Índice Anterior Siguiente

Revista Cubana de Medicina Intensiva y Emergencias

Formato PDF


Trabajos Originales



Validación de la Escala Pronóstica del Enfermo Crítico I (EPEC I) comparada con las predicciones de mortalidad del APACHE II en una Unidad de Cuidados Intensivos

Hospital Militar Central Dr. Luis Díaz Soto

Dr. Armando Padrón Sánchez, 1 Dr. Mario Puga Torres, 2 Dr. Rafael Peña Dorado, 2 Dr. Rigoberto Bravo Pérez 2 y Dr. Andrés Quiñónez Zamora 3

RESUMEN

En los últimos años se han desarrollado modelos predictivos de mortalidad en el paciente crítico, que establecen sus pronósticos de forma dinámica a lo largo de la evolución clínica. Determinación de los valores de probabilidad individual de muerte definida por los modelos Applied Physiology and Chronic Health Evaluation (APACHE II) y la Escala Pronóstica del Enfermo Crítico (EPEC I) a las 24 y a las 48 horas de ingreso en la Unidad de Cuidados Intensivos (UCI), y de la evolución final, expresada como mortalidad o supervivencia al alta de la UCI. Análisis de calibración y discriminación mediante prueba de bondad de ajuste y tablas de clasificación y medida del área bajo la curva ROC de cada modelo respectivamente. Fueron estudiados 204 pacientes críticos a las 24 y 48 horas de ingreso. La mortalidad al alta de la UCI fue de 19,11 %. Las predicciones del modelo APACHE II a las 24 horas y la escala EPEC a las 24 horas tuvieron unos valores de X2 : 4,45; 8,90 con valores de p: 0,56; 0,39 respectivamente, los valores de ROC para los mismos índices fueron: 0,634; 0,632. Las predicciones del APACHE II y EPEC I a las 48 horas evidenciaron: X2 : 15,4; 6,10 con valores de p: 0,10; 0,93 respectivamente, los valores de ROC para los mismos índices fueron: 0,707; 0,773. Las predicciones del modelo APACHE II son superiores a la escala EPEC I a las 24 horas de ingreso, pero a las 48 horas dicha escala supera al modelo APACHE II en calibración y discriminación.

Palabras claves: validación, modelo pronóstico, escala, calibración, discriminación, APACHE II, EPEC I

INTRODUCCION

En muchos servicios, el número de camas en las Unidades de Cuidados Intensivos (UCI) es limitado, y con suma frecuencia los pacientes que arriban con diversos grados de morbilidad se comparan para determinar cuales se pueden tratar mejor en la UCI. En los últimos años se han desarrollado modelos predictivos de mortalidad hospitalaria en el paciente crítico que establecen sus pronósticos de forma dinámica a lo largo de la evolución clínica. Es posible que el personal médico de la UCI encuentre que se emplean sistemas de clasificación de intensidad y trastornos fisiológicos de la enfermedad. Estos sistemas, como la calificación APACHE II, proporcionan una calificación basada en variables anormales, número de intervenciones terapéuticas y otra información del paciente que se ha comparado con los resultados clínicos de la UCI.(1-3) Estos datos pueden ser de utilidad para planear y distribuir los recursos del hospital, puesto que proporciona un panorama general de los tipos de pacientes y de los tipos de cuidados médicos así como de otra naturaleza que están proporcionándose. Por otra parte, en la actualidad hay debate sobre el uso de estos sistemas de clasificación para tomar decisiones sobre admisiones, altas y de otro tipo en lo referente a pacientes individuales. Este debate se centra en las decisiones de cual de dos pacientes debe tener prioridad para ser admitido o dado de alta de la UCI. Probablemente, es verdadero que tales sistemas no sean aplicados de manera amplia en todos los hospitales o en todas las UCI. En el momento presente, al estarse desarrollando y afinando todos estos sistemas, se aconseja tener un análisis crítico y precaución en su uso generalizado.(2) Los límites de la UCI varían grandemente, y no existe un consenso universal sobre la utilización adecuada de los recursos de cuidados intensivos. Instrumentos para una evaluación cuantitativa que pueda especificar la gravedad de una determinada dolencia crítica podrían ayudar a determinar las necesidades de ingreso en las UCI. Además de la caracterización del manejo del ingreso que permitan dichos instrumentos, la cuantificación de la gravedad de la enfermedad es útil para la predicción de los resultados. William A. Knaus,(4-5) describió cuatro ventajas de estos modelos de pronóstico o predicción que algunos autores lo han llamado “exactos” y se exponen a continuación:

