Universidad de Castilla La Mancha Facultad de Medicina Departamento de Patología Médico Quirúrgica PREDICCIÓN DE REINGRESO Y MORTALIDAD TRAS INGRESO HOSPITALARIO POR REAGUDIZACIÓN DE ENFERMEDAD PULMONAR OBSTRUCTIVA CRÓNICA MARCO ANTONIO ESQUIVIAS CAMPOS TESIS DOCTORAL Albacete, 2013
162
Embed
PREDICCIÓN DE REINGRESO Y MORTALIDAD TRAS INGRESO ...
This document is posted to help you gain knowledge. Please leave a comment to let me know what you think about it! Share it to your friends and learn new things together.
Transcript
Universidad de Castilla La Mancha
Facultad de Medicina
Departamento de Patología Médico Quirúrgica
PREDICCIÓN DE REINGRESO Y
MORTALIDAD TRAS INGRESO
HOSPITALARIO POR REAGUDIZACIÓN DE
ENFERMEDAD PULMONAR OBSTRUCTIVA
CRÓNICA
MARCO ANTONIO ESQUIVIAS CAMPOS
TESIS DOCTORAL
Albacete, 2013
2
Universidad de Castilla La Mancha
Facultad de Medicina
Departamento de Patología Médico Quirúrgica
PREDICCIÓN DE REINGRESO Y
MORTALIDAD TRAS INGRESO
HOSPITALARIO POR REAGUDIZACIÓN DE
ENFERMEDAD PULMONAR OBSTRUCTIVA
CRÓNICA
Marco Antonio Esquivias Campos
TESIS DOCTORAL
Directores:
Dr. Pedro Juan Tárraga López
Dr. Pablo Bermejo López
A mis padres, a pesar de la distancia que nos separa siempre cuento con su cariño, apoyo y consejo…
i
AGRADECIMIENTOS.
En primer lugar agradecer al Dr. Pedro Juan Tárraga y al Dr. Pablo
Bermejo López, directores de esta tesis por su colaboración, apoyo, aporte de
ideas, guía constante y valiosas correciones. Sin ellos, la elaboración de la
presente tesis no habría sido posible.
A la Dra. María Carmen Díaz Torres, Jefa del Servicio de Urgencias del
Hospital General La Mancha Centro por facilitarme el acceder a la información
médica de los pacientes.
A mi tutor durante mis años de Médico de Residente de Medicina Familiar
y Comunitaria, Dr. José Luís Blanco Paños. Por su interés, apoyo y consejo
incondicional para iniciar, continuar y terminar esta tesis; pero sobretodo
agradezco su amistad.
A los pacientes, por su colaboración, cuando precisó, durante la obtención
de datos, facilitando en gran medida el trabajo en esta tesis.
Pero sobretodo a mis padres y a Ana mi novia, por creer en mí y darme
las fuerzas necesarias para seguir y seguir en este camino sin fin que es la
Medicina.
2
ÍNDICE.
INTRODUCCIÓN ………………………………………………………………….…..13
I. Recuerdo Anatómico……………………………………………………………......14
II. Fisiología Respiratoria………………………………………………………….…..17
En 1959, el primer documento de consenso sobre la Enfermedad Pulmonar
Obstructiva Crónica (EPOC), publicado en la revista Thorax10 en 1959 define los
criterios clínicos de la bronquitis crónica y de la “enfermedad obstructiva
generalizada del pulmón”, y diferencian entre obstrucción reversible e irreversible,
sentando las bases posteriores de la enfermedad10.
En la actualidad la EPOC supone un problema prioritario de salud pública en
los países industrializados, no sólo por su alta prevalencia y elevada morbilidad, sino
también por el alto coste económico como pérdida de calidad de vida y mortalidad
precoz11-18. En España, la EPOC es la cuarta causa de muerte y comporta unos
gastos sanitarios aproximados de 841,42 millones de euros. Esta cantidad es
equivalente al 2% del presupuesto sanitario total y se corresponde con el 0,25% del
33
producto interior bruto19.
El lento deterioro de la función pulmonar permite la adaptación de los pacientes
a los síntomas, comportando a menudo el retraso del diagnóstico hasta las fases
avanzadas de la enfermedad, al afectar las labores cotidianas, siendo en este
período cuando se suelen producir los ingresos hospitalarios por descompensación.,
en los cuales se centra la presente tesis12,14,19. En ella analizaremos los factores
pronósticos relacionados con una peor evolución, definida como reingreso
hospitalario y mortalidad, en una población bien caracterizada como es la que
requiere hospitalización por reagudización aguda de la EPOC.
En España, según una encuesta realizada por el Ministerio de Sanidad y
Política Social para la elaboración de la Estrategia Nacional de la EPOC, todas las
comunidades autónomas consideran que la EPOC es un área prioritaria de
intervención en salud20, pero a pesar de ello, en la mayoría de ellas no hay un plan
de actuación activo para esta enfermedad ni un organismo responsable de la
planificación o consejo asesor. Tampoco existen normas que regulen la atención en
la EPOC; a diferencia del impulso dado en la mayoría de comunidades autónomas
para crear planes de lucha contra el tabaquismo y unidades de deshabituación
tabáquica20.
La EPOC es diagnosticada y atendida mayoritariamente por médicos de
atención primaria y por neumólogos de referencia, estableciendo entre ellos una
coordinación, mediante protocolos consensuados, comités de mejora, sesiones
clínicas y actividades formativas.
Los profesionales que atienden al paciente con EPOC han de tener
competencias en el diagnóstico temprano de la enfermedad, la interpretación de la
espirometría forzada y el tratamiento de la fase estable y las reagudizaciones20. Los
profesionales de atención primaria han de tener competencias en la prevención y el
tratamiento del tabaquismo y las reagudizaciones, y en la atención al paciente en el
final de la vida (tratamiento paliativo, decisiones finales, etc.)20. Los médicos de
34
atención especializada deben tener competencias en ventilación mecánica no
invasiva y en la valoración multidimensional del paciente con EPOC20.
Los profesionales de enfermería de atención primaria han de tener
competencias en: promoción de estilos de vida saludables, prevención del
tabaquismo y deshabituación tabáquica, detección temprana de la EPOC,
realización adecuada de espirometrías forzadas, valoración de necesidades de la
persona con EPOC y su familia, realización de un plan de cuidados, prevención de
reagudizacines en función del estadio de la EPOC y de la comorbilidad, y educación
para la salud de pacientes y familiares y el aumento de su autonomía20. En atención
especializada, enfermería además deben tener competencias en: ventilación
mecánica no invasiva, valoración multidimensional, evaluación global del paciente
complejo, plan de trabajo, coordinación, evaluación de resultados y atención en el
final de la vida (tratamiento paliativo, decisiones finales, etc.) y en la situación
aguda20.
La Estrategia Nacional de la EPOC establece un conjunto de líneas
estratégicas con objetivos y recomendaciones que, de forma realista y en función de
los recursos disponibles y el ámbito de competencias de las comunidades
autónomas, contribuyan a mejorar la calidad de las intervenciones y los resultados
en la EPOC20.
Actualmente, la calidad de la atención a las personas con EPOC y los
resultados en salud son aspectos difíciles de evaluar. Se ha propuesto una serie de
indicadores que permiten recoger y elaborar la información necesaria para una
evaluación sistemática y continua20-22.
IV.1. DEFINICIÓN DE EPOC.
El término EPOC, Chronic Obstructive Pulmonary disease (COPD) en inglés,
se emplea para intentar definir una entidad clínica heterogénea, formada por la
35
combinación de procesos patológicos dispares como la bronquiolitis crónica
obstructiva, el enfisema y la hipersecreción mucosa en diferentes proporciones. Los
cambios patológicos se pueden encontrar tanto a nivel del parénquima pulmonar
como de la vía aérea central y periférica o de la circulación pulmonar 18,23,24,25,26.
La característica fundamental es la limitación progresiva al flujo aéreo,
secundaria a la inflamación crónica de la vía aérea y del parénquima pulmonar. El
trastorno fisiológico principal es una caída acelerada del volumen espiratorio máximo
en el primer segundo (VEMS), habitualmente expresado por sus siglas en inglés
como FEV1. Esta disminución que en adultos normales es de 30 ml/año, alcanza en
los individuos susceptibles los 60 ml/año27. Otras alteraciones fisiológicas son la
hiperinsuflación pulmonar en reposo que empeora con el esfuerzo, la disminución de
la capacidad de transferencia del monóxido carbónico, la hipoxemia y la
hipoventilación alveolar28.
En el año 2001 se publicó la definición de EPOC realizada por el grupo de
consenso de la Global Obstructive Lung Disease (GOLD) auspiciada por el National
Heart, Lung and Blood Institute (NHLBI) de los Estados Unidos y la Organización
Mundial de la salud (OMS). Definen EPOC como un proceso patológico que se
caracteriza por una limitación funcional al flujo aéreo que no es completamente
reversible y que es, por lo general, progresiva y se asocia con una respuesta
inflamatoria pulmonar anormal a partículas o gases nocivos. La constatación
espirométrica de un FEV1 post-broncodilatador inferior al 80% del valor de referencia
junto a un índice FEV1/Capacidad Vital Forzada (FVC) inferior al 70%, que no es
completamente reversible, confirma el diagnóstico29,30.
Esta definición, incorpora al concepto clínico de EPOC la condición de
enfermedad inflamatoria, manteniendo las características de funcionalismo pulmonar
(limitación al flujo aéreo), clínicas (bronquitis crónica) y anatomopatológicas
(enfisema) de las definiciones previas 31,32. Casi simultáneamente con la definición
GOLD apareció la normativa de la Sociedad Española de Neumología y Cirugía
torácica (SEPAR), en la que se destaca la importancia del tabaquismo en nuestro
36
medio como la principal causa de la respuesta inflamatoria pulmonar 33.
Posteriormente han sido publicadas varias guías que conservando las principales
características de la definición GOLD, resaltan las manifestaciones sistémicas de la
enfermedad, la lenta evolución de la misma, o los síntomas predominantes34-36. En el
año 2004 se ha publicado la guía conjunta de las sociedades Europea y Americana,
donde se destaca la condición de la EPOC como enfermedad prevenible y tratable37.
En España, las guías de referencia han sido las elaboradas por SEPAR junto a
otras sociedades científicas38,39. La multitud de avances que han surgido en los
últimos años hizo que los contenidos de estas guías necesiten actualizarse.
Desde 2009, el Ministerio de Sanidad y Política Social, a través del Plan de
Calidad del Sistema Nacional de Salud (SNS) y la Estrategia en EPOC, ha estado
trabajando para reducir el número de personas con EPOC y para identificar la
manera de mejorar la atención y la calidad de vida de las personas que la sufren40.
En este contexto nace la Guía Española de la EPOC (GesEPOC) a partir de una
iniciativa de la Sociedad Española de Neumología y Cirugía Torácica (SEPAR) que,
conjuntamente con las sociedades científicas implicadas en la atención a pacientes
con EPOC, el Foro Español de Pacientes y la Unidad de Evaluación de Tecnologías
Sanitarias de la Agencia Laín Entralgo, ha desarrollado GesEPOC, la guía de
referencia de la EPOC en España GesEPOC es una guía actualizada para
responder a las cuestiones planteadas en la asistencia al paciente con EPOC.
GesEPOC persigue la atención eficiente de los pacientes con EPOC a partir de un
trabajo coordinado y multidisciplinario con la participación de representantes de los
diferentes ámbitos asistenciales.
GESEPOC define la EPOC como una enfermedad respiratoria caracterizada
por una limitación crónica al flujo aéreo que no es totalmente reversible, suele
manifestarse en forma de disnea y, por lo general, es progresiva. La limitación al
flujo aéreo se asocia a una respuesta inflamatoria anormal de los pulmones a
partículas nocivas y gases, principalmente derivados del humo de tabaco, que
pueden producir otros síntomas como tos crónica, acompañada o no de
37
expectoración. La EPOC se caracteriza también por la presencia de agudizaciones y
por la frecuente presencia de comorbilidades que pueden contribuir a la gravedad en
algunos pacientes.
Esta definición, que incluye criterios espirométricos de obstrucción al flujo
aéreo, mecanismos patogénicos, aspectos etiológicos y manifestaciones
sintomáticas, está de acuerdo y extiende las definiciones propuestas por la American
Thoracic Society (ATS), la European Respiratory Society (ERS)41 y por la Sociedad
Española de Neumología y Cirugía Torácica (SEPAR)38. Reconoce que la
espirometría por sí sola no puede considerarse diagnóstica, sino que debe utilizarse
como prueba de confirmación ante la sospecha diagnóstica en un paciente que
presenta síntomas respiratorios crónicos y es o ha sido fumador. En casos menos
frecuentes podemos obtener una historia de exposición a otros agentes tóxicos
inhalados en el hogar o en el lugar de trabajo.
IV.2. GRAVEDAD DE LA EPOC
La gravedad de la EPOC se establece clásicamente basándose en el FEV1.
Aunque el diagnóstico de certeza de la enfermedad obliga a documentar un patrón
espirométrico obstructivo, su uso exclusivo como expresión de la gravedad de la
enfermedad es más cuestionable42,43. Esto explicaría en parte, las discrepancias
entre las diferentes sociedades científicas de patología respiratoria para definir los
diferentes grados de gravedad de la EPOC44, basándose en FEV1 (Cuadros 1 y 2).
Cuadro 1. Clasificación EPOC, según diferentes sociedades. (FEV1 expresado como porcentaje)
GRUPO LIGERA MODERADA GRAVE
ERS 1995 70% 50-69% < 50%
SEPAR 2001 60-80% 40-59% < 40%
ATS 1995 50% 35-49% < 35%
CTS 2004 60-79% 40-59% < 40%
ATS-ERS 2004 80% 50-80% 30-50% (muy severa
<30%)
ERS: European Respiratory Society; ATS: American Thoracic Society; CTS: Canadian Thoracic Society
38
Cuadro 2. Normativa GOLD 2003
ESTADIO CARACTERÍSTICAS
0. Riesgo de EPOC Espirometría normal. Síntomas crónicos (tos, aumento de la
producción de esputo)
I. EPOC leve FEV1/FVC< 70%.
FEV1 80% *
II. EPOC moderado FEV1/FVC< 70%
50% =FEV1<80%*
III. EPOC severo FEV1/FVC< 70%
30% =FEV1<50%*
IV. EPOC muy severo FEV1/FVC< 70%
FEV1 < 30% o FEV1 <50%* más insuficiencia respiratoria
crónica.
*Con o sin síntomas crónicos (tos, aumento de la producción de esputo). Insuficiencia respiratoria: presión parcial de oxígeno arterial (PaO2 inferior a 60 mmHg con o sin presión parcial de CO2 arterial (PaCO2) superior a 50 mmHg, respirando aire ambiente y al nivel del mar. Todos los valores de FEV1 se refieren a la medición realizada tras broncodilatación
11.
