Diseño y validación de un modelo predictivo de desarrollo de shock cardiogénico en pacientes con infarto agudo de miocardio

  1. MARTÍN BENÍTEZ, JUAN CARLOS
Supervised by:
  1. Emilio Vargas Castrillón Director
  2. Elpidio Calvo Manuel Co-director

Defence university: Universidad Complutense de Madrid

Fecha de defensa: 06 February 2004

Committee:
  1. Alfonso Moreno González Chair
  2. Juan Carlos Herrero Secretary
  3. Adolfo Santiago López Buenadicha Committee member
  4. Juan Manuel Caturla Such Committee member
  5. Santiago López Committee member

Type: Thesis

Teseo: 101462 DIALNET

Abstract

INTRODUCCIÓN El shock cardiogénico (SC) constituye la principal causa de muerte en los pacientes con infarto agudo de miocardio (IAM). Las medidas terapéuticas una vez el SC aparece se han mostrado de limitada eficacia, por lo que los esfuerzos deben dirigirse a la prevención de está complicación. OBJETIVO Elaborar un modelo predictivo que permita la identificación precoz de los pacientes que van a desarrollar SC. Este modelo se genera a partir de variables clínicas simples recogidas a l ingreso en el hospital. MÉTODO Se analizan las características clínicas, de los pacientes con diagnóstico de IAM ingresados en el periodo 1996-2000 (cohorte A). Mediante análisis multivariado se identifican las variables predecitoras que configuran un modelo predictivo. Este modelo se valida de forma prospectiva en una cohorte diferente (cohorte B) en la que se evalúa su rendimiento. RESULTADOS En la cohorte A (1013 pacientes) desarrolan SC el 9,1%, con una mortalidad en este grupo del 63%. Se identificaron como variables asociadas al desarrollo de SC e incluidas en el modelo predictivo final: la insuficiencia cardiaca (OR=11,09 [IC 95% 6,15-19,98]), RCP preingreso (OR=2,55 [1,25-5,22]), presión arterial menor de 110 mmHg (OR=2,80 [1,59-4,92]), frecuencia cardiaca patológica (OR=1,90 [1,07-3,38]), ritmo no sinusal (OR=2,94 [1,48-5,84]), alteración de la conducción en el electrocardiograma (OR=1,90 [1,04-3,46]), elevación del ST (OR=2,28 [1,30-3,99]). Este modelo clasifica correctamente al 85% de los pacientes con un área bajo la curva de 0,88 (0,82-0,92). El modelo generado mantiene su rendimiento tras su aplicación prospectiva en la cohorte B (246 pacientes). CONCLUSIONES El modelo predictivo elaborado a partir de variables clínicas identificadas en el momento del ingreso permite identificar de forma adecuada a los pacientes que van a desarrollar SC.