1. Permiten al médico concentrar los esfuerzos en aquellos pacientes cuya probabilidad de beneficio es mayor.

2. Ayudan a decidir si se debe limitar o suspender la terapéutica.

3. Facilitan la comparación del funcionamiento de las unidades de cuidados intensivos.

4. Facilitan la evaluación de nuevas tecnologías y permiten un análisis comparativo con terapéuticas protocolizadas.

Todas las escalas predictivas de uso en cuidados intensivos no son más que sistemas de valores numéricos para describir la posible evolución de la enfermedad del paciente. Estas escalas son el resultado de cálculos matemáticos a los que se le asignan probabilidad de muerte a través de una fórmula matemática; la utilidad de la misma depende en su exactitud y de la variable a predecir. Hay dos características importantes en las escalas predictivas: la discriminación y la calibración. La discriminación es la condición que describe con exactitud a una predicción dada, o sea, cuando predice una mortalidad del 90 % y ocurre una mortalidad del 90 %. La calibración viene dada por la capacidad de predecir a varios porcentajes con una calibración perfecta, sabemos que las escalas no predicen con igual probabilidad las condiciones que pueden suceder con un 40, 50, o 60 % de probabilidad, la perfecta calibración sería aquella que estuviera exacta en las mortalidades 90, 50 y 20 %. Hay dos principios importantes en la evaluación de estos instrumentos. Primero, las escalas deben medir un resultado importante. Como ejemplo podemos decir que la mayoría de las UCI examinan la mortalidad intrahospitalaria; sin embargo, no se han desarrollado una para valorar la mortalidad a largo plazo y el estado funcional del paciente. Segundo, las escalas deben ser fáciles de usar, reflejar y procesar, para evitar que se prolongue un consumo de tiempo exagerado en busca de los resultados lo que conllevaría al aumento de los costos por concepto de “horas-interpretación”. La limitación de estas escalas también debe reconocerse. Por ejemplo, ninguna escala puede predecir algún resultado para poblaciones que tengan incluidas variables compatibles con la misma y que sus ecuaciones sean compatibles. (1,2,3,4). La validación de una escala no es más que la comprobación en la practica de su poder de predicción, o sea, el estudio de su capacidad de calibración y discriminación. En la divulgación de una nueva escala sus autores intentan demostrar su especificidad predicitiva auxiliados en diversos métodos de significación y validación.

El objetivo final del presente trabajo ha sido determinar la capacidad predicitiva de mortalidad hospitalaria de una nueva escala cuyo nombre es: “Escala Pronostica del Paciente Crítico” (EPEC), determinar sus propiedades de calibración y discriminación así como el potencial grado de predicción alcanzado por dicha escala así como, su comparación con las predicciones obtenidas por la mediante el modelo APACHE versión II, medidos consecutivamente a las 24 y 48 horas de ingreso.