La clasificación de gravedad en la normativa GOLD se basa también en puntos
de cortes teóricos. Las diferencias entre los diversos autores y sociedades de
patología respiratoria se encuentran reflejadas en la publicación de hasta 15 guías
diferentes sobre el diagnóstico y manejo de la EPOC entre los años 1990 a 199945,
así como en la aparición de nuevas guías, y la posterior corrección de la misma
normativa GOLD30,33-37,46. Por otra parte diversas publicaciones han señalado que
los puntos de corte del FEV1 escogidos en la normativa GOLD pueden sobreestimar
la frecuencia de la EPOC en ancianos47, así como el valor contradictorio del estadío
0 para identificar los sujetos a riesgo de desarrollar EPOC48-49, o la escasa
correlación entre los estadíos 0-IIA de la primera versión con el estado de salud y la
calidad de vida de los pacientes50.
Aglutinar las principales variables pronósticas en un mismo índice ha sido
propósito de estudio en los últimos años, generándose distintos índices pronósticos.
El considerado de referencia, es el índice BODE propuesto por Celli y col.51. Este
índice integra la información del índice de masa corporal (IMC) (B, de body mass
index), FEV1 (O, de airflow obstruction), disnea (D) y capacidad de ejercicio (E),
39
evaluada mediante la prueba de marcha de 6 minutos. Un incremento en un punto
del índice BODE se asocia a un aumento del 34% en la mortalidad por todas las
causas (hazard ratio [HR], 1,34; IC del 95%, 1,26-1,42; p < 0,001) y del 62% en la
mortalidad de causa respiratoria (HR = 1,62; IC del 95%, 1,48-1,77; p < 0,001)51.
En su conjunto, el índice BODE es más util que el FEV1 como variable
pronóstica. El cuadro 3 muestra los componentes del BODE y su ponderación, que
oscila entre 0 y 10 puntos, de menor a mayor riesgo de mortalidad. Esta puntuación
se agrupa en los siguientes cuatro cuartiles:
• Cuartil 1: 0-2 puntos.
• Cuartil 2: 3-4 puntos.
• Cuartil 3: 5-6 puntos.
• Cuartil 4: 7-10 puntos.
MARCADORES PUNTUACIÓN
0 1 2 3
B IMC > 21 21
O FEV1 (%) 65 50 - 64 36 - 49 35
D Disnea (MRC) 0 - 1 2 3 4
E 6 MM (m) 350 250 - 349 150 - 249 149
Cuadro 3: ÍNDICE BODE. IMC: índice de masa corporal; MRC: escala modificada de la MRC; 6 MM: distancia recorrida
en la prueba de los 6 minutos de marcha.
Existe una amplia experiencia en el uso del índice BODE y se ha comprobado
su utilidad en distintas situaciones clínicas, como la predicción de agudizaciones52, la
asociación con ansiedad-depresión53, la respuesta a la rehabilitación respiratoria54 o
la cirugía de reducción de volumen55.
Aunque la determinación de los cuatro componentes del BODE es
relativamente sencilla, lo cierto es que la generalización del índice ha sido más lenta
de lo esperado, en especial en atención primaria, probablemente debido a la
necesidad de realizar la prueba de marcha de 6 minutos que, aunque de baja
40
complejidad y coste, exige disponibilidad de tiempo y un espacio adecuado para su
realización. Por este motivo, algunos autores han propuesto la sustitución de esta
prueba de ejercicio (E del índice BODE) por el registro de las exacerbaciones graves
(Ex de exacerbaciones graves), en lo que se denomina índice BODEx56. Ambos
índices muestran un elevado grado de correlación y similar capacidad pronóstica de
mortalidad (r = 0,86; p < 0,001; esta- dístico C de 0,75 para BODE y 0,74 para
BODEx; p = NS).
El cuadro 4, muestra los componentes del BODEx y su ponderación. En este
índice la puntuación obtenida oscila entre 0 y 9 puntos y se agrupa en los siguientes
cuartiles:
• Cuartil 1: 0-2 puntos.
• Cuartil 2: 3-4 puntos.
• Cuartil 3: 5-6 puntos.
• Cuartil 4: 7-9 puntos.
MARCADORES PUNTUACIÓN
0 1 2 3
B IMC > 21 21
O FEV1 (%) 65 50 - 64 36 - 49 35
D Disnea (mMRC) 0 - 1 2 3 4
Ex Exacerbaciones
graves
0 1 - 2 3
Cuadro 4. ÍNDICE BODEx. IMC: ïndice de masa corporal; Mrc.: escala modificada de la MRC; Ex: exacerbaciones
graves (se incluyen únicamente visitas a urgencias hospitalarias o ingresos).
Para la evaluación de la disnea en los índices BODE/BODEx se recomienda la
escala modificada del Medical Research Council (mMRC)57, que clasifica la disnea
en 4 grados (cuadro 5).
41
Cuadro 5: Escala de disnea modificada del MRC (mMRC)
Grado Actividad
0 Ausencia de disnea al realizar ejercicio intenso.
1 Disnea al andar de prisa en llano, o al andar subiendo por una pendiente poco
pronunciada.
2 La disnea le produce una incapacidad de mantener el paso de otras personas de la
misma edad caminando en llano o tener que parar a descansar al andar en llano a su
propio paso.
3 La disnea hace que tenga que parar a descansar al andar unos 100 m. O pocos minutos
después de andar en llano.
4 La disnea le impide al paciente salir de casa o aparece con actividades como vestirse o
desvestirse.
Aunque clásicamente y por consenso, se excluyen del término EPOC otras
enfermedades que pueden cursar con obstrucción de la vía aérea como la fibrosis
quística, las bronquiectasias, la bronquiolitis obliterante o el asma10, esta distinción
no siempre es fácil por el solapamiento entre algunas de estas entidades. Así, por
ejemplo, se acepta que la EPOC puede tener un componente reversible y dado que
existen formas de asma que cursan con limitación persistente al flujo aéreo sobre
todo en pacientes ancianos, la distinción entre ambas enfermedades es a menudo
imposible33. Por otra parte el uso de la Tomografía Axial Computerizada de Alta
Resolución (TACAR) demuestra que la presencia de bronquiectasias es frecuente en
los pacientes ambulatorios con EPOC58, pudiendo encontrarse hasta en el 70% de
los que tienen enfermedad avanzada59 o de aquellos que requieren ingreso
hospitalario por reagudización60.
Una hipótesis, no aceptada universalmente, postula que para desarrollar la
enfermedad se precisa de un sustrato endógeno susceptible (huésped) y de un
factor exógeno ambiental, en general el tabaquismo61. La combinación de ambos
factores desencadena una respuesta inflamatoria que algunos autores han
comparado con la producida por las enfermedades autoinmunes. Esta respuesta
inflamatoria no se limita al pulmón, sino que afecta a diferentes sistemas del
organismo, por lo que para estos autores la EPOC sería una enfermedad sistémica
42
con afectación pulmonar predominante62-69.
En resumen, la EPOC se caracteriza esencialmente por una limitación crónica
al flujo aéreo poco reversible y asociada principalmente al humo de tabaco. Se trata
de una enfermedad infradiagnosticada y con una elevada morbimortalidad, y supone
un problema de salud pública de gran magnitud. Representa un elevado coste
sanitario y constituye la cuarta causa de muerte en los países de nuestro entorno.
Además, se prevee que su prevalencia siga aumentando.
La EPOC es una enfermedad compleja, multicomponente, crónica y
progresiva. Los síntomas principales son la disnea, la tos y la expectoración. Su
presentación clínica es muy heterogénea, y dentro de lo que hoy denominamos
EPOC se pueden definir diversas formas clínicas o fenotipos con repercusión clínica,
pronóstica y terapéutica70.
Aunque la EPOC no es una enfermedad curable, la deshabituación tabáquica
es la medida más eficaz para prevenirla y frenar su progresión71.
IV.3. PREVALENCIA DE LA EPOC
La prevalencia descrita en los diferentes estudios sobre la EPOC depende de
la definición de la enfermedad y de la metodología utilizada en los mismos12-19,72. A
pesar de las diferencias, los autores coinciden en que la EPOC es una de las
enfermedades más prevalentes en los países industrializados y en que su impacto
continuara aumentando, especialmente entre las mujeres y los ancianos73. En un
estudio realizado en Gran Bretaña entre los años 1990 y 1997 por Soriano y col. se
observó como las tasas de prevalencia se incrementaron en este período en un
68,7% entre las mujeres y en un 25,3% entre los varones (p<0,05)74. En el gráfico 1,
se representan los datos de un estudio Holandés comparando la mortalidad actual y
la proyectada al año 202575. Del mismo modo, las previsiones de la OMS apuntan a
que durante los próximos años el impacto de la enfermedad en el mundo seguirá
43
aumentando, hasta convertirse en el año 2020 en la quinta causa combinada de
mortalidad prematura y de incapacidad76,77.
En España se han publicado varios estudios de prevalencia. A modo de
ejemplo Marco y colaboradores, en una muestra de 600 varones guipuzcoanos de
entre 40 y 69 años, refieren una prevalencia de EPOC del 6,8%78. Esta tasa es
similar a la encontrada por Brotons en la comunidad Valenciana (6,4%), aunque en
este último trabajo se incluyen mujeres, encontrando diferencias notables entre
ambos sexos (varones 10,5% vs. mujeres 1,8%)79. En Catalunya, la prevalencia
descrita es del 7,2% (10,4% en varones vs. 4,1% en mujeres), alcanzando el 30% en
varones de 60 a 70 años80. Previamente un trabajo realizado en una zona rural de
Guipúzcoa había mostrado una prevalencia del 17%, aunque en este estudio sólo se
incluyeron 93 sujetos81.
Gráfico 1. Proyección de mortalidad en Holanda. Años 2000-2025.Número absoluto de fallecimientos por sexo y gravedad de la EPOC.
En el año 2000 se publicó el proyecto IBERPOC, el estudio epidemiológico
más amplio realizado sobre la EPOC hasta la fecha en España. Se trata de un
trabajo transversal, realizado en siete zonas geográficas diferentes y que incluye a
más de 4.000 sujetos de entre 40 y 69 años. Los datos de este estudio muestran
una prevalencia global del 9,1% (14,3% en varones y 3,9% en mujeres). Esta
44
prevalencia es mayor en las zonas rurales y en los pacientes con edades
comprendidas entre 60 y 69 años. Un dato destacable del estudio IBERPOC es que
sólo el 21,8% de los individuos con EPOC habían sido diagnosticados previamente y
que menos de la mitad de los pacientes con un FEV1 < 50% recibían tratamiento
para su enfermedad82-85.
Aunque la EPOC se ha relacionado con la polución ambiental o la exposición
laboral entre otras causas86-88, el motivo principal de la EPOC en nuestro medio es el
tabaquismo. Varios estudios longitudinales han demostrado una pérdida acelerada
de función pulmonar en los fumadores89. En este sentido, el Lung Health Study
(LHS) estudió a 5.887 fumadores con una edad media 48 años, FEV1/FVC <70% y
un FEV1 medio del 75%, encontrando una mayor caída de la función pulmonar 5
años después entre los pacientes que continuaban fumando90-91. En una nueva
valoración de los sujetos realizada a los 11 años de su inclusión, las diferencias en
la caída del FEV1 entre los fumadores y los que continuaban abstinentes eran de 36
ml/año para los varones y de 23 ml/año para las mujeres. Estas diferencias entre
sexos se corregían al valorar el FEV1 como porcentaje del teórico. Más relevante es
el hecho de que en el momento de la nueva evaluación, el 38% de los fumadores
tenían un FEV1<60% de su teórico, frente al 10% de los pacientes que habían
abandonado el tabaquismo27. Trabajos posteriores realizados con la misma cohorte
demuestran que la disminución del número de cigarrillos / día tiene poco impacto en
la prevención del deterioro de la función pulmonar y que las infecciones respiratorias
repetidas contribuyen al deterioro del FEV1 sólo en los pacientes que continúan
fumando92-93.
La prevalencia del tabaquismo en nuestro país, junto a la mayor esperanza de
vida, hace prever que la enfermedad continuará aumentando en los próximos años,
en concordancia con los países de nuestro entorno. En España, según los datos de
la Encuesta Nacional de Salud (ENSE) de 1997 la prevalencia del tabaquismo entre
la población española mayor de 16 años era del 35,7%. Si se compara con los
resultados obtenidos en la ENSE de 1987 donde ésta era del 38,1% se observa un
ligero descenso, a expensas del tabaquismo masculino, que disminuye del 55 al
45
44,8%, en contraposición con el aumento que experimenta el consumo en las
mujeres que pasa del 23% al 27,2%. Por grupos de edad, el porcentaje de población
fumadora más alto se observa en el grupo de 25 a 44 años (52,3%) seguido del
grupo de 16 a 24 años (39,7%)94. En los cuadros 6 y 7, se presentan resultados de
la Encuesta Nacional de Salud de 2006, realizada por el Ministerio de Sanidad y
Consumo.95
Con el incremento en la esperanza de vida se prevé un incremento de la EPOC
en los próximos año. Todos los estudios demuestran un aumento de la prevalencia
con la edad74,80-85.
Cuadro 6. Prevalencia de tabaquismo en España 2006 (edad ≥ 16 años)
Cuadro 7. Consumo de tabaco en España 2006 (edad ≥ 16 años)
Si tenemos en cuenta que en el año 2000 la esperanza de vida en Catalunya
era de 76,5 años en los varones y de 83,2 años para las mujeres, y que la
esperanza de vida a partir de los 65 años era de 17 años en los hombres y de 20,9
46
en las mujeres con un aumento de casi un año respecto a los datos de 1995, y
tomando en consideración las tasas de tabaquismo acumulado, cabía esperar un
importante incremento de la enfermedad en los próximos años96.
La investigación dirigida por el Dr. Joan B. Soriano en base al estudio EPI-
SCAN demuestran la elevada prevalencia de la EPOC en España. La patología
afecta a un total del 10,2% de la población entre 40 y 80 años afectada, es decir,
más de 2,1 millones personas. De ellas, un 15,1% son hombres y un 5,7% mujeres.
En líneas generales, el paciente tipo de EPOC se ha "rejuvenecido", con una media
de edad de diagnóstico de cincuenta años y se ha "feminizado", ya que tiende a
igualarse por sexos, como consecuencia del aumento del tabaquismo en mujeres a
partir de la década de 1970. EPI-SCAN ha contado con la colaboración de casi
cuatro mil participantes y ha analizado datos recogidos entre 2006 y 2007
correspondientes a once áreas: Barcelona, Burgos, Córdoba, Huesca, Madrid,
Requena, Oviedo, Sevilla, Valencia, Vic (Barcelona) y Vigo.97
Grafico 2. Prevalencia de EPOC según GOLD y según el límite inferior de la normalidad (LIN) por
áreas, global y por sexo.97
47
Gráfico 3. Distribución de la gravedad de EPOC, por áreas.97
Cuadro 8. Prevalencia de EPOC por área (según GOLD)
48
Las nuevas cifras revelan que la distribución geográfica de la EPOC presenta
variaciones significativas, siendo más elevada en Oviedo (16,9%) y Barcelona
(14,8%) y menor en Burgos y Sevilla con un (6,2 y 8,1%, respectivamente). Según
los expertos, las variaciones son notables y es difícil encontrar una explicación
simple, puesto que en áreas muy próximas ya hay diferencias notables. Por ejemplo
entre Sevilla (8,1%) y Córdoba (12,4%), e incluso entre los participantes de una
misma ciudad como en Madrid-La Paz (8,3%) y Madrid-La Princesa (13,7%).
