2026-04-17T14:43:05Zhttps://recercat.cat/oai/request

oai:recercat.cat:10459.1/642722024-12-05T21:23:52Zcom_2072_3622col_2072_479130

Paciente traumático ingresado en UCI: epidemiología y factores de riesgo de mortalidad Servià Goixart, Lluís Trujillano Cabello, Javier Badia Castello, Mariona Universitat de Lleida. Departament de Medicina Traumatisme sever Registre de pacients traumàtics Cures intesives Traumatismo severo Registro de pacientes traumáticos Cuidados intensivos Severe injuries Trauma registry Intensive care medicine Medicina 616 OBJETIVO: Describir los pacientes traumáticos graves ingresados en UCI y analizar las variables que influyen es su mortalidad. Comparar la capacidad predictiva de diferentes scores de gravedad. MATERIAL Y METODO: Se incluyen de forma consecutiva todos los pacientes ingresados en UCI (2005-2012) por un traumatismo grave. Modelo multivariable de riesgo según regresión de Cox. Estudio de las propiedades de discriminación (curvas ROC-ABC IC 95%) y calibración (estadístico H- HL) de los scores de trauma (ISS, NISS, RTS y TRISS) y clásicos de UCI (MPM II y APACHE II). RESULTADOS: Se incluyeron un total de 827 pacientes traumáticos. Fallecieron 133 pacientes (16,6%) principalmente por lesiones de tráfico (57,1%). La mitad de las muertes fueron debidas a un TCE (44,36%). El análisis multivariante seleccionó 6 variables al ingreso como predictivas de mortalidad: edad> 65a (OR =2,79 (1,94-3,99)), comorbilidad (OR = 2,99 (1,18-7,60)), GCS ≤ 8 (OR = 3,71 (2,49-5,53)), uso de inotropos (OR =1,82 (1,24-2,68)) y ventilación mecánica (OR = 2,24 (1,31-3,84)). Todos los modelos muestran una mala calibración con valores de HMH p<0,01. CONCLUSIONES: Los modelos fisiológicos son lineales y discriminan mejor que los anatómicos. Tanto los scores de UCI (MPM II/APACHE II) como traumáticos (TRISS) tienen una buena capacidad de discriminación pero pobre calibración. OBJECTIUS: Descriure els pacients traumàtics greus ingressats a UCI i analitzar les variables que influeixen en la seva mortalitat. Comparar la capacitat predictiva dels diferents scores de gravetat. MATERIAL I MÈTODE: S’afegeixen de forma consecutiva tots els pacients ingressats a UCI (2005-2012) per un traumatisme greu. Model multivariable de risc segons regressió de Cox. Estudi de les propietats de discriminació (corbes ROC-ABC IC 95%) i calibració (estadístic H- HL) dels scores de trauma (ISS, NISS, RTS i TRISS) i d’ UCI (MPM II i APACHE II). RESULTATS: Es van incloure un total de 827 pacients traumàtics. Van morir 133 pacients (16,6%) principalment per lesions de trànsit (57,1%). L’ anàlisi multivariant va seleccionar 6 variables a l’ ingrés com a predictives de mortalitat: edat > 65a (OR = 2,79(1,94-3,99)), comorbiditat (OR = 2,99(1,18-7,60)), GCS ≤ 8 (OR = 3,71(2,49-5,53)), l’ús d’inotrops (OR =1,82 (1,24-2,68)) i ventilació mecànica (OR = 2,24 (1,31-3,84)). Tots els models mostren una mala calibració amb valors de HMH p<0,01. CONCLUSIONS:Els models fisiològics són lineals i discriminen millor que els anatòmics. Tant els scores d’UCI (MPM II/APACHE II) com els traumàtics (TRISS) tenen una bona capacitat de discriminació però una pobra calibració. OBJECTIVE: To describe severe trauma patients admitted to the ICU and evaluate which variables influence mortality. Also, to compare the predictive ability of diferent severity scores. MATERIALS AND METHODS: A prospective observational study was carried on traumatic patients consecutively admitted to the ICU (2005-2012). Data analysis was performed using multivariable Cox regression. The properties of discrimination (ROC-curves ABC 95%) and calibration (H- statistical HL) of the trauma scores (ISS, NISS, RTS and TRISS) and classical scores of ICU (MPM II and APACHE II) were evaluated. RESULTS: A total of 827 trauma patients were included, which presented a mortality rate of 16.6% mainly due to traffic injuries (57.1%). Multivariate analysis identified six mortality predictive variables at admission: age> 65 years (OR = 2.79 (1.94 to 3.99)), comorbidity (OR = 2.99 (1.18 to 7.60)) GCS ≤ 8 (OR = 3.71 (2.49 to 5.53)), use of inotropes (OR = 1.82 (1.24 to 2.68)) and mechanical ventilation (OR = 2.24 (1.31 to 3.84)). All models have poor calibration values (HMH p <0.01). CONCLUSIONS: Physiological models are linear and discriminate better than anatomical scores. 2016-04-29T12:20:58Z 2016-04-29T12:20:58Z 2015-12-14 info:eu-repo/semantics/doctoralThesis info:eu-repo/semantics/publishedVersion http://hdl.handle.net/10803/378656 http://hdl.handle.net/10459.1/64272 spa ADVERTIMENT. L'accés als continguts d'aquesta tesi doctoral i la seva utilització ha de respectar els drets de la persona autora. Pot ser utilitzada per a consulta o estudi personal, així com en activitats o materials d'investigació i docència en els termes establerts a l'art. 32 del Text Refós de la Llei de Propietat Intel·lectual (RDL 1/1996). Per altres utilitzacions es requereix l'autorització prèvia i expressa de la persona autora. En qualsevol cas, en la utilització dels seus continguts caldrà indicar de forma clara el nom i cognoms de la persona autora i el títol de la tesi doctoral. No s'autoritza la seva reproducció o altres formes d'explotació efectuades amb finalitats de lucre ni la seva comunicació pública des d'un lloc aliè al servei TDX. Tampoc s'autoritza la presentació del seu contingut en una finestra o marc aliè a TDX (framing). Aquesta reserva de drets afecta tant als continguts de la tesi com als seus resums i índexs. info:eu-repo/semantics/openAccess Universitat de Lleida TDX (Tesis Doctorals en Xarxa)