METODO

La recogida de los datos se llevó a cabo de forma prospectiva durante 5 meses en la Unidad de Cuidados Intensivos Polivalentes (UCI) del Hospital Militar Central “Dr. Luis Díaz Soto” obteniéndose una muestra de 204 pacientes. No se incluyeron en el estudio los pacientes de causa cardiovascular. Los pacientes fueron estudiados en la UCI hasta su traslado de sala. La variable dependiente en todos los casos fue la evolución expresada en términos de mortalidad o supervivencia. El conjunto de variables necesarias para el cálculo de los modelos predictivos incluidos en el estudio fueron recogidas para cada paciente a las 24 horas y a las 48 horas de ingreso en UCI. A todos los pacientes de la cohorte en estudio les fueron determinados:

1. Los valores de la probabilidad individual de muerte hospitalaria calculados por la escala EPEC a las 24 y 48 horas de ingreso en UCI.
2. Los valores de la probabilidad individual de muerte hospitalaria calculados mediante el modelo APACHE II a las 24 y 48 horas de ingreso, con una metodología idéntica a la utilizada en las 24 horas, asumiendo que esta variación no esta recogida en el diseño original de este modelo5, pero que ya ha sido aplicada previamente por otros autores.6-8
3. La evolución final, expresada como mortalidad o supervivencia al alta del paciente de la UCI.

El análisis estadístico de los datos se llevó a cabo mediante el programa SPSS versión 10.00 para Windows. Dado que no existe una única medida estándar para describir la bondad del ajuste o capacidad predictiva de estos modelos de regresión logística(9-10), la calibración fue comparada utilizando los estadísticos X2 propuestos por Lemeshow y Hosmer(9) y la discriminación comparando el área bajo la curva ROC de cada modelo. Las probabilidades individuales de mortalidad obtenidas por los dos modelos fueron ordenadas según valores creciente y agrupadas en estratos (en este estudio se adoptaron 10 estratos) con un número similar de pacientes en cada una. El número de fallecimientos esperados en cada estrato corresponde a la suma de las probabilidades individuales de muertes en los pacientes en dicho estrato. El número de supervivientes esperados se calcula por diferencia. Para la comparación de los resultados entre las 24 y 48 horas se optó por la comparación del valor mas alto del coeficiente de significación p. Fueron comparadas la sensibilidad, especificidad y cociente de clasificación correcta total (CCT) de los distintos índices predictivos.

RESULTADOS

Fueron estudiados 204 pacientes críticos, 120 hombres y 84 mujeres, con una edad media de 53,45 años (desviación estándar [DE] 18,23 años). La mortalidad observada durante la estancia de los pacientes en la UCI fue del 19,11 % (39 pacientes). Las categorías diagnósticas están reflejadas en la tabla 1.

Tabla # 1: Descripción de las categorías diagnósticas al ingreso
Cardiocirculatoria (excluye síndrome coronario agudo) 59
Respiratoria 71
Gastrointestinal 12
Neurológica 23
Traumatológica 18
Metabólica / farmacológica 19
Fallo uni-orgánico 2
Total de pacientes 204

Las tablas 2 y 3 muestran los resultados de la prueba de bondad de ajuste de Hosmer-Lemeshow y los valores de calibración y discriminación para las predicciones realizadas sobre los pacientes a las 24 horas y a las 48 horas.

Tabla # 2: Prueba de bondad de ajuste de Hosmer-Lemeshow para las predicciones de mortalidad de 204 pacientes según los índices del APACHE II y EPEC I

 

Modelo predictivo

No pacientes
Supervivientes No supervivientes
Observados Esperados Observados Esperados
APACHE II-24 horas 22 21 19,806 1 2,194
20 20 17,886 0 2,114
19 18 16,757 1 2,243
21 20 18,180 1 2,820
20 19 16,380 1 3,620
20 18 16,379 2 3,621
20 18 14,677 2 5,323
22
16 16,762 6 5,238
21 16 14,798 5 6,202
19 12 12,874 7 6,126
EPEC I – 24 horas 22
19 18,278 1 3,722
20 18 17,365 2 2,635
19 18 17,924 1 1,076
22 20 19,484 2 2,516
22 20 18,044 2 3,956
20 15 16,335 5 3,665
20 16 17,157 4 2,843
19 18 16,723 1 2,277
20 13 10,532 7 9,468
20 12 9,720 8 10,280
APACHE II- 48 horas 22 21
19,763
1 2,237
20 20 17,942 0 2,076
19 18 16,455 1 2,545
21 17 16,762 4 4,238
20 16 16,856 4 3,144
19 14 17,056 5 1,944
22 19 19,503 3 2,497
20 18 17,713 2 2,287
21 17 16,739 4 4,261
19 17 16,686 2 2,314
EPEC I – 48 horas 20
19
18,055
1
1,945
19 18 16,588 1 2,412
21 19 18,616 2 2,384
18 17 15,085 1 2,915
22 14 18,906 8 3,094
20 19 17,730 1 2,270
19 15 14,214 4 4,786
21 15 18,040 6 2,960
18 16 15,583 2 2,417
22 12 10,692 10 11,308