Asimismo, se observan también diferencias geográficas en el infradiagnóstico y el
infratratamiento, dos fenómenos muy frecuentes en la EPOC. La media de
infradiagnóstico es del 73% con una variabilidad que va del máximo en Madrid con el
82% al mínimo en Requena con el 58,6%. Por su parte, el infratratamiento tiene una
media de 54%, oscilando del 72,5% de Barcelona al 43% de Huesca o el 44% de
Sevilla. Según Soriano "medir un problema de Salud Pública es el primer paso para
solucionarlo. Extrapolando estos datos a la población general, hay más de un millón
y medio de personas en España con EPOC aún sin diagnosticar. La colaboración
estrecha de Neumología con Enfermería, Atención Primaria y Medicina Interna es
fundamental para aunar esfuerzos y atajar este problema". 97
Los investigadores EPI-SCAN en 2010, exploraron estas variaciones
geográficas con la exposición secular al tabaco e incluso con las tasas de mortalidad
por EPOC publicadas en la Comunidad Autónoma respectiva. Sin embargo, aún
controlando por la distribución por edad y sexo de cada área, no existe correlación
con estas variables. Las causas deben tener pues relación con una combinación de
éstas u otras variables no estudiadas, como hábitat rural o urbano, exposiciones
ambientales o laborales, etc. Finalmente, con los datos de EPI-SCAN se ha
realizado también un estudio comparativo con el anterior estudio multicéntrico
poblacional sobre EPOC en España, realizado en 1997 y conocido como
IBERPOC97.
A pesar de que ha transcurrido una década, el infradiagnóstico de la
enfermedad no ha mejorado substancialmente, ya que sólo ha disminuido en cinco
puntos, pasando del 78 al 73%. Sin embargo, las cifras si han mejorado una vez
diagnosticada la EPOC. En este sentido, el infratratamiento ha pasado del 81% en
49
1997 al 54 por ciento actual. Además, en el infratratamiento de la EPOC grave se ha
bajado del 50 al 10%. Y en prevención secundaria o diagnostico precoz mediante
espirometría, también se ha producido una mejora substancial al pasar del 17 al
59% actual.97
Actualmente, y según EPI-SCAN, se estima que 2.185.764 españoles
presentan EPOC de entre los 21,4 millones con edad entre 40 y 80 años. Por sexos,
las cifras corresponden a 1.571,868 hombres y 628,102 mujeres. Y ya que el 73%
aún no está diagnosticado, puede decirse que más de 1.595,000 españoles aún no
lo saben y, por tanto, no reciben ningún tratamiento para su EPOC.97
Según los datos publicados en 2012 en la Guía de Práctica Clínica para el
Diagnóstico y Tratamiento de Pacientes con Enfermedad Pulmonar Obstructiva
Crónica (EPOC) - Guía Española de la EPOC (GesEPOC)98, la Organización
Mundial de la Salud (OMS) estima que actualmente hay 210 millones de personas
en el mundo que presentan EPOC99.
En el estudio The Global Burden of Disease publicado en 1996, la OMS cifraba
las tasas de prevalencia mundial de la EPOC en el año 1990 en 9,3 casos/1.000
habitantes en los hombres, y en 7,3 casos/1.000 habitantes en las mujeres100. En
una revisión sistemática se estima que la prevalencia de EPOC en la población
general es de alrededor del 1% en todas las edades, incrementándose al 8-10% o
superior en aquellos adultos de 40 años o más101. En Europa, según los resultados
de una revisión sistemática, la prevalencia varía entre el 2,1 y el 26,1%,
dependiendo del país, los diferentes métodos utilizados para estimar la prevalencia
en términos de definición, las escalas de gravedad y los grupos de población102.
En España, hasta hace poco, el único estudio de prevalencia de EPOC y
ámbito nacional disponible era el IBERPOC, realizado en 1997 para medir la
prevalencia y la variación de la distribución de la EPOC en siete zonas geográficas.
La prevalencia de EPOC (definida según los criterios antiguos de la European
Respiratory Society como cociente postbroncodilatador FEV1/FVC < 88% del teórico
en hombres y < 89% en mujeres) fue del 9,1% (el 14,3% en hombres y el 3,9% en
50
mujeres)85.
Según el hábito tabáquico, la prevalencia fue del 15,0% en fumadores, del
12,8% en ex fumadores y del 4,1% en no fumadores. El estudio IBERPOC encontró,
además, diferencias muy importantes según el área geográfica, desde sólo el 4,9%
en Cáceres hasta el 18% en Manlleu (Barcelona), posiblemente relacionadas con
factores ambientales o laborales no estudiados. En este sentido, el exceso de casos
detectado en algunas áreas geográficas solía corresponder a mujeres mayores de
55 años, no fumadoras, con antecedentes de enfermedades respiratorias en la
infancia y que no presentaban síntomas de expectoración o sibilantes103. Un
aspecto muy importante de los resultados del estudio IBERPOC fue el alto grado de
infradiagnóstico, pues el 78,2% de los casos confirmados por espirometría no tenían
diagnóstico previo de EPOC.
IV.4. EPOC Y MORTALIDAD EN PACIENTES AMBULATORIOS.
Es difícil conocer con certeza la mortalidad atribuible a la EPOC, ya que
algunos pacientes fallecen por la comorbilidad asociada y no directamente por
reagudizaciones de EPOC. En cualquier los pacientes con EPOC presentan una
menor esperanza de vida que la población general.
En un estudio realizado en Gran Bretaña en la década de los 90, en el que se
observó como los pacientes con EPOC severo fallecen tres años antes que aquellos
con enfermedad moderada y cuatro años antes que los pacientes control a igualdad
de edad y sexo74. Una conclusión similar obtiene otro trabajo realizado sobre 4.284
individuos a los que se les practicó un cateterismo coronario. En este estudio se
observa como la mortalidad a los 3 años fue más de dos veces superior en los
pacientes que presentaban EPOC como enfermedad asociada que en el resto;
(p<0.001; OR 2,14; IC 95%: 1,53-3,02)104.
La tasa de mortalidad anual aumenta significativamente por grupo de edad. En
51
2005, varió de 7,8 varones y 1,1 en mujeres en el grupo de 50 a 54 años, y fue
superior a 390 en varones y 55 en mujeres en el grupo por encima de 75 años95.
Gráfico 4. Tendencia temporal de la mortalidad por EPOC en España entre los años 1980 y
2005 por sexos.
La edad media de la mortalidad por EPOC se ha desplazado a edades
superiores desde 1980. En 1990 era de 76,3 para los varones y 79,7 para las
mujeres, pasando en 2005 a 79,7 en los varones y 83,7 en las mujeres. Igualmente,
la tasa de años de vida perdidos ha pasado de 105,5 en varones y 33,9 en mujeres
(por 100000) en 1990 a 62,3 en hombres y 17,7 en mujeres en el año 200595.
La mortalidad en España no es homogénea. En las siguientes figuras (5, 6)
puede observarse el Índice Comparativo de Mortalidad según provincias para
España95.
52
Figura 5. Mapa de mortalidad por Comunidades Autónomas en el año 2006. Tasa ajustada a la
población europea/100000 (hombres)
53
Figura 6. Mapa de Mortalidad por Comunidades Autónomas en el año 2006. Tasa ajustada a la
población europea/100000. (mujeres)
54
IV. 4. 1. Datos obtenidos de los certificados de defunción.
Este método tiene la ventaja de la “universalidad” de la muestra y la desventaja
de infravalorar la mortalidad real de la EPOC.
Según los datos del National Center for Health Statistics de Estados Unidos
(NCHS), en un 8,2% de todos los fallecimientos registrados entre los años 1979 a
1993, consta EPOC en el certificado de defunción; en menos de la mitad se le
consideró la causa fundamental del fallecimiento105. Tasas similares de mortalidad y
probable infradiagnóstico se han publicado en Gran Bretaña, Irlanda, Polonia o
Finlandia106-109. El principal motivo de esta infravaloración se produce por la
discrepancia entre la causa fundamental de la muerte y la inmediata, que en el caso
de EPOC se debe a complicaciones derivadas de la misma.
Aún así, EPOC es sin duda una de las principales causas de mortalidad en el
mundo industrializado110-111. De acuerdo con los consensos de la ATS y la ERS, la
EPOC constituye la cuarta causa de mortalidad en Estados Unidos y la tercera en
Europa junto al asma y la neumonía31-32. Además la mortalidad continúa
aumentando en los últimos años, sobre todo entre la población anciana y las
mujeres36,37,73,111-113. En datos de mortalidad por EPOC en EEUU entre los años
1979 a 2001, se puede observar el progresivo aumento de la mortalidad en mujeres
hasta igualar a la de los varones, mientras que en la figura 13 se representan el
número de fallecimientos actuales y los proyectados en Canadá entre los años 1987
y 201635.
En nuestro país, y según los datos del Instituto Nacional de Estadística (INE),
durante el año 2002 la EPOC fue la quinta causa de muerte global y la cuarta en
varones, con un ligero incremento con respecto a la mortalidad observada en el año
2000114. La tasa global de mortalidad por EPOC en España en el año 2002 fue de
48,7 por 100.000 habitantes, mientras que en Cataluña en el año 97 supuso una
tasa de 44,2 por 100.000 habitantes96.
55
IV.4.2. Datos obtenidos de los estudios de cohortes.
Proporcionan información de mayor calidad, con el inconveniente de requerir
un elevado número de individuos con largos períodos de seguimiento, debido a la
lenta evolución natural del EPOC. Además la comparación entre estudios es difícil
por la gran variabilidad de la población estudiada en cuanto a edad, la exclusión o no
de pacientes con comorbilidad y la gravedad clínica en el momento de incluir sujetos
en el estudio115.
Una complicación añadida es nuevamente determinar si la causa de
fallecimiento se debe a EPOC, a complicaciones de la misma, o a otras causas.
Igualmente es conocido que peores niveles de función pulmonar se relacionan con
menor actividad física y mayor mortalidad por otras causas, sobre todo con las
producidas por neoplasia de pulmón y enfermedad cardiovascular, en particular la
cardiopatía isquémica, debido en parte a que el tabaquismo es factor causal común
en todas ellas25,116-120.
Según lo publicado por el grupo de estudio GESEPOC, actualmente EPOC es
la cuarta causa de muerte en el mundo y la OMS estima que será la tercera en el
año 2030121. En el año 2008, las enfermedades crónicas de las vías respiratorias
inferiores representaron la cuarta causa de muerte en España (responsables del
11,4% del total de defunciones), después del cáncer (26,1%), las enfermedades del
corazón (20,8%) y las enfermedades cerebrovasculares (18,2%)122.
La tasa de mortalidad por EPOC por 100.000 habitantes, ajustada por
población mundial, en el año 2008 fue de 449,22 en hombres y 238,47 en
mujeres123. En hombres el intervalo de estas tasas se sitúa entre el 399,13 de
Navarra y el 526,57 de Ceuta. En mujeres se sitúa entre el 205,36 de Navarra y el
310,53 de Ceuta. Las tasas de mortalidad aumentan de manera significativa, sobre
todo en hombres, a partir de los 55 años123.
56
La mortalidad por EPOC en España, comparando las tasas ajustadas por
población mundial, muestra una tendencia a la disminución durante la última década,
tanto en hombres como en mujeres123.
IV.5. EPOC REAGUDIZACIÓN Y HOSPITALIZACIÓN.
La EPOC se desarrolla lentamente a lo largo de los años, con la progresiva
caída del FEV1, pasando por un largo periodo subclínico antes de presentar
síntomas y en algunos sujetos avanzar hacia la insuficiencia respiratoria, la
incapacidad y la muerte. Esta progresión no es lineal, dado que durante la
enfermedad aparecen periodos de empeoramiento agudos, conocidos como
reagudizaciones o descompensaciones124.
En 1987 Anthonisen definió reagudización en aquellos episodios que se
acompañaban de:
1. Aumento de la disnea,
2. Aumento de la producción de esputo
3. Aumento de la purulencia del mismo.
Diseñó una escala para valorar la respuesta de la descompensación al
tratamiento antibiótico, primando los síntomas de infección respiratoria que a
menudo pero no siempre, son la causa de la descompensación125,126.
Para ello dividió las reagudizaciones en tres categorías:
Exacerbación tipo 1: todos los síntomas están presentes: aumento de
disnea, del volumen de esputo y de la purulencia.
Exacerbación tipo 2: se cumplen 2 de los síntomas.
Exacerbación tipo 3: al menos uno de los síntomas está presente, más
infección respiratoria de la vía aérea superior en los 5 días previos,
fiebre, sibilancias, aumento de la tos, o aumento de de la frecuencia
respiratoria o cardiaca en más del 20% de la basal127.
57
En un estudio publicado en Thorax en el año 2000, Rodríguez-Roisin y col.128
aconsejaban utilizar como definición de exacerbación de la EPOC un
empeoramiento sostenido en el estado clínico del paciente, desde una fase estable y
más allá de las oscilaciones diarias, de inicio agudo y que requiera un cambio en la
medicación habitual; cuando estas exacerbaciones son frecuentes los pacientes
presentan un aumento de los parámetros inflamatorios, junto a un deterioro
acelerado de la función pulmonar, pérdida de la calidad de vida y limitación de las
actividades diarias129.
Las reagudizaciones son causa más frecuente de consulta médica e ingreso
hospitalario en los pacientes con EPOC130-136, sobre todo en los sujetos de edad
avanzada y con comorbilidad asociada137, lo que conlleva un elevado consumo de
recursos sanitarios. En EEUU se calcula que más del 70% de los gastos totales de
la EPOC son generados por la hospitalización16,17, mientras que en un estudio
holandés llegaban a suponer hasta un 90%138. Un estudio realizado entre los
beneficiarios de Medicare en EEUU demuestra que el gasto sanitario “per capita” de
los enfermos con EPOC es 2,4 veces el del resto de la población, mientras que el
10% de los pacientes con mayor gasto consumen prácticamente la mitad del gasto
total del grupo con EPOC, los gastos de hospitalización supusieron el 67% del
total11.
