o cuidador, y mediante el sistema informático del hospital. Para aquellos pacientes con los que no se pudo contactar, se consultó al Registro de Defunciones de la Comunidad de Madrid responsable del registro de defunciones.
Análisis de datosEl evento principal es la mortalidad a los 6 y 12 meses del alta hospitalaria. Se utilizará el 75% de la muestra, de forma aleatorizada, para construir el índice, y el 25% restante para validar el mismo. Para desarrollar el índice predictor de mortalidad, primero se analizará la relación entre cada factor de riesgo y la mortalidad utilizando la regresión logística conteniendo únicamente el factor de riesgo de interés. A continuación, todos los factores de riesgo asociados con la mortalidad (con un valor de p<0,20) en univariante, se analizarán mediante regresión logística multivariante (p<0,05 para permanecer en el modelo) y así seleccionar el conjunto final de variables.
Las variables que permanezcan significativas en este modelo final, se utilizarán para construir el índice que se describirá de 2 formas. Primero, se estimará el riesgo de muerte de cada sujeto basado en el modelo de regresión logística final y se dividirán los sujetos en cuartiles de riesgo. Segundo, se construirá un sistema de puntuación de riesgo en el que se asignarán puntos a cada factor, dividiendo cada coeficiente beta por el coeficiente beta menor y redondeando al número entero más próximo. La puntuación de riesgo de cada paciente se calculará sumando los puntos de cada factor de riesgo presente. Finalmente, los sujetos se dividirán en cuartiles aproximados según la puntuación global.
La precisión de este modelo predictivo se analizará calculando el área bajo la curva Receiver Operating Characteristics (ROC), que permitirá establecer la capacidad de nuestro modelo para discriminar entre los pacientes con riesgo alto y bajo de mortalidad.
Presentaremos los resultados mediante curvas de mortalidad de Kaplan-Meier por estratos de riesgo según dicho índice.
Resultados preliminaresEn la fase piloto (julio 2008 a febrero 2009), se incluyeron 104 pacientes, con una edad media de 87,7 años, predominantemente mujeres (63,5%).
Fue posible recoger datos de la situación basal en el 100% de los casos y en el 96% de los correspondientes al ingreso y al alta. La pérdida de datos en el resto de variables osciló entre el 3 (hemoglobina) y el 16% (albúmina) para las variables recogidas de la historia clínica, y un 25% para otros parámetros relacionados con la valoración geriátrica del paciente (Geriatric Depression Scale de Yesavage)28.
Con estos porcentajes consideramos factible realizar el estudio. La mortalidad al año fue del 24%, semejante a lo descrito en la literatura en trabajos parecidos.
Limitaciones del estudioLos resultados y el índice pronóstico que se deriven de la investigación, son probablemente generalizables sobre todo a otras Unidades de Geriatría de Agudos. Por otro lado, para comprobar la validez de los resultados obtenidos y su reproducibilidad en otras unidades equivalentes con independencia temporal, será preciso, en un segundo tiempo, proceder a la validación del índice pronóstico. En nuestra Unidad existe un protocolo de prevención del cuadro confusional agudo y del deterioro funcional18,32 que podrían interferir en la generalización de este índice.
DiscusiónExisten varios índices pronósticos validados6,8 que demuestran la importancia de detectar grupos de pacientes de alto riesgo, en donde hay mayor prevalencia de síndromes geriátricos y, por consiguiente, mayor riesgo de dependencia, institucionalización y mortalidad.
En una revisión sistemática10 de los diferentes índices pronósticos, las principales variables valoradas son: sociodemográficas, funcionales, comorbilidad, nutricional (MNA), laboratorio (creatinina, albúmina) y estado cognitivo. En el presente estudio además de las variables previamente mencionadas, nos proponemos estudiar el efecto sobre la mortalidad de marcadores como la fuerza de prensión que previamente se ha demostrado ser de gran importancia como marcador de fragilidad23.
Hemos diseñado un estudio para conocer y predecir la evolución de los pacientes ancianos que ingresan en una Unidad de Agudos de Geriatría de un Hospital Universitario. Los sujetos que conforman la población diana, aunque heterogéneos, constituyen un colectivo con identidad y características distintas a la de los pacientes ingresados en otros servicios o valorados en otros niveles asistenciales: en nuestro caso se trata de ancianos muy mayores (86 años de edad media, un 33% mayores de 90 y solo un 17% menores de 80 años) con enfermedades cardíacas y pulmonares básicamente, y con alta prevalencia de síndromes geriátricos.
ConclusionesEl índice predictor de mortalidad desarrollado nos permitirá estimar de forma sencilla el riesgo individual de fallecer a lo largo de 6 y 12 meses siguientes al alta de la Unidad de Agudos de Geriatría de cada uno de nuestros pacientes, lo que nos permitirá establecer planes de cuidados e individualizar tratamientos, de acuerdo a objetivos realistas. Con ello se facilitará la toma de decisiones en cuanto al esfuerzo diagnóstico y/o terapéutico, y a la eficacia y eficiencia de nuestra intervención en la población diana. También nos permitirá estratificar la población atendida para optimizar la gestión de nuestros recursos y mejorar así la calidad asistencial. Asímismo, esto puede contribuir a adaptar la cartera de servicios para el paciente geriátrico ofertada por este y otros centros de asistencia terciaria. Por último, un índice de estas características podría además convertirse en una herramienta de utilidad para instituciones y organismos públicos para la elaboración de planes generales de política y gestión sanitarias.
FinanciaciónProyecto financiado por el Fondo de Investigación Sanitarias (PI 08/90564). Instituto de Salud Carlos III.
Conflicto de interesesLos autores declaran no tener ningún conflicto de intereses.