 

Tabla # 3: Comparación de predicciones realizadas en los 204 pacientes a las 24 horas y a las 48 horas
Modelo predictivo
Calibración
Discriminación
c
p
Sens.
Espec.
CCT
AUC
A las 24 horas de ingreso
APACHE II- 24 h.
4,45
0,56
33,56
90,45
76,75
0,634
EPEC I- 24 h
8,90
0,39
30.02
93,45
74,52
0,632
A las 48 horas de ingreso.
APACHE II- 48 h
15,4
0,10
21,21
92,12
67,23
0,707
EPEC- 48 h
6,10
0,93
31,35
93,86
79,53
0,773

La tabla 4 representa la comparación cualitativa de los resultados numéricos de las pruebas de calibración y discriminación recogidas en las tablas 2 y 3.

Tabla #4: Comparación cualitativa de la calibración y la discriminación de los modelos predictivos a las 24 y 48 horas
Modelo predictivo
Calibración
Discriminación
A las 24 horas de ingreso
APACHE II- 24 h.
+++++
+++++
EPEC I- 24 h
+++
++++
A las 48 horas de ingreso.
APACHE II- 48 h
+++
++
EPEC- 48 h
+++++
+++++

Grafica # 1

La gráfica # 1 contiene la distribución en histograma con su correspondiente curva de los valores del modelo APACHE II y la escala EPEC I a las 24 horas.

Gráfica # 2
En la gráfica # 2 están piloteados los valores del modelo APACHE II y la escala EPEC I a las 24 horas. Debido a que la muestra es grande para poder observar el comportamiento y la tendencia de ambas curvas, sólo incorporamos a 50 pacientes. La gráfica # 3 demuestra la dependencia significativa de ambos sistemas predictivos en un modelo de regresión lineal con un 95 % de confianza.

Gráfica # 3

DISCUSION

Los primeros estudios diseñados para la validación y comparación entre modelos predictivos comenzaron en la década de los años 80. Lemeshow y Hosmer(10) publicaron varios estudios sobre la comparación de los modelos más empleados en aquel tiempo resultando que tenían similares comportamientos en cuanto a calibración y discriminación.
Schafer et al, en 1990 compararon la capacidad predicitiva del modelo APACHE II con las versiones iniciales del Simplified Acute Physiology Score (SAPS I) y las del Mortality Probability Models (MPM) al ingreso obteniendo resultados similares a los obtenidos por Lemeshow años antes, aunque el modelo MPM siempre demostró una discreta superioridad en cuanto a las predicciones observadas según la evolución de los enfermos.(11) En el presente estudio escogimos el modelo APACHE II para comparar su poder predictivo con la nueva escala y así obtener una validación a pesar del tamaño de la muestra que resulto ser pequeña en comparación con otras investigaciones, aunque algunos autores informan de validación con muestras similares a la nuestra, con resultados comparables con estudios de validación multicéntricos.(12-15)

Las categorías diagnósticas de nuestro estudio configuraron una casuística comparable a las de otros estudios llevados a cabo en UCI polivalentes.(12-13) La mortalidad observada en la UCI es también semejante a la encontrada en series de estudios recientes.(16-18) Con respecto al precedente encontrado en la literatura de la utilización del índice predictivo APACHE II como escore dinámico, Biot(19) et al en 1988 demostraron en 128 pacientes que el uso longitudinal de una variante del APACHE II, el sistema sickness scoring, fue el mejor predictor de la evolución. También en es año Chang(13) et al propusieron el uso del APACHE II corregido con el número de órganos o sistemas en fallo para el pronóstico individual de pacientes. Con posterioridad, en 1994 Douglas Wager(20) et al, miembros del mismo equipo del APACHE II utilizaron secuencialmente este modelo, y sugirieron que su uso más allá de 24 horas podría proporcionar un refinamiento de sus predicciones de mortalidad.