GesEPOC elaboró un protocolo de manejo las reagudizaciones de EPOC como
urgencia hospitalaria139 que consta de 4 pasos:
Paso 1: Diagnóstico de reagudización de EPOC
Paso 2: Valorar la gravedad de la reagudización
Paso 3: Etiología
Paso 4: Tratamiento
58
Gráfico 5. Paso 1: Diagnóstico de la reagudización de EPOC.
Gráfico 6. Diagnóstico ambulatorio de la etiología de la agudización de EPOC. C. Isquémica: cardiopatía
isquémica; ECG: electrocardiograma; SpO2: saturación arterial periférica de oxígeno.
59
Cuadro 9. Paso 2: Criterios para establecer la gravedad de la reagudización de EPOC.
Gráfico 7. Diagnóstico hospitalario de la etiología de la reagudización. BNP: péptido natriurético tipo
B. C. Isq: cardiopatía isquémica; ECG: electrocardiograma; I. Cardiaca: insuficiencia cardiaca; Rx: radiografía; TC: tomografía computarizada; TEP: tromboembolismo pulmonar.
60
Gráfico 8. Tratamiento hospitalario de la reagudización grave. BD: broncodilatadores.
Cuadro 10. Recomendación sobre el uso de antibióticos en la agudización de EPOC.
61
Cuadro 11. Dosis recomendada, vía de administración y duración de los principales antibióticos.
Gráfico 9. Tratamiento de la reagudización grave con hipercapnea. * Iniciar VNI de forma precoz, antes de las
4 h. VNI: ventilación mecánica no invasiva; VMI: ventilación mecánica invasiva.
62
Gráfico 10. Tratamiento hospitalario de la agudización grave. BD: broncodilatadores; HBPM: heparinas de
bajo peso molecular; RR: rehabilitación respiratoria; VNI: ventilación no invasiva; TVP: trombosis venosa profunda.
En nuestro país, los datos derivados de los estudios IBERPOC y DAFNE
calculan que la asistencia hospitalaria de la EPOC genera entre el 41 y el 44% % del
coste total de la enfermedad21,140, aunque según otros estudios suponen el 84%141.
Por otra parte, es de esperar que el número de ingresos hospitalarios por esta
patología continúe aumentando sobre todo en la población más anciana. Así, según
un estudio británico publicado por la Lung and Asthma Information Agency (LAIA),
durante la década de 2000 – 2010 se ha produjo un incremento de las
hospitalizaciones por EPOC, que llega a alcanzaron el 50% en los mayores de 65
años142. Igualmente sucede con las hospitalizaciones totales y las de los pacientes
mayores de 65 años en EEUU según los datos de la American Lung Association143.
En España, según el Plan de Salut de Catalunya 2002-2005, la EPOC es ya la
segunda causa de ingreso hospitalario de varones en los hospitales de agudos de
Cataluña, con 4,5 altas por 1.000 habitantes/año96.
63
Cuadro 12. Criterios de ingreso hospitalario en sala de hospitalización.
Según el Registro de Altas de los Hospitales Generales del Sistema Nacional
de Salud (SNS) de 2010, se reconocieron 58.066 altas hospitalarias en relación con
episodios de EPOC (52.995 bronquitis CIE-9- MC 491 y 5.071 enfisema CIE-9MC
492) en el año 2010, con una estancia media de 8,25 días144.
Cuadro 13. Criterios de alta hospitalaria.
64
IV.5.1. Estancia media.
La estancia media hospitalaria en las descompensaciones de la EPOC varía
según diversos los estudios. Los datos aportados por los departamentos de
estadística británicos muestran una estancia media hospitalaria de los pacientes en
Inglaterra durante el año 2001 de 9,1 días con una mediana de 7 días, mientras que
en Gales en el mismo período fue 10,6 días con una mediana de 734. En España
utilizando el Conjunto Mínimo Básico de Datos de los hospitales del Sistema
Nacional de Salud agrupados mediante Grupos de Diagnósticos Relacionados en el
año 2002 la estancia media ajustada fue de 7,04 días95.
Uno de los estudios que analiza un mayor número de sujetos se publicó en
1997 y recoge datos de 131.974 beneficiarios de Medicare (EEUU) mayores de 65
años que fueron hospitalizados en 1991. En este estudio la estancia media
observada fue de 6 días, y el coste medio por hospitalización de 8.876 dólares145.
Otro trabajo retrospectivo y basado en los códigos de alta, realizado en EEUU sobre
71.130 pacientes, señala una estancia media de 5 días146. De forma similar una
publicación británica, basada en datos de 38 hospitales, muestra una estancia media
de 8 días147. Más recientemente un estudio prospectivo realizado en Holanda en
1999 sobre 171 ingresos describe una estancia media de 11,7 (8,8) días, en un
grupo de pacientes con un FEV1 medio al alta de 34,6% (12,6)148.
En nuestro país, tres estudios prospectivos muestran una estancia media de
6,8 a 11 días respectivamente, en pacientes con un FEV1 medio que oscila entre el
31 al 37%149,150,151. El ingreso hospitalario suele acontecer cuando el deterioro de la
función ventilatoria es más severo. La mayor parte de trabajos en que se valora el
FEV1 de los pacientes hospitalizados, muestran valores inferiores al 40% del
teórico150, demostrando que era un buen predictor de hospitalización y útil para
valorar la necesidad de hospitalización en planta de los pacientes visitados en los
servicios de urgencias, además de predictor de mala evolución definida como
fallecimiento, necesidad de intubación o reingreso a 30 días en estos pacientes152.
65
IV.5.2. Comorbilidad.
La media de enfermedades asociadas a la EPOC en los pacientes
hospitalizados oscila entre 1,5 y 4,4138,148,150. Las patologías más frecuentes son la
enfermedad cardiaca en un 40% de los casos, las vasculopatías en un 53%, la
diabetes en un 7% y las patologías psiquiátricas en un 30%153.
Además de elevada, la presencia de comorbilidad es un buen predictor de
ingreso hospitalario en los pacientes ambulatorios. En un estudio prospectivo,
realizado en centros de asistencia primaria en nuestro país, sobre 713 pacientes que
consultaron a su médico de familia por reagudización de su EPOC, se documentó
que los mejores predictores de ingreso hospitalario posterior fueron la presencia de
comorbilidad y el FEV1 expresado como porcentaje del teórico154. En una publicación
posterior realizada por los mismos autores, se estudiaron 2414 pacientes
ambulatorios con reagudización aguda. De ellos 507 precisaron una nueva visita por
persistencia o agravamiento de los síntomas y 84 (3,5%) requirieron hospitalización.
En este estudio los predictores de mala evolución fueron presentar cardiopatía
isquémica asociada, mayor grado de disnea, y el número de visitas al médico de
cabecera en el año previo154.
Los pacientes con EPOC presentan con frecuencia efectos extrapulmonares,
como pérdida no intencionada de peso, miopatía y un aumento de los parámetros de
inflamación sistémica. También presentan un aumento de enfermedades crónicas
asociadas, destacando las enfermedades cardiovasculares (cardiopatía isquémica,
insuficiencia cardiaca o ictus), la hipertensión, la diabetes mellitus, la insuficiencia
renal, la osteoporosis, las enfermedades psiquiátricas (ansiedad y depresión), el
deterioro cognitivo, la anemia o las neoplasias, en especial, el cáncer de pulmón155.
Su presencia empeora el pronóstico de la EPOC y es una causa frecuente de
mortalidad en esta población156. Aunque algunas comorbilidades se encuentran
presentes en el momento del diagnóstico, su cantidad y gravedad aumenta con la
evolución de la EPOC157, hasta ser prácticamente la norma en pacientes con EPOC
avanzada e ingresos hospitalarios por reagudizaciones158.
66
IV.6. MORTALIDAD HOSPITALARIA EN LA REAGUDIZACIÓN DE LA EPOC.
La mortalidad intrahospitalaria en los pacientes ingresados por reagudización
de la EPOC varía en los múltiples estudios. Dos de las limitaciones de este tipo de
publicaciones son la falta de aquellos datos que no se recogen de forma rutinaria en
la historia clínica, y la posible mala codificación de los pacientes. Así Connors y
colaboradores, utilizando los datos de un estudio prospectivo, señalan que entre la
población ingresada por reagudización de la enfermedad, en menos de un tercio
consta esta patología como primer diagnóstico en el código de alta. Por el contrario,
si se incluye la EPOC como primer o segundo diagnóstico se identifica a un 87% de
los pacientes, pero se incluyen muchos casos ingresados por un motivo diferente a
la reagudización de su enfermedad159.
Uno de los trabajos que muestra una mortalidad más baja es el publicado por
Lieberman y colaboradores, incluyen 217 reagudizaciones con un FEV1 medio del
40% y una edad media de 67 años, la mortalidad hospitalaria fue de 1%, mientras
que la tasa de reingresos a 6 meses es del 17%137. Patil en un trabajo retrospectivo,
recoge 71.130 ingresos con diagnóstico de EPOC encontrando una mortalidad
durante el episodio del 2,5%146. Los estudios prospectivos de Fuso, Groenewegen y
Gunen cursaron con una mortalidad del 8%, el 14% y el 17%
respectivamente148,160,161. Roberts y colaboradores trabajando en Inglaterra y Gales
sobre 1.274 pacientes ingresados por EPOC reagudizado, describen una mortalidad
que oscila entre el 4,8% para los hospitales docentes, 9% en los hospitales
generales de más de 600 camas, y 12,3% en los de menos de 600 camas162.
Connors en 1996 recoge 1.016 adultos ingresados por reagudización de EPOC en
cinco hospitales de EEUU, encontrando una mortalidad intrahospitalaria del 11%159.
Es de esperar, en insuficiencia respiratoria más grave se objetive un peor pronóstico.
IV.7. REINGRESOS HOSPITALARIOS EN LA EPOC
El tratar a nivel hospitalario reagudizaciones de EPOC suponen un importante
67
consumo de recursos sanitarios16,17,138,140,148,159,161, explicados sobretodo por
ingresos sucesivos en estos pacientes. La frecuencia de estas readmisiones oscila
entre el 11,6 % a las 48 horas del alta de un servicio de Urgencias 217,218, al 63%
un año después del ingreso hospitalario149,163-167. Cuando el paciente presenta
hipercapnia al ingreso, es de esperar que la mitad requiera una nueva
hospitalización y que un 7% sea reingresado 3 o más veces en los 6 meses
siguientes al alta159. Por otra parte los trabajos realizados para valorar la utilidad de
la hospitalización domiciliaria, encuentran una tasa de reingreso aproximada del
30% a los dos meses, sin diferencias entre el grupo de intervención y el de
control168.
Uno de los estudios más amplios realizados sobre reingresos en la EPOC se
basa en el análisis de 162899 individuos estadounidenses mayores de 65 años que
precisaron ingresar por EPOC en 1984 y fueron seguidos hasta 1991. En este
trabajo, sólo un 14% de los pacientes no precisó una nueva hospitalización durante
el seguimiento, mientras que un 14% reingresaron al menos en una ocasión y el
48% fueron readmitidos 5 o más veces. Esta cohorte consumió un total de un millón
de días de hospital, de los cuales 143000 fueron en las unidades de cuidados
intensivos145.
La mayor parte de los estudios sobre el reingreso hospitalario en la EPOC se
ha realizado de forma retrospectiva163,164. En uno de estos estudios Roberts y
colaboradores estudian de forma retrospectiva 1400 pacientes hospitalizados por
EPOC en 38 centros de Gran Bretaña, el objetivo principal era comparar la
variabilidad en la práctica clínica entre los centros, posteriormente tras un nuevo
análisis se describe una tasa de reingresos del 34% a 3 meses, los predictores de
reingreso fueron tener peor FEV1 (sólo se pudo obtener esta información en 53% de
los pacientes), haber ingresado previamente y tomar 5 o más fármacos147,164.
Lau y colaboradores en Hong-Kong, encuentran una tasa de reingresos del
59,35% al año. Los predictores independientes de readmisión fueron haber
requerido ingreso en el año previo, una estancia media superior a 5 días, presentar
68
una mayor dependencia funcional, tener un patrón de sobrecarga derecha en el
electrocardiograma y usar dosis elevadas de corticoides inhalados. Al tratarse de un
estudio retrospectivo no se pudieron valorar las pruebas de función respiratoria163.
De forma similar Osman y colaboradores, en una investigación diseñada para
valorar el manejo de los pacientes con EPOC ingresados por reagudización,
realizaron 266 entrevistas en las que se incluía una valoración de la calidad de vida
relacionada con la salud mediante una escala específica de patología respiratoria, el
St George’s Respiratory Questionnaire (SGRQ). También, de forma retrospectiva se
recogieron datos sobre las pruebas de función respiratoria, necesidad de
oxigenoterapia domiciliaria y número de reingresos en el año posterior al alta,
resultando una tasa de reingresos del 42% al año y como factor predictor tener una
peor puntuación en el cuestionario de calidad de vida, independientemente del FEV1,
la edad y el sexo. Sólo en el 63% de los pacientes se contaba con pruebas de
función respiratoria, por lo que al realizar el análisis multivariante en los pacientes
sin espirometría ésta se sustituyó por el valor de la media169. El valor del SGRQ
como predictor de reingreso se ha confirmado en otros dos trabajos prospectivos,
uno de ellos diseñado para valorar la eficacia de la hospitalización domiciliaria en
pacientes con EPOC166.
En el año 2000, Garcia-Aymerich y colaboradores, realizaron un estudio
prospectivo en cuatro centros terciarios (Hospital del Mar, Ciutat Sanitària i
Universitaria de Bellvitge, Hospital Clinic i Provincial de Barcelona y Hospital
Germans Trias i Pujol). Este estudio analizó durante un año a uno de cada dos
pacientes hospitalizados por EPOC en estos centros, recogiéndose un total de 353
casos. La finalidad original del trabajo era valorar la prevalencia de factores de
riesgo modificables y por tanto prevenibles de hospitalización. Como conclusiones
un 28% de los pacientes no habían recibido vacunación antigripal, un porcentaje
similar continuaban fumando o no utilizaban oxigenoterapia domiciliaria, a pesar de
tener una PaO2 basal <55 mmHg y un 86% no realizaba rehabilitación
respiratoria150. En un estudio posterior los autores seleccionaron 86 pacientes de la
cohorte original calificados como casos y 86 controles nuevos, con el objetivo de
69
evaluar los factores de riesgo de hospitalización. Según el análisis multivariante los
mejores predictores de hospitalización fueron haber presentado más de tres
ingresos por descompensación de la EPOC en al año previo, continuar fumando y
no utilizar oxigenoterapia domiciliaria en los pacientes en que estaba indicada.
Finalmente los autores publicaron el seguimiento a un año de la cohorte original,
mostrando que un 63% requirió un nuevo ingreso y un 29% falleció. Del análisis de
los factores de riesgo tras un nuevo análisis multivariante, se deduce que haber
requerido más de 3 ingresos por EPOC en el año previo y tener un menor FEV1 o
PaO2 en fase estable se asocia a una mayor probabilidad de reingreso. Por el
contrario mayores niveles de actividad física cotidiana, medidos con la versión
española del Minnesota Leisure Physical Activity, serían protectores frente al
reingreso165,170,171.
En otro estudio realizado en España, Vega y colaboradores utilizan una cohorte
de 93 pacientes, encontrando una tasa de reingresos del 40,4% al año, siendo los
mejores predictores el SGRQ y la oxigenoterapia domiciliaria previa149. Por su parte,
González y colaboradores, en un trabajo realizado en el servicio de Neumología del
Hospital Clínico Universitario de Valencia estudiaron 90 pacientes con EPOC
moderada-severa, de los cuales trece requirieron una nueva admisión en los tres
meses siguientes (14,4%). Los factores predictores de reingreso fueron la presencia
de una presión de arteria pulmonar mayor de 20 mmHg y un elevado índice presión-
tiempo172.
Lógicamente, la frecuencia de reingresos es mayor cuando los pacientes
presentan una enfermedad más avanzada como los que precisan soporte
ventilatorio. Chu y colaboradores, encuentran una tasa de reingresos del 80% anual
en pacientes sometidos a VMNI. Una mayor dependencia física medida con el índice
de Katz y un mayor número de días de hospitalización en el año previo fueron los
mejores predictores independientes de reingreso en este estudio173.
Finalmente una publicación reciente, realizada por Tsoumakidou y
colaboradores, incluye de forma prospectiva 67 pacientes durante 18 meses. El
70
objetivo principal del estudio fue valorar la bondad del ajuste por grado de severidad
del FEV1 de 4 escalas (GOLD, BTS, ERS y ATS). Al finalizar el seguimiento se
habían registrado 165 reingresos. La mejor correlación se encontró con la escala de
la normativa GOLD, seguida de la escala de la ERS, mientras que la escala
americana y británica no mostraron correlación significativa174.
IV.8. MORTALIDAD POSTHOSPITALARIA EN LA EPOC.
La hospitalización por reagudización de EPOC se asocia a una elevada
mortalidad en los meses siguientes. Incluso los estudios realizados en pacientes que
precisan su primer ingreso hospitalario muestran un mal pronóstico posterior. En
este sentido, Vilkman y colaboradores, tras estudiar una cohorte de 2.237 pacientes
de 65 a 69 años con una primera hospitalización por EPOC, encuentran una
supervivencia media de 5,7 años109.
El pronóstico tras el ingreso hospitalario por descompensación de la EPOC,
continúa siendo pobre en investigaciones como la de Costello y col., el pronóstico de
aquellos pacientes que ingresaron con hipercapnia, pero revirtieron a normocapnia
durante su estancia hospitalaria, era mejor que los que persistían con hipercapnia .
La evolución tras el alta de los pacientes fue similar en ambos grupos175.
En otro estudio basado en el Copenhagen City Heart Study, a mortalidad a los
5 años del alta hospitalaria es del 55% y se relaciona con el nivel del FEV1 medido
al incorporarse al estudio. Debe tenerse en cuenta que este trabajo está basado en
los códigos de alta y no existen datos sobre espirometrías, hábito tabáquico ni otras
variables en el momento de la hospitalización y que algunos pacientes se habían
definido así mismos como “asmáticos”176. De forma similar Sin y col., exploran la
utilidad de los corticoides inhalados tras la hospitalización, encuentra una mortalidad
al año del 11%177.
Quizás uno de los estudios más referenciados en cuanto al pronóstico de los
71
pacientes hospitalizados por EPOC, es el publicado por Connors y col,, quienes
realizan un subanálisis del SUPPORT (Study to Understand Prognoses and
Preferentes for Outcomes and Risks of Treatments) centrado en los pacientes con
EPOC severa. Como hemos señalado antes el estudio SUPPORT fue diseñado
originalmente para valorar pacientes con una probabilidad estimada de fallecer en un
plazo de 6 meses de entre el 20 y el 80%. Para ello se incluyeron 9 enfermedades:
neoplasia hepática con metástasis hepáticas, cáncer de pulmón en estadio III-IV, e
insuficiencia cardiaca severa entre otras178. En el caso de la EPOC se requería que
el paciente ingresase con hipercapnia documentada (PaCO2 >50mmHg). Este
estudio muestra una tasa de mortalidad intrahospitalaria del 11% que asciende al 43
y 49% al año y dos años respectivamente159. La mortalidad se relacionaba de forma
independiente con la edad, el IMC, el estado funcional en las dos semanas previas
al ingreso y la presencia de cor pulmonale entre otras variables. En una
investigación más reciente Groenewegen y col. refieren una mortalidad hospitalaria
del 8% y una mortalidad al año del 23%. Los autores señalan como predictores
independientes de mortalidad la edad, la PaCO2 al alta y el uso mantenido de
corticoides orales148. Otro trabajo publicado en el año 2002 y basado en datos
retrospectivos, muestra una mortalidad a los 3 meses del alta del 14%. Los
predictores de mortalidad en este estudio fueron la acidosis al ingreso, la presencia
de signos de insuficiencia cardiaca derecha y una mayor dependencia funcional164
Más recientemente los datos de un estudio realizado en 205 pacientes, observan un
39% de mortalidad a 3 años. La albúmina, el IMC, un menor nivel de PaO2 y el
tiempo desde la primera hospitalización por descompensación, se asociaron a un
peor pronóstico160.
Ciertos estudios han evaluado el pronóstico después de la hospitalización en
los pacientes más graves, como son aquellos tributarios de ventilación no invasiva
(VNI) o ingreso en UCI. Plant en un estudio randomizado realizado con el objetivo de
evaluar la eficacia de la VNI, documenta una mortalidad al año del 42%179. Por
último otro trabajo realizado en pacientes que requirieron VMNI muestra una tasa de
supervivencia del 51% al año, siendo los predictores de mortalidad el uso de
oxigenoterapia crónica domiciliaria, la dependencia física medida con el índice de
72
Katz, peores puntuaciones en la escala de disnea del MMRc y un mayor número de
días de ingreso hospitalario en el año anterior173.
En resumen, y a pesar de las diferencias existentes entre los estudios,
podemos concluir que la hospitalización por reagudización de EPOC comporta un
mal pronóstico. Además, la comparación de los estudios realizados en pacientes
ambulatorios y hospitalizados, parece demostrar que el ingreso hospitalario es en sí
mismo un predictor de gravedad (incluso a niveles semejantes de FEV1) sugiriendo
que existen otros factores, aparte de las pruebas de función respiratoria, que marcan
el pronóstico de estos pacientes.
Para identificar factores asociado al reingreso hospitalario es necesario tener
en cuenta las patologías asociadas y la calidad de la asistencia hospitalaria. Para
este fin se cuenta con instrumentos internacionalmente validados como el Índice de
comorbilidad de Charlson180 y, la Escala de Ashton y col.181 (en nuestro estudio
utilizaremos la modificada por Jiménez Puente y col.182) que valora la calidad de
cuidados en paciente ingresado por reagudización de EPOC. Y, para determinar la
predicción de mortalidad en pacientes ingresados por reagudización de EPOC
debemos tener en cuenta la Escala CAOS (Escala de predicción de mortalidad en
reagudizaciones de EPOC).
73
OBJETIVOS
Principal
Determinar pronósticos de mortalidad en pacientes ingresados por
reagudización de EPOC.
Secundarios
Identificar factores relacionados con el reingreso hospitalario debido a
reagudizaciones de EPOC: Antes de una semana posterior al Alta
Hospitalaria y antes de un mes posterior al Alta Hospitalaria.
74
MATERIALES Y METODOLOGÍA
Diseño de estudio: Observacional, retrospectivo.
Sujetos de estudio:
Pacientes que son valorados en la Puerta de Urgencias y que dentro de
los diagnósticos incluyen el de reagudización de EPOC.
Criterios de inclusión:
Paciente que atendidos en la Puerta de Urgencias por reagudizaciones
de EPOC.
Criterios de exclusión:
Paciente en cuya historia clínica no conste el diagnóstico de
reagudización de EPOC.
Pacientes en quienes no se puede completarse la recogida de datos por
tratarse de pacientes desplazados (no disponibilidad de historia clínica).
Tamaño muestral y procedimiento de muestreo:
Empleando el registro electrónico de Admisión de Urgencias, la explotación de
datos del sistema informatizado Mambrino y la historia clínica de papel permitió
completar un tamaño muestral de 156 sujetos de estudio.
Ambito de estudio:
Hospital General La Mancha Centro. Al momento de este estudio en 2010, de
acuerdo al Catálogo de Hospitales y Alta Tecnología de Castlla-La Mancha
75
publicado por la Consejería de Sanidad y Asuntos Sociales, el área de influencia del
Hospital General Mancha Centro (HGLMC) se correspondía con una población de
261.503 habitantes distribuidos en una extensión de 6.006,50 km2, dividida en 22
zonas básicas de salud y 35 municipios. Cuenta con 339 camas ampliables a 384 y
su oferta asistencial la conforman Enfermería obstétrico-ginecológica (matrona),
moderada/severa, diabetes con lesión de órganos diana, tumor o neoplasia sólida,
leucemia, linfoma, hepatopatía crónica moderada/severa, tumor o neoplasia sólida
con metástasis, sida180.
77
A cada condición se le asigna una puntuación de 1, 2, 3 o 6 dependiendo del
riesgo de fallecer asociado a esta condición. Se suman las puntuaciones y el total
predice la mortalidad. En el trabajo médico es útil conocer la agresividad con la que
se debe tratar una enfermedad. Por ejemplo, un paciente podría padecer leucemia,
pero también alguna cardiopatía o EPOC severas que los costes y riesgos del
tratamiento sobrepasan el beneficio a corto plazo del tratamiento de la leucemia180.
La percepción de la calidad de vida se relaciona más con la comorbilidad
mental que con la física183. Aunque la percepción de la calidad de vida física y
emocional empeora a mayor número de enfermedades y a más edad, parece existir
un umbral de sufrimiento, relacionado con la edad, sobre el cual la suma de nuevas
enfermedades no empeora la percepción de la calidad de vida.
La comorbilidad incrementa los ingresos hospitalarios por procesos sensibles a
la atención ambulatoria y prevenibles. Índices más altos de comorbilidad
incrementan el consumo de visitas al médico, sobre todo si hay comorbilidad
mental183.
Variables de calidad asistencial:
Calidad asistencial de cuidados en el ingreso previo:
Se analizó mediante una escala que valoraba la adherencia a criterios
explícitos de calidad de los cuidados hospitalarios en la reagudización del EPOC
recogida, que fue elaborada Jiménez Puente y col. partiendo de los criterios de
Ashton y col.181 Obteniendo una escala de 43 criterios, valorables como “sí”, “no” o
“no aplicable o valorable”, que se consideró más acorde con los consensos actuales
de diagnóstico y tratamiento182.
43 variables repartidas en 5 categorías :
78
CATEGORÍA VARIABLES
Historia al ingreso 9
Exploración física al ingreso 7
Otras exploraciones 6
Evaluación al tratamiento 7
Preparación para el Alta 14
Cada criterio recibió una ponderación en función de su relevancia. La escala
puntuaba, de 0 a 100, la adherencia a los criterios de calidad y se calculaba
dividiendo las puntuaciones de los criterios cumplidos entre las de los criterios
valorables, en el global y en los siguientes apartados: estudio al ingreso (9 criterios,
con el 20% del total de puntos), exploración física (7 y 15%), exploraciones
complementarias al ingreso (6 y 15%), evaluación y tratamiento (7 y 30%) y
preparación para el alta (14 criterios y 20% de la puntuación total).
La escala de calidad asistencial se analizó como variable cuantitativa y también
como cualitativa, definiendo como calidad de cuidados superior o inferior al estándar,
a los episodios con puntuación de la escala mayor o menor de media ± desviación
estándar, respectivamente.
Variables de predicción de mortalidad:
Escala CAOS184 (COPD/asthma prognostic scoring sheet, con un rango de 0 a
200 para predecir el riesgo de mortalidad, Anexo 2). Lo conforman la valoración en
conjunto de 9 variables repartidas en 3 categorías:
79
CATEGORÍAS VARIABLES
T1 Diagnóstico en Puerta de Urgencias
Sexo
Actividad física dos semanas previas a ser admitido en Puerta de urgencias
Fibrilación auricular
T2 Días de estancia hospitalaria (ingreso)
Edad
Escala de coma de Glasgow
T3 Puntuación del estado de la fisiología aguda del EPOC (CAPS)*
*El CAPS es un instrumento cuya puntuación refleja específicamente el estado de la fisiología aguda del EPOC, cuya puntuación va de 0 a 100; es sencillo de calcular por la facilidad de encontrar los datos necesarios en la historia clínica. En estudios en el Reino Unido se vio que era un mejor predictor que el APACHE III.
Los “valores brutos” de las variables siguiendo las reglas establecidas para
este instrumento se transforman en un “valor nuevo” que se multiplicará por un
“peso” establecido según su categoría(T1, T2. Para T3 no hay “peso” simplemente
se refleja su valor) y los resultados finales se sumarán obteniéndose un valor final
T4 que va de 0 a 200 y tendrá una equivalencia al riesgo de mortalidad184.
Recogida de datos y fuentes de información:
A través del registro de pacientes que solicitan atención sanitaria en Admisión
de Urgencias y del sistema informático MAMBRINO se seleccionó aquellos
pacientes que cumplían con los criterios de inclusión.
Este estudio contó con dos etapas:
Primera, se elabora una base de datos con el paquete informático SPSS 15 y
se registra a los pacientes especificando el diagnóstico principal (EPOC +BC,
EPOC+IVRB, EPOC+IC+IVRB, EPOC+IC+IVRB).
80
Segunda, se revisa la historia clínica de los pacientes registrados a través del
sistema informático Mambrino o en los casos que precisase, la historia clínica de
papel para obtener datos necesarios para obtener el Indice de Comorbilidad de
Charlson, para valorar la Calidad de la Asistencia Hospitalaria y riesgo de reingreso
precoz, así como la predicción de mortalidad.
Análisis Estadístico:
Se ha trabajado con tres variables de interés: reingreso en la primera semana,
reingreso en el primer mes y la escala de predicción de mortalidad en
reagudizaciones de EPOC (CAOS).
Para las tres variables se ha realizado un análisis estadístico y predictivo,
intentando descubrir qué variables son las más óptimas para la creación de modelos
predictivos eficientes. Además de variables poco costosas de obtener, como edad,
duración del ingreso, hipertensión arterial, diabetes mellitas, insuficiencia renal
crónica; se utilizan variables construidas que agregan criterios sobre la calidad
asistencial recibida desde el momento del ingreso.