En nuestro estudio hemos encontrado que las predicciones sobre los 204 pacientes a las 24 horas de ingreso con el modelo APACHE II presentó discretamente mejor calibración que las realizadas con la escala pronóstica EPEC I, también a las 24 horas aunque los resultados no fueron significativos. La discriminación para ambos modelos a las 24 horas de ingreso resultó muy similar y no ofreció diferencias significativas (tabla no 3). Al revisar la literatura el modelo APACHE II demuestra una excelente calibración a las 24 horas y los demás modelos que le siguen, aunque demuestran también calibraciones aceptables, no son superiores al APACHE II, no así la discriminación que se comporta de forma similar entre los modelos más estudiados en el mundo. El resultado obtenido al evaluar la escala EPEC I con relación al APACHE II es similar al de los estudios que comparan otros modelos con el APACHE II(21-23) cuando se aplican a las 24 horas de ingreso.

En la comparación realizada a las 48 horas sobre los 204 pacientes las predicciones de la de la escala EPEC I compararon favorablemente con respecto al APACHE II, presentando la escala EPEC I discretamente mejor calibración que el APACHE II. El resultado más significativo del estudio resultó ser la discriminación a las 48 horas donde la escala EPEC I demostró una superioridad muy significativa con respecto al APACHE II, resultando la discriminación del APACHE II alas 48 horas muy pobre.

En el estudio también se observó que la escala EPEC I refina sus predicciones a las 48 horas a diferencia del APCHE II, este fenómeno de refinamiento al avanzar en el seguimiento de la evolución secuencial del paciente de algunos modelos, excepto el APACHE II, ha sido descrito por otros autores(6,23) lo que también justifica su uso longitudinal como escores dinámicos. Similar comportamiento presentó también la escala EPEC I. Es muy posible que el peso estadístico de la categoría diagnóstica, que tan excelentes resultados otorga al APACHE II en las primeras 24 horas, le conduzca a un mal ajuste de sus predicciones a las 48 horas frente a otros modelos en los que no se incluye de forma explícita este parámetro.
Con respecto a la comparación de la bondad de ajuste (tabla no. 2) entre las 24 y las 48 horas con similar número de pacientes en cada grupo realizamos las comparaciones basándonos en los valores del coeficiente p de significación estadística.