Cuando se identifica diferencia de medias de una variable numérica según una
categórica de más de dos niveles, se utiliza el test ANOVA de factor, comprobando
previamente mediante la prueba de Kolmorogov-Sminorf, que la variable sigue una
distribución normal; y, mediante el estadístico de Levene, que la varianza es
homogénea. Cuando se encuentra diferencia significativa, se ejecuta el test post-
hoc de Bonferroni para comparación entre pares.
Cuando la diferencia de una variable numérica se calcula según una categórica
con más de 2 niveles, y la variable numérica no sigue una distribución normal (o esta
se rompe al separar la muestra según los valores del factor), se ejecuta el test de
Kruskal-Wallis; y como post-hoc comparaciones pareadas.
81
La comparación de medias de dos muestras pareadas con distribución normal
se realiza mediante una prueba T.
La comparación de medias de dos muestras dependientes con distribución no
gaussiana se realiza mediante la U de Mann-Whitney; y si son no pareadas
entonces utilizamos el test de Wilcoxon.
La comparación de proporciones según los valores de dos variables
categóricas se realiza mediante la Prueba Z.
Para estudiar la correlación, cuando las dos variables son numéricas con
distribución normal, se ejecuta el test de Pearson. Si son ordinales o numéricas con
distribución no normal, realizamos el test de Spearman. Si son categóricas, se
realiza un test Chi‐ cuadrado, y cuando resulta relación significativa la fuerza de esta
se calcula con el coeficiente Phi para variables binomiales, y la V de Cramer para el
resto.
La significancia estadística se define como (***) para P<0,001; (**) para
P<0,01; y como (*) para P<0,05.
Respecto a la validación de los modelos predictivos, la tasa de aciertos
presentada para cada modelo es el resultado de una validación leave-one-out. Y
para los modelos de regresión lineal, el valor cuadrático medio (RMSE) presentado
es la media de diez modelos creados y validados mediante el método de bootstrap.
El término Aprendizaje Automático (Machine Learning en el original), Mitchel y
col, en 1997 es utilizado en la comunidad científica para referirse a la utilización de
computadores para procesar de forma no manual un conjunto de datos y obtener
conclusiones para su posterior uso, generalmente para realizar clasificación de
nuevos datos. Así, por ejemplo, un computador podría entrenarse automáticamente
a partir de un conjunto de casos médicos describiendo varios pacientes con o sin
82
neumonía, creando una función clasificadora capaz de predecir automáticamente si
un nuevo paciente presenta la enfermedad o no185-92.
Así pues, el proceso de clasificación puede entenderse como un proceso de
predicción de una variable clase (enfermo o no enfermo) a partir de varias variables
predictoras, usadas para describir un caso o registro (el paciente).
Los dos modelos más conocidos de clasificación son:
Supervisada. El clasificador es construido a partir de una base de datos donde
la clase es conocida para cada caso, y la validez del modelo aprendido se
comprueba aplicando el clasificador a otra base de datos donde el valor de la
variable clase es también conocido. Aquí, un caso o registro está representado por
un conjunto de variables predictoras y etiquetado por una variable clase. Por
ejemplo, un paciente puede ser descrito por el resultado de varias pruebas (edad,
peso, resultados de varios tests) y, finalmente, la etiqueta: enfermo o no enfermo.
No Supervisada. En este caso, puesto que no se conoce el valor de la variable
clase, los casos disponibles de agrupan en clusters o grupos de casos que
comparten algunas características, por ejemplo, valores de sus variables predictivas.
Formalmente, el proceso de clasificación supervisada puede definirse como:
Dado un conjunto de casos D= {(d1, lm),…, (d|D|, ln)}, tal que L= {l1,…, l|L|} es
el conjunto de posibles etiquetas o valores para la variable clase, el objetivo de la
clasificación supervisada es construir una función clasificadora c: D→L que pueda
predecir el valor de la variable clase para cada caso en T, donde T es un conjunto de
casos con el mismo tipo de variables predictoras que los casos en D.
En campos médicos, el conjunto de etiquetas L suele contener sólo dos
posibles valores: presenta la enfermedad en cuestión, o no. Normalmente cuando se
83
trata del primer valor, se dice que es un caso positivo, y negativo al contrario. Así, en
problemas médicos se suele hablar de clasificación supervisada binaria.
Existe una gran variedad de clasificadores y pueden aplicarse un buen número
de taxonomías diferentes, como los mencionados de caja blanca y caja negra. Pero
además los clasificadores más conocidos se puedes agrupar en los siguientes tipos:
Probabilísticos: consistentes en calcular estadísticas o probabilidades de
cada valor de la clase según el valor de las variables predictivas. El más conocido de
estos clasificadores es Naïve Bayes o Bayes Ingenuo (NB)188.
Vectorial: los registros son representados como vectores en el espacio y se
delimitan zonas pertenecientes a cada valor de la clase. El clasificador de este tipo
quizá más conocido sea el Support Vector Machines (SVM)186.
Basados en Distancias. Los registros son proyectados a un espacio de
coordenadas, donde cada coordenada puede corresponder al valor de una variable
predictiva. Un nuevo caso se clasificará según la región del espacio que le
corresponda. El clasificador k-Vecinos Más Cercanos o k-Nearest Neigbours
(kNN)187 es el más conocido de este grupo.
Reglas. Se aprenden reglas con el conjunto de entrenamiento y son aplicadas
al predecir la clase de un nuevo caso.
Árboles. Es parecido a las reglas, donde cada nodo del árbol es un nodo de
decisión, y las hojas son la clase a predecir, siendo el c4.5 el más conocido.
Meta-Clasificadores. Conjunto de algoritmos aplicados a uno o varios
clasificadores para mejoras la capacidad predictiva de dichos clasificadores.
84
Siendo las Reglas y Árboles clasificadores de caja blanca, o auto-explicativos.
Existen varios métodos para mejorar el aprendizaje de un modelo. En el trabajo
realizado se han utilizado las 3 últimas.
Eliminación de outliers, ruido y valores perdidos: existe una enorme cantidad
de métodos para rellenar los valores perdidos de alguna variable en algún
registro, o para detectar y eliminar valores tan dispares que se consideran
tomados por error189.
Construcción de variables: a partir de las disponibles, se pueden construir
nuevas variables producto de las existentes: resultado total de cada pregunta
de un cuestionario, discretización de una variable numérica. En nuestro
trabajo eso se ha realizado con la agregación de criterios de calidad en
nuevas variables190.
Selección de variables: es posible que algunas variables pierdan su poder
predictivo debido a la presencia de otras variables que las convierten en
irrelevantes; así, siempre conviene limpiar la base de datos de este tipo de
variables antes de construir el modelo. En esta tesis se han lanzado procesos
de selección de variables hacia delante para todos los modelos predictivos190.
Creación de registros o balanceado: sobre todo en aplicaciones médicas, es
común el caso en que se disponen pocos pacientes con un determinado valor
para la variable clase que se quiere predecir; esto puede afectar al modelo
aprendido, y existen técnicas para crear casos sintéticos para disponer de
más registros con el valor de la variable clase deseado. Un ejemplo es
SMOTE, utilizado en algunos modelos presentados construidos para la
predicción de reingreso185.
85
RESULTADOS
La edad media fue de 73,94 años 11,36 DE, siendo el rango de edad de 29 a
98 años.
EDAD
EDAD
98,00
93,00
90,00
87,00
84,00
81,00
78,00
75,00
72,00
69,00
66,00
63,00
60,00
57,00
54,00
29,00
Frec
uenc
ia
10
8
6
4
2
0
De un total de 156 pacientes los diagnósticos de atención en nuestro Servicio
de Urgencias fueron:
DIAGNÓSTICO EN URGENCIAS NÚMERO DE PACIENTES PORCENTAJE
EPOC (BC/enfisema) 27 17,2 %
EPOC + IVRB 32 20,4 %
EPOC + IC 55 35,0 %
EPOC + IC + IVRB 40 25,5 %
Asma 2 1,3 %
TOTAL 156 100 %
86
La estancia o ingreso hospitalario fue de 5,16 días 2,4 (desv. tip.), teniendo
en cuenta que 3 (1,9 %) pacientes no ingresaron, la mínima estancia fue de 2 días y
la máxima fue de 12 días.
DIASING
DIASING
12,00
11,00
10,00
9,00
8,00
7,00
6,00
5,00
4,00
3,00
2,00
,00
Frec
uenc
ia
50
40
30
20
10
0
Decidimos tomar en cuenta las patologías más relevantes (por frecuencia y alta
tasa de complicaciones) que pueden potenciar el empeoramiento de las
reagudizaciones de EPOC vistas en la Puerta de Urgencias. Así, en nuestra
población de estudio, 99 pacientes eran hipertensos, 66 eran diabéticos y 65
padecían insuficiencia renal crónica.
SEXO HTA Total DM Total IRC Total
SI Hombres 72
99 50
66 46
65 Mujeres 27 16 19
NO Hombres 41
56 63
89 68
91 Mujeres 15 26 23
87
En la Sección 1, se muestran las variables resultantes de agregar 43 variables
sobre calidad asistencial, siguiendo el procedimiento indicado en el artículo de
Jiménez y col. de 2003 (estudio analítico y predictivo con regresión logística
binomial) y se realiza un análisis estadístico según el reingreso, o no reingreso, del
paciente.
En las Secciones 2 y 3, se construyen varios modelos predictivos (Regresión
Logística Binaria y Árbol de decisión) para la predicción del reingreso hospitalario en
la primera semana o el primer mes a partir de variables sencillas de obtener, y
también las construidas agregando criterios de calidad asistencial. En la Sección 4,
se crean modelos predictivos (Regresión Logística Multinomial y Árbol de decisión)
para la predicción de CAOS, tanto en versión numérica como ordinal con tres
niveles, de nuevo también a partir de variables poco costosas y las relativas a
calidad asistencial.
Sección 1. Análisis estadístico de criterios agregados de calidad de
cuidados según ingreso en Primera Semana y Primer Mes.
REINGRESO A LA SEMANA.
Las 43 variables sobre calidad de cuidados recogidas en esta tesis
corresponden al cuestionario obtenido de Jiménez y col. (Anexo 2). Para comparar
con los resultados de este artículo (se dispone de 156 casos mientras que en el
citado contó con 90), agregamos las respuestas a los criterios de calidad de la
misma forma y aplicando los mismos pesos.
Así, obtenemos las siguientes puntuaciones para la calidad de la asistencia
hospitalaria recibida:
88
Tabla I. Calidad de la asistencia hospitalaria de pacientes ingresados por EPOC
Comparando entre grupos que reingresaron después de 1 semana y los que
no, las cuatro primeras variables no siguen una distribución normal, mientras que la
calidad global sí. Para las primeras se realiza un test de Mann-Whitney no pareado
(alpha=0.05); y para calidad global un t-test no pareado.
Respecto al reingreso a una semana, la media de cada factor es superior
cuando no se produjo reingreso; sin embargo solo se obtuvo diferencia estadística
(p<0,05) respecto al historial de ingreso.
Tabla II. Calidad de la asistencia hospitalaria de pacientes ingresados por EPOC, según reingreso
en 1 semana.
89
REINGRESO AL MES.
Se obvian los casos que ingresaron más tarde de un mes (4 casos). No se
encuentra diferencia estadística entre ningún grupo. Además, no se encuentra
diferencia estadística en ningún tipo de calidad asistencial.
Tabla III. Calidad de la asistencia hospitalaria de pacientes ingresados por EPOC, según reingreso
en 1 mes.
Los días ingresados también se compararon mediante una prueba no
paramétrica independiente, y se encontró que cuando había reingreso (tanto una
semana como un mes) la media de días que el paciente había estado previamente
ingresado es dos días más de media que la duración de la estancia de los pacientes
que no reingresaron.
90
Por último, también se ha mostrado la calidad global discretizada en tres
niveles siguiendo los puntos de corte de Jiménez y col. : “Inferior” para los casos
con Calidad Global < Media-DE (=58,08 en nuestro estudio), “Estándar” para los
casos con Calidad Global en el intervalo [Media-DE, Media+DE] (= [58,08 ,
85,46] en nuestro estudio); y “Superior” para los casos mayores de Media+DE
(=85,46). No se encuentra diferencia estadísticamente significativa entre
estos porcentajes.
Sección 2. Predicción de reingreso en Primera Semana a partir de variables sencillas de obtener y Calidad Asistencial.
También es de interés para el especialista que no dispone de la información
sobre cuidados, predecir el reingreso a partir de variables descriptivas importantes y
sencillas de obtener: edad, sexo, duración de la estancia, icCh corregida con el
factor edad, diagnóstico principal, HTA, DM e IRC.
Así, primero se estudiarán qué variables presentan diferencias estadísticas en
su media (para las cuantitativas) o sus porcentajes (para las cualitativas) según
reingreso Sí o No en la primera semana.
Tabla IV. Variables cuantitativas sencillas de obtener, según Reingreso en la Primera Semana
Mediante una prueba de Kolmogorov-Smirnov comprobamos que la edad sigue
una distribución normal pero no es así el resto. Así, la media de edad según
91
reingreso se comprara con una prueba t-test, y el resto con el test de Mann-Whitney,
ambas no pareadas y de dos colas.
El resultado de las comparaciones es que la edad, días de la estancia y el
icCh son estadísticamente mayores (p<0.001) cuando las personas sí reingresaron
en la primera semana.
En la tabla V se realiza una prueba Z de comparación para las variables
categóricas
según reingreso en una semana, encontrando diferencia significativa (p<0,05)
para
IRC; así, se realiza una prueba Chi-cuadrado y se comprueba en efecto que la
IRC está asociada al reingreso, pero esta correlación no es muy fuerte según la V de
Cramer (0,199).
Tabla V. Proporciones de variables categóricas sencillas de obtener, según Reingreso Primera Semana
92
A tenor de los resultados obtenidos, se decide construir un modelo de RLB
con selección hacia delante utilizando como variables candidatas aquellas con las
que se encontró diferencia estadística: edad, días de estancia, icCh e IRC. No se
encuentra un buen modelo, así que se repite el mismo proceso añadiendo además
las variables de calidad asistencial agregadas según se explicó anteriormente. Así,
las variables seleccionadas finalmente son: historia al ingreso, edad y días de
estancia.
Tabla VI. RLB (Regresión Logística Binaria) para reingreso en Primera Semana. 80 (13%) aciertos con 26 falsos negativos
Analizando los odds ratio significativos:
Por cada punto extra recibido en historia al ingreso (escala de 1 a 100,
recordamos que en nuestro trabajo se obtuvo una media de 72,87 con
desv. est.=17,52), la probabilidad de No reingresar en la primera
semana después del alta aumenta un 3%. Por ejemplo, si un paciente
A recibió una calidad asistencial de historia al ingreso equivalente a 70
puntos, y otro paciente es tratado con una calidad de 71 puntos,
entonces B tendrá un 3% más de probabilidad de no reingresar (IC
95%: 1% a 6%, p<0,01).
Por cada año cumplido, la probabilidad de reingresar decrece un 7%
(IC 95%: 12,5%-1,4%, p<0,05).
Por cada día de estancia, la probabilidad de reingresar en la primera
semana decrece un 18% (IC 95%: 50%-0.1%).
93
Este modelo de Regresión Logística Binaria (RLB) comete 26 falsos negativos;
es decir, de los 33 casos que sí reingresan, hay 26 que predice como que no
reingresarán. Sin embargo, predice muy bien el no reingreso, fallando solo 5 casos.
Probamos con otro modelo predictivo: el árbol de decisión C4.5. El árbol de
decisión C4.5 (Quinlan, 1986)192 es uno de los clasificadores más utilizados y
eficientes, principalmente debido a que en su proceso de construcción seleccionan
por sí mismos qué variables son las de mayor poder predictivo (con mediciones
basadas en la entropía de Shannon) y, además, porque son auto-explicativos, de
manera que el médico puede leer directamente cuál ha sido la ruta de decisión para
que el clasificador pueda predecir, en este caso, reingreso después de una semana
o no.
En este caso se procede a dejar al árbol que seleccione internamente las
variables a utilizar durante su proceso de construcción. Las variables de las que
parte son las variables sencillas de obtener con las que se encontró relación
estadística: edad, días de ingreso, icCh e IRC. El árbol selecciona las variables:
icCh y días de ingreso. Éste árbol (figura 7) consigue reducir los falsos negativos a
20, los cuales son los fallos más costosos: predecir erróneamente que un paciente
no reingresará; a cambia de aumentar levemente los fallos al predecir erróneamente
que algunas personas sí reingresarán; pero este fallo es menos grave que el
anterior. Así, la tasa de aciertos global disminuye levemente pero aumentamos la
especificidad de la predicción de no reingreso.
Figura 7. Árbol de decisión c4.5 con variables sencillas de obtener. 78.85% de aciertos, 20 falsos negativos .
Sí además insertamos en el grupo de variables candidatas la variable
historial al ingreso, la cual es menos sencilla de obtener pero también se le encontró
relación estadística, obtenemos el árbol de la figura 8; el cual consigue reducir aún
94
más los falsos negativos hasta 17.
Figura 8. Árbol de decisión c4.5 con variables sencillas de obtener y calidad sobre Historial al Ingreso: 79.49% de aciertos, 17 falsos negativos
A continuación se intenta reducir la cantidad de falsos negativos aplicando
balanceado de las bases de datos de entrenamiento utilizando el algoritmo SMOTE
(Chawla y col., 2002)185, y así alcanzar los mismos casos positivos que negativos en
la base de datos de entrenamiento. SMOTE produce casos sintéticos positivos
(reingreso a la semana=sí) para balancear la cantidad de casos negativos que
sesgan el clasificador creado.
Con el árbol de decisión no se consigue mejora, pero el modelo de RLB mejora
mucho, reduciendo los falsos negativos a 9; y obteniendo una buena tasa de
aciertos global. El modelo creado puede verse en la tabla VII.
Tabla VII RLB para reingreso en Primera Semana, con variables sencillas de obtener y calidad sobre Historia al ingreso. Construcción ayudada con balanceado mediante algoritmo SMOTE. 73.72% aciertos
con 9 Fallos Negativos. Referencia Reingreso=No.
Así, el mejor modelo encontrado es el de Regresión Logística Binaria,
influenciado por un balanceado sintético de los casos minoritarios con SMOTE, que
solamente comete 9 fallos graves (falsos negativos), y utilizando tres variables
sencillas de obtener: edad, días de estancia y icCh, más el índice de calidad de
95
historia al ingreso.
Sección 3. Predicción de reingreso antes de 1 mes con variables sencillas de obtener y calidad asistencial.
A continuación se estudiará la relación del reingreso antes de 1 mes variables
sencillas de obtener: edad, sexo, duración de estancia, predicción de la mortalidad
corregida con el factor edad del icCh, diagnóstico principal, HTA, DM e IRC.
Primero realizamos un análisis estadístico de la relación de estas variables con
reingreso en el Primer Mes. La media de las variables cuantitativas con distribución
normal se compara con un t-test independiente, y las no normales con el test de
Mann-Whitney. Las variables categóricas se comparan con la prueba Z para
proporciones.
Tabla VIII. Variables cuantitativas sencillas de obtener, según Reingreso en el Primer Mes
Al igual que al comparar la media de estas variables según reingreso a 1
semana, se encuentra que edad, días de la estancia, icCh y número de pacientes
con IRC, son estadísticamente mayores en los casos en los que sí hay reingreso
antes de 1 mes. Por lo tanto, sí encontramos coincidencia en la relación de las
variables sencillas de obtener con reingreso a 1semana y 1 mes; al contrario que las
96
Tabla IX. Proporciones de variables categóricas sencillas de obtener, según Reingreso Primer Mes.
relaciones del reingreso con las variables de agregadas de calidad asistencial, las
cuales eran contrarios según se agrupaban por reingreso en primera semana o
primer mes (Sección 1).
Además, también se encuentra en este caso que el número de pacientes con
DM que reingresan antes de 1 mes estadísticamente mayor que cuando no
reingresan.
A continuación se muestra un modelo de RLB construido mediante selección
de variables hacia delante, a partir de las variables para las que se ha encontrado
97
diferencia estadística: edad, días de la estancia, icCh, DM e IRC. Las variables
seleccionadas son días de estancia y el icCh, obteniendo 31 falsos negativos de 66
que sí reingresaron.
Tabla X. RLB para reingreso en Primer Mes, con variables sencillas de obtener. 67.11% aciertos
con 31 Fallos Negativos. Referencia Reingreso=No.
Analizando los odds ratio significativos:
Por cada día de estancia hospitalaria, se reduce la probabilidad de reingreso
en el primer mes un 18%.
Para cada punto conseguido en icCh, se reduce un 23% la probabilidad de
reingreso en el primer mes.
Balanceamos la base de datos con el algoritmo SMOTE, de forma que se
disponga de una cantidad más o menos acorde a cada sí o no reingreso. Así, con
los nuevos valores de la Tabla X, reducimos los falsos negativos a 19.
Tabla XI. RLB para reingreso en Primer Mes, con variables sencillas de obtener y calidad asistencial. Construcción ayudada con balanceado mediante algoritmo SMOTE. 65,7%
aciertos con 19 Fallos Negativos. Referencia Reingreso=No.
98
A continuación se muestra un árbol de decisión C4.5 (figura 9), el cual
selecciona internamente las variables necesarias, a partir de aquellas con las que se
encontró significancia estadística.
Figura 9. Árbol de decisión c4.5 para predicción Reingreso Primer mes con variables sencillas de obtener: 70.40% de aciertos, 22 Falsos Negativos
De nuevo, el balanceado de clases no ayuda al árbol, así que no se muestran
99
sus resultados.
Sección 4. Predicción de mortalidad en reagudizaciones de EPOC
(CAOS).
La variable CAOS tiene una escala entre 0 y 200. Se discretiza en tres estados,
según la puntuación corresponda a un riesgo de hasta 31.8%, 63.4% y mayor de
63.4%. Así, se estudiará la variable CAOS en sus versiones numérica y categórica.
4.1 CAOS numérica.
Primero realizamos un análisis estadístico para comprobar si existe correlación
entre CAOS y variables sencillas de obtener, y las agregadas sobre calidad
asistencial. Así identificamos variables candidatas a formar parte de modelos de
regresión para CAOS.
4.1.1 Análisis estadístico de CAOS.
A partir de los resultados mostrados entre la Tabla XII a Tabla XIV,
encontramos las siguientes correlaciones:
Variables Numéricas: Se encuentra correlación con todas las variables
comparadas, siento ésta más fuerte para las variables edad, días de estancia
e icCh, que casualmente son las más sencillas de obtener; con lo cual serán
variables muy importante a la hora de construir un modelo de regresión
numérica para CAOS.
Variables Binomiales: Se encuentra que el valor medio de CAOS es
estadísticamente superior (p<0,01) cuando se sufre de HTA, IRC o DM.
100
Variables Multinomiales: Respecto a diagnóstico principal, se encuentra que
CAOS es estadísticamente menor cuando el diagnóstico es EPOC-IVRB
comparado con el resto de diagnósticos excepto Asma. Respecto a calidad
global, esta variable está discretizada según se explica en la Sección 1, y la
media de CAOS para pacientes con Calidad Global=Inferior es
estadísticamente menor (p<0,001) que CAOS para pacientes que recibieron
una Calidad Estándar o Superior.
Tabla XII Correlación de Pearson de CAOS con variables numéricas sencillas de obtener,
agregadas sobre Calidad Asistencial.
Tabla XIII. Media de CAOS según variables binomiales. Las significaciones encontradas son para P<0.01 y se muestran en negrita.
101
Tabla XIV. Media de CAOS según Diagnóstico y Calidad Global. Test ANOVA con post-‐ hoc de
Tukey.
Así, se construirán dos modelos de regresión:
En el primero, el conjunto de variables candidatas a ser seleccionadas por el
proceso de selección de variables son las sencillas de obtener que han mostrado
relación estadística con CAOS: edad, días de estancia, icCh, HTA, IRC y DM.
En el segundo, además se incluirán como candidatas las variables agregadas
indicadoras de calidad asistencial.
4.1.2 Regresión de predicción de mortalidad en reagudizaciones de EPOC
(CAOS) con variables sencillas de obtener.
Para el primer modelo, se lanza una selección de variables hacia atrás,
partiendo de todas las variables candidatas. Finalmente, quedan seleccionadas las
variables: edad, días de estancia hospitalaria e IRC. Puesta que esta última es
binomial, tenemos dos rectas con la misma pendiente. La ecuación para pacientes
con IRC (presentamos la media de los coeficientes en 10 ejecuciones bootstrap) es:
102
Tabla XV. Modelo de Regresión Logística Binomial para la predicción de CAOS con selección de variables sencillas de obtener. RMSE=16,46.
Es decir, para dos pacientes de la misma edad y días de estancia, el hecho de
padecer IRC aumenta en 4,86 puntos el valor de CAOS predicho. Además, para
cualquier paciente, por cada año aumenta en 1,62 (IC 95%: 1,37 - 1,94. p<0,001) el
CAOS predicho; y por cada día de estancia el CAOS aumenta en 6,64 (IC 95%: 5,18
- 7.65. p<0,001).
Este modelo captura bien la variabilidad en los datos (R2=0,78), y tiene un
error cuadrático medio (RMSE=15,29 para todo el modelo, y 16,46 validando diez
veces con bootstrap), teniendo en cuenta que el rango de valores de CAOS en la
base de datos es de 13 a 184.
En la Figura 10 se muestran las líneas de regresión según IRC. Al tener dos
variables numéricas predictivas (edad y días de estancia hospitalaria) no es posible
mostrar estas líneas como rectas, así que solo se muestra una dimensión: edad.
4.1.3 Regresión de CAOS con variables sencillas de obtener y calidad
asistencial.
Al incluir en el conjunto inicial de candidatas, la selección hacia atrás mantiene,
además de las mismas tres variables del modelo anterior, las variables Historial al
Ingreso y Calidad Global; que recordamos, indican la calidad de asistencia al
paciente, y fueron definidas en la sección 1. Al seleccionar muchas variables, no
procede mostrar un gráfico de la ecuación. Pero sí es importante decir que el modelo
103
obtenido captura un alto porcentaje de la variabilidad en los datos: R2=0,84, y un
Figura 10. Regresión multivariada de CAOS, utilizando como variables predictivas: Edad, Días de
Estancia e Insuficiencia Renal (Sí o No)
Figura 11. Predicción de CAOS vs CAOS real en una de las muestras de test con bootstrap; utilizando solo variables poco costosas. La línea roja representa la predicción perfecta. El error cuadrático medio
(RMSE) es la media de 10 iteraciones train-test con bootstrap.
104
RMSE=13,94 validando sobre la misma base de datos de entrenamiento, y
RMSE=15,10 validando diez veces con bootstrap.
Así, el modelo de regresión creado usando la media de los coeficientes
calculados en las diez iteraciones bootstrap, para pacientes con IRC es:
Tabla XVI Modelo de Regresión Logística Binomial para la predicción de CAOS con selección de
variables sencillas de obtener y Calidad Asistencial. RMSE=13,94.
Figura 12. Predicción de CAOS vs CAOS real en una de las muestras de test con bootstrap; utilizando
variables poco costosas y agregadas de calidad. La línea roja representa la predicción perfecta. El error cuadrático medio (RMSE) es la media de 10 iteraciones train-test con bootstrap.
105
Interpretando los coeficientes de la Tabla XVII, el hecho de tener insuficiencia
renal en este caso influye en 4,24 (IC 95% - 0,90 a 9,62); aunque no es un factor
estadísticamente significativo, pero es seleccionado por el proceso de selección de
variables debido a la medida de bondad utilizada en la búsqueda. Por cada año
aumenta el valor del CAOS en 1,61 (IC 95%: 1,38 a 1,90, p<0,001). Por cada día
más de estancia, el CAOS aumenta en 6,07 (IC 95%: 4,63 a 6,97, p<0,001); por
cada punto conseguido en la medición de calidad de asistencia en la categoría de
Historia al Ingreso, el CAOS disminuye en 0,26 (IC 95%: - 0,46 a 0,05) aunque no
es un dato muy significativo (p<0,05); y, finalmente, por cada punto adicional
obtenido en la medición global de Calidad de Asistencia el CAOS aumenta en 0,62
(IC 95%: 0,42 a 0,94, p<0,001). Se recuerda que el rango de valores las variables de
calidad asistencial es de 0 a 100.
Así, por ejemplo, si dos personas de la misma edad sin IRC están
hospitalizadas durante el mismo tiempo en la misma planta, y por lo tanto reciben la
misma calidad asistencial, por cada año que un paciente sea mayor que el otro,
podrá predecirse un valor de CAOS de 1,6 unidades mayor. Es posible entonces que
Edad sea causa de mortalidad, pero para corroborar esta idea haría falta un estudio
observacional.
Asimismo, sorprende que para pacientes con igual edad, duración de estancia
y IRC, por cada 10 puntos extras de calidad asistencial se aumenta el riesgo de
mortalidad en 6 unidades. Es decir, podría parecer que el hecho de dar mayor
calidad asistencial provoca mayor mortalidad; sin embargo, no debe confundirse
correlación con causalidad. Así, no podemos decir que la calidad asistencial influye
en la predicción de mortalidad, sino que están relacionadas. Por ejemplo, es posible
que precisamente al que se le detecte un peor estado se le conceda mayor calidad
asistencial, pero siendo esta calidad y la misma predicción de mortalidad
consecuencia de una mala salud percibida en el paciente.
106
4.2 CAOS ordinal
Ahora trabajamos con una versión de CAOS con tres estados: Bajo (riesgo
31.8%), Medio (31,8% < riesgo 63,4 %) y Alto (riesgo>63,4%).