Para comparar la discriminación de los modelos hemos elegido el área bajo la curva ROC como primer criterio, por encima de sensibilidad, especificidad y tanto por ciento de pacientes bien clasificados en el punto corte del 50 %. De estudios previos(6) se conoce que usando un punto de corte del 50 % virtualmente todos los modelos predictivos propuestos tendrán, al menos, un cociente de clasificación falsa del 10 % al 15 %. Esto ha sido interpretado por algunos autores como que todos los sistemas predicitivos son aproximadamente equivalentes y ninguno es suficientemente bueno para la predicción individual. Esta afirmación eminentemente matemática aunque se cumple, al menos en teoría, no podemos verla de forma absoluta, somos del criterio que la predicción individual de un modelo está basada en el refinamiento que alcance en su evolución longitudinal, en el tamaño de la muestra que se usó para la confección del mismo y, muy importante, en las variables que se puedan ajustar al medio donde se desarrolle. Otros autores comparten nuestros criterios. Chang(14) et al, en 1986, sobre una muestra de 210 pacientes, clasificaron correctamente con el APACHE II al 84,3 % con una especificidad del 95,5 % considerando también un punto de corte del 50 %. En otro estudio, Schafer(11) et al en 1990 clasificaron correctamente con el APACHE II el 68,3 % de 593 pacientes polivalentes con una especificidad del 74,9 % en el mismo punto corte. Finalmente, Castella(21) et al, en 1991 clasificaron correctamente con el APACHE II el 83,4 % de 332 pacientes, con un 95,4 % de especificidad. Somos de la opinión que la comparación del área bajo la curva ROC cubriría todo el espectro de valores de discriminación tomando infinitos puntos de cohorte, y, por tanto, es una prueba fiable a efectos de comparar la capacidad discriminativa de los modelos, opinión que es compartida por la mayoría de los autores revisados.11,14,21-23 En nuestro trabajo clasificaron correctamente el 82,28 % con una especificidad del 92,1 % con el modelo APACHE II y clasificaron correctamente el 81,2 % con una especificidad del 94,5 % con la escala EPEC I considerando también un punto de corte del 50 %.
La gráfica # 1 demuestra la distribución en forma de histograma y su correspondiente curva de los valores del APACHE II y del EPEC I a las 24 horas, vemos que ambas curvas tienen una distribución normal en forma de “campana” aunque la curva del APACHE II no se comporta específicamente como campana, pues hay valores que tienden a mantenerse disgregados. No conocemos de trabajos que hayan estudiado la distribución de los valores de un modelo en una muestra, ni tenemos una explicación convincente para este comportamiento más disperso pese a que la puntuación del APACHE II es cerrada, somos del criterio que se puede justificar dada la característica de que el APACHE II pierde predicción a medida que transcurre el tiempo, por lo que su dispersión temporal pudiera hacerse mayor y con proporcionalidad directa, pero esta teoría habría que justificarla con estudios referentes al tema. La distribución normal de la curva de la escala EPEC I es mucho más uniforme siendo su desviación estándar muy pequeña. En la gráfica # 2 hemos pilotado 50 valores del APACHE II y de la escala EPEC I para estudiar su correspondencia y vemos que ambos valores se comportan con bastante uniformidad, aunque los valores del APACHE II superan a los de la escala EPEC I. La gráfica # 3 demuestra en un modelo de regresión lineal la dispersión de los valores del APACHE II en comparación con la agrupación más homogénea de los valores de la escala EPEC I, aunque existe cierta tendencia lineal hasta valores entre 35 a 45 puntos para ambos modelos. La ecuación de regresión lineal demostró relaciones significativas (p = 0,0023) entre ambos modelos.
Nuestro análisis ha puesto de manifiesto la comparación favorable de la buena capacidad de la escala EPEC I para ser utilizada de forma secuencial y longitudinalmente en el tiempo. La sencillez en la recogida de los datos y el menor consumo de tiempo para su aplicación, son algunas de las ventajas. Aunque la muestra del estudio es pequeña, nuestros resultados parecen sugerir que el uso del APACHE II sería recomendable en las primeras 24 horas, dentro de cuyo plazo tiene una excelente capacidad predictiva, y a continuación la escala EPEC I que presenta buen funcionamiento predicitivo a las 48 horas. La utilización de la escala EPEC I a las 24 horas y como escore dinámico más allá de las 48 horas, podría ser una alternativa válida y segura para el médico intensivista.

REFERENCIAS BIBLIOGRÁFICAS

1. Cowen, JS, Kelley, MA. Predicting intensive care unit outcome: Errors and bias in using predictive scoring systems. Crit Care Clin 1994; 10:53.
2. 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.
3. 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 1998; 26:1368.
4. 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.
5. Knaus WA, Draper EA, Wagner DP, Zirmmernan JE. APACHE II: a severity of disease classification system. Crit Care Med 1985; 13: 818-829.
6. Le Gall, JR, Lemeshow, S, Saulnier, F. A new simplified acute physiology score (SAPS II) based on a European/North American multicenter study. JAMA 1993; 270:2957.
7. Wagner, DP, Knaus, WA, Harrell, FE, et al. Daily prognostic estimates for critically ill adults in intensive care units: Results from a prospective, multicenter, inception cohort analysis. Crit Care Med 1994; 22:1359.
8. Lemeshow S, Hosmer DWJ. A review of goodness of fit statistics for use in the development of logistic regression models. Am J Epidemiol 1982; 115: 92-106
9. Hosmer DW, Taber S, Lemeshow S. The importance of assessing the fit of logistic regression models: a case study. Am J Public Health 1991; 81: 1.630-1635.
10. Lemeshow S, Teres D, Avrunin JS, Pastides H. A comparison of methods to predict mortality of intensive care unit patients. Crit Care Med 1987; 15: 715-722.
11. Schafer JH, Maurer A, Jochinsem F, Emde C, Wegscheider K, Arntz HR. Outcome prediction models on admission in a medical intensive care unit: do they predict individual outcome? Crit Care Med 1990; 18:1.111-1.118.
12. McClish DK, Pwell SH. How well can physicians estimate mortality in medical intensive care unit? Med Decis Making 1989; 9:125-132.
13. Chang RW, Jacobs S, Lee B. Predicting outcome among intensive care unit patients using computerised trend analysis of daily APACHE II scores corrected for organ system failure. Intensive Care Med 1988; 14: 558-566
14. Chang RW, Jacobs S, Lee B. Use of APCHE II severity of disease classification to identify intensive-care-unit patients who would not benefit from total parenteral nutrition. Lancet 1986; 1:1.483-1.487.
15. Chang RW, Jacobs S, Lee B. Predicting deaths among intensive care unit patients. Crit Care Med 1988; 16:34-42
16. Knaus WA, Draper EA, Waner DP. Utilizing findings from APACHE III research to development operational information system for the ICU: the APACHE III ICU Management System. Proc Annu Symp Comput Appl Med Care 1991; 987-989.
17. Roman KM, Kerr JK, Major E, McPerson K, Short A. Intensive Care Society´s APACHE II study in Britain and Ireland (I): Variation in case mix of adults admission to general intensive care units and impact on outcome. BMJ 1993; 307:972-977.
18. Rowan KM, Kerr JH, Major E, McPherson K, Short A, Vessey MP. Intensive Care Society´s APACHE II study in Britain and Ireland (II): Outcome comparisons of intensive care after adjustment for case mix by the American APACHE II method. BMJ 1993; 307: 977-981.
19. Bion JF, Aitchison TC, Edilin SA, Ledinghaam IM. Sickness scoring and response to treatment as predictors of outcome from critical illness. Intensive Care Med 1988; 14: 167-172
20. Wagner, DP, Knaus, WA, Harrell, FE, et al. Daily prognostic estimates for critically ill adults in intensive care units: Results from a prospective, multicenter, inception cohort analysis. Crit Care Med 1994; 22:1359.
21. Castella, X, Artigas, A, Bion, J, Kari, A. The European/North American Severity Study Group. A comparison of severity of illness scoring systems for intensive care unit patients: Results of a multicenter, multinational study. Crit Care Med 1995; 23:1327.
22. Shuster, DP, Kollef, MH. Predicting intensive care unit outcome with scoring systems: Underlying concepts and principles. Crit Care Clin 1994; 10:1.
23. Serrano HN, García de Lorenzo M, Quintero Mora ML, Fedrini Gorría J. Validación de los modelos Mortality Probability Models II al ingreso (MPM II-0), a las 24 horas (MPM II-24), y a las 48 horas (MPM II-48) comparados con las predicciones de mortalidad hospitalaria de APACHE II y SAPS II realizadas en los días 1 y 2 de estancia en UCI. Med Intensiva 2000; 24: 49-6

1 Especialista de I Grado en Medicina Interna. Instructor
2 Especialista de I Grado en Medicina Interna. Diplomado en Medicina Intensiva. Instructor
3 Especialista de I Grado en Medicina General Integral Militar. Diplomado en Medicina Intensiva


Índice Anterior Siguiente