Comprobamos su correlación con las variables sencillas de obtener y las
agregadas sobre calidad asistencial; para después utilizar las variables asociadas en
la creación de modelos predictivos.
4.2.1. Análisis estadístico de variables con CAOS ordinal
Para las variables numéricas, se realiza comparación de medias para tres
grupos (la predicción de mortalidad tiene posibles valores), prueba independiente
con dos colas: ANOVA con post-hoc de Tukey para edad y calidad global; y H de
Kruskall-Wallis con post-hoc pruebas pareadas de Wilcoxon (con ajuste de Holm)
para el resto de numéricas que no siguen una distribución normal.
Para las variables categóricas se comparan sus proporciones con la prueba Z
por columnas. Los resultados mostrados en la Tabla XVII y Tabla XVIII indican que
la versión ordinal con tres niveles de CAOS está relacionada estadísticamente con:
Edad: La media de edad de los pacientes es menor conforme disminuye el
nivel de CAOS.
Días de Estancia: La media de la duración del ingreso de los pacientes es
menor conforme disminuye el nivel de CAOS.
Índice de Comorbilidad de Charlson: El valor medio encontrado es menor
conforme disminuye el nivel de CAOS.
Se asocia un nivel bajo de calidad asistencial sobre Exploración Física con un
nivel bajo de CAOS.
Cuanto menor es la calidad asistencial sobre Evaluación y Tratamiento,
menor es el nivel de CAOS.
Una peor Preparación para el Alta se asocia con menor nivel de CAOS.
107
En general, la Calidad Global de la asistencia es menor cuando CAOS es
Bajo. Como ya se explicó esta relación en la versión numérica de CAOS, es
posible que esto se deba a la percepción del personal sanitario de una menor
necesidad de calidad asistencial en pacientes menos graves; rompiendo así
un protocolo uniforme de calidad asistencial.
Tabla XVII Comparación grupal de la media de variables numéricas según CAOS ordinal. Se marca en negrita el valor estadísticamente diferente al resto de medias en la misma fila, y en cursiva el
estadísticamente diferente a solo un valor de la fila. *** para p<0,00
Cuando un paciente sufre de HTA, es mayor la probabilidad de tener CAOS
alto que bajo.
Cuando un paciente sufre de Diabetes Mellitus, es menor la probabilidad de
tener CAOS bajo que medio o alto.
Cuando un paciente sufre de IRC, es menor la probabilidad de tener CAOS
bajo que medio o alto.
108
Diagnóstico Principal:
o Con EPOC asociado a IVRB, lo más probable es tener CAOS bajo.
o Con EPOC tipo BC/enfisema, es más probable tener CAOS Medio
antes que Bajo.
o Con EPOC asoaciado a IVRB con insuficiencia cardiaca, es más
probable tener una predicción de mortalidad alta que baja.
Recibir una Calidad Global Inferior está asociado con tener CAOS
bajo.
Disponemos de un conjunto amplio de variables asociadas con CAOS ordinal.
Estas servirán como conjunto de candidatos para la construcción de un modelo de
Regresión Logística Multinomial y un árbol de decisión C4.5.
Para la creación de los modelos, descartamos los dos casos con diagnóstico
principal: asma, ya que la frecuencia tan baja de este diagnóstico no es útil y puede
dañar la bondad de los clasificadores.
Tabla XVIII. Comparación de proporciones de variables cualitativas según CAOS ordinal. Prueba Z. ***
para P<0,001. ** para P<0,01. * para P<0,05. En negrita el % de la variable estadísticamente diferente al resto de la fila. Cursiva si es diferente a solo 1 valor.
109
4.2.2 Regresión Logistica Multinomial para la predicción de CAOS ordinal.
Primero se construye un modelo utilizando solo las variables candidatas
sencillas de obtener; y después un segundo modelo utilizando también las variables
de agregación de criterios sobre calidad asistencial.
Tabla XIX. RL Multinomial para CAOS. Selección hacia delante con variables sencillas de obtener y de
calidad asistencial. 75,32% aciertos (validación leave-one-out), 9 fallos en la base de datos al predecir CAOS=bajo cuando es medio.
Según los OR obtenidos en el modelo:
Por cada día ingresado, la probabilidad de un CAOS medio en lugar
de bajo aumenta entre un 55 a un 300%. Y la probabilidad de tenerlo
alto en vez de bajo entre dos y seis veces mayor.
Un paciente un año mayor que otro, tendrá una probabilidad de tener
CAOS medio en lugar de alto entre un 15% y 40% más. Esta
probabilidad es mayor comparando predicción alta con baja, siendo
entre un 45% a un 200% más probable que sea alta.
110
Las calidades asistenciales de Exploración Física y Evaluación y
Tratamiento afectan muy poco. Por cada diez puntos extra de calidad,
no se reduce más de un 10% la probabilidad de que CAOS sea bajo.
La tabla de contingencia de la Tabla XX muestra la buena capacidad predictiva
que tiene el modelo construido.
Según esta tabla, se cometen nueve errores de subestimación en pacientes a
los que se predice un CAOS bajo cuando en realidad es medio; y diez errores al
predecir CAOS medio cuando en realidad es alto. Pero en ningún caso se predice
CAOS bajo cuando en realidad es alto, con lo cual no hay errores que puedan
considerarse clínicamente graves.
Tabla XX. Tabla de contingencia para las predicciones de CAOS realizadas por el modelo de RL Multinomial con variables sencillas de obtener y Calidad Asistencial, sobre la base de datos.
Puesto que puede resultar de interés crear un modelo predictivo sin necesidad
de recopilar las variables sobre calidad asistencial, estas se eliminan del conjunto de
variables candidatas para el proceso de selección de variables hacia delante.
El modelo creado se muestra en la Tabla XXI. Tras una validación leave-one-
out, se obtiene una tasa de aciertos del 75,97%, igualmente buena comparada con
el modelo anterior, pero utilizando solo tres variables: edad, días de estancia
hospitalaria y diagnóstico principal.
111
Tabla XXI RL Multinomial para CAOS. Selección hacia delante con variables sencillas de obtener. 75,97% aciertos (validación leave-one-out), 12 fallos en la base de datos al predecir CAOS=bajo
cuando es medio.
En la Tabla XXII se muestra la tabla de contingencia para la predicción sobre la
base de datos entera utilizando el modelo creado. Puede verse de nuevo que no se
cometen fallos graves; y leves podrían ser los doce casos con CAOS medio pero
predicho como Bajo, y los nueve casos predichos como bajo siendo CAOS medio.
Así, se recomienda este modelo de RLM antes que el anterior, pues las variables
utilizadas por este último pueden obtenerse de forma menos costosa y más rápida.
112
Tabla XXII Tabla de contingencia para las predicciones de CAOS realizadas por el modelo de RL Multinomial con variables sencillas de obtener, sobre la base de datos.
4.2.3. Árbol de predicción para CAOS ordinal.
Puesto que ahora la predicción de riesgo de mortalidad es un factor con
varios niveles, también es aplicable la construcción de un árbol de decisión C4.5; el
cual se construye también con selección de variables hacia delante (además tiene
un proceso interno de selección) entre las candidatas; es decir, aquellas para las
que se encontró asociación estadística en la Sección 4.2.1.
De nuevo, se crearán dos modelos: uno con todas las variables citadas, y otro
quitando de las candidatas aquellas relativas a la calidad asistencial. Puesto que el
modelo obtenido sin las variables de calidad asistencial funciona igual de bien que
con ellas, por claridad solo se muestra, en la Figura 13, el que es construido
únicamente con variables poco costosas.
Figura 13. Árbol C4.5 con variables sencillas de obtener, para la predicción de CAOS. 72,08% aciertos (validación leave-one-out). 12 fallos al predecir Bajo siendo Medio.
113
Tabla XXIII. Tabla de contingencia para las predicciones de CAOS realizadas por el árbol de decisión a partir de variables sencillas de obtener, sobre la base de datos.
En la Tabla XXIII vemos que de nuevo no se cometen fallos graves; y doce
casos en los que se predice CAOS como bajo, siendo medio; y siete casos
en los que se predice medio siendo alto.
No se utiliza el algoritmo SMOTE en este caso pues la base de datos ya se
encuentra prácticamente balanceada para los tres posibles valores de CAOS: 54, 57
y 43 casos para bajo, medio y alto respectivamente.
La RLM y el Árbol de decisión producen resultados similares, así que la
elección de un modelo u otro dependerá del uso. Para realizar una predicción con
capacidad explicativa, el árbol de decisión será más útil. El modelo de regresión
puede automatizarse, y calibrar según la importancia que se desee dar a
cada parámetro.
114
DISCUSIÓN.
Reingreso a la primera semana.
Los factores que determinan la frecuencia de reingreso hospitalario en
reagudizaciones de EPOC no están adecuadamente estudiados.
Jiménez Puente y col.182 en 2003 presenta un estudio realizado en el Hospital
Costa del Sol – Málaga, cuyo objetivo fue conocer la influencia de la calidad de los
cuidados intrahospitalarios sobre riesgo de reingreso precoz en la exacerbación
aguda de EPOC. Adaptó para analizar la calidad de cuidados en el ingreso previo
una escala empleada por Ashton y col.181, que valoraba la adherencia a criterios
explícitos de calidad de los cuidados hospitalarios en la reagudización de EPOC,
este instrumento adaptado es el mismo que tomamos de referencia para la presente
tesis. La edad media de 90 pacientes estudiados fue 69,5 años (DE 10.7), 84,4%
varones. Los diagnósticos de ingreso fueron bronquitis crónica reagudizada (71%),
bronquiectasias (12%), asma con enfermedad pulmonar obstructiva (9%) y enfisema
(8%). La severidad según APACHE III fue 39,3 (13,9) y el índice de comorbilidad de
Charlson 0,54 (0,74) puntos. Los pacientes que reingresaron en un mes del alta lo
hicieron, como media, en 15,1 días. El 24,4% reingresaron en la primera semana, el
24,4% entre 1y 2 semanas y el 51,1% entre 15 y 30 días. En 84% de los casos el
diagnóstico fue exacerbación aguda de la EPOC. El valor medio de la escala de
calidad de cuidados se situó en 84,3 (7,3) puntos.
Al comparar estos resultados con nuestro estudio, la edad media fue de 73,94
años 11,36 DE. 98% (154) de los pacientes estudiados tuvo como parte del
diagnóstico de ingreso: reagudización de EPOC, 27 (17,2%) como diagnóstico
único, 32 (20,4%) asociado a infección de vías respiratorias bajas, 55 (35%) a
insuficiencia cardiaca y 40 pacientes (25,5%) presentaban conjuntamente IVRB e IC.
Reingresaron en la primera semana 33 (21,15%) pacientes, con edad media de
81,18 años, estancia media de 6,52 días y obteniendo 7,27 puntos en el icCh (IRC: p
115
< 0.05); en todos estos parámetros se obtuvo diferencia estadísticamente
significativa.
En cuanto a calidad global, se consideraban tres niveles. “Inferior” (<Media-DE
=58,08), “Estándar” (Media-DE, Media+DE=58,08-85,46), y Superior
(>Media+DE=85,46). El valor medio de la escala de calidad que obtuvimos fue de
72,87 (DE 17,52), tomando en cuenta que la escala se desglozaba en cinco criterios
(historia al ingreso, exploración física, otras exploraciones, evaluación y tratamiento,
preparación al alta). Obtuvimos que una mayor calidad asistencial se da con mayor
frecuencia en los pacientes que no reingresaron, aunque no se encontró diferencia
estadísticamente significativa.
Sólo se encontró relación estadísticamente significativa entre la variable
historial de ingreso y no reingresar en la primera semana (p<0,05), en el hecho de
que un mejor cuidado al elaborar la historia clínica coincidía con un no reingreso en
este período de tiempo, lo cuál es perfectamente lógico ya que durante la
elaboración de la historia clínica (y más aún si es posible rehistoriar al paciente) se
obtienen los datos más importantes para poder elaborar un esquema correcto de
aproximación diagnóstica y por consiguiente un tratamiento específico y exitoso.
Estudios de impacto en la calidad de vida y reingreso hospitalario por
reagudización de EPOC como el de Osman y col.169 en 1997, empleando
instrumentos de calidad de vida que miden el sufrimiento del paciente y cómo
hacerle frente, concluye que la afectación en la calidad de vida está en relación
directa con el reingreso hospitalario por reagudización de EPOC. Tal vez, a futuro,
de manera prospectiva podríamos estudiar, con algún instrumento correctamente
validado, la calidad de vida en pacientes con reagudización de EPOC y su impacto
en el ingreso hospitalario teniendo como base la presente tesis.
En 1999, Librero y col.193 en un estudio realizado en Valencia, España sobre
comorbilidad crónica y resultados en atención hospitalaria (duración de la estancia,
mortalidad y readmisión a los 30 y 365 días). La mayor comorbilidad medida por el
116
icCh se asoció con un una mayor duración de la estancia y mortalidad hospitalaria.
En nuestro estudio, según el modelo RLB (ayudado con balanceo mediante
algoritmo SMOTE), se obtuvo que por cada punto obtenido en el icCh se reducía en
un 2% la probabilidad de reingreso en la primera semana. Interpretamos estos
resultados como que a mayor comorbilidad, el ingreso del paciente se prolongue al
tratar otras patologías descompensadas a la vez que la reagudización de EPOC,
esto permitiría mayor tiempo de tratamiento de esto último condicionando mayor
posibilidad de no reingresar o, de hacerlo, el motivo no sea EPOC.
Diz-Lois y col.194 en 2002 se propusieron determinar los factores
independientes que predicen el reingreso hospitalario no planificado de pacientes
que ingresan en una Unidad de Corta Estancia Médica (UCEM), siendo EPOC uno
de los principales motivos de ingreso encontrando. Concluyeron que el factor
pronóstico independiente de reingreso a los 10 días, fue el número de días
ingresado el año previo.
En cuanto a los días de estancia hospitalaria, en nuestro resultados obtuvimos
que las posibilidades de reingreso en 1 semana disminuían un 22% por cada día de
ingreso. Lo hemos interpretado como que a mayor estancia hospitalaria, el
cumplimiento del tratamiento es mejor ya que no depende del paciente
exclusivamente como al alta, es decir hay un mejor control por parte de personal
sanitario, por lo tanto es posible mayor éxito del tratamiento médico. En la literatura
podemos encontrar una amplia gama de estudios que reflejan los efectos del
incumplimiento terapéutico.
En 2004, González y col.172 consideran la coexistencia de cor pulmonale y un
elevado índice de presión-tiempo (expresa la distensibilidad toracopulmonar-
alveolar), como factores predictivos independientes de ingreso hospitalario por
reagudización en pacientes con EPOC moderado-grave.
En el estudio de Cao y col.195 de 2006, con 186 pacientes en dos hospitales de
117
Singapure, los reingresos al año del primer ingreso tuvieron relación tanto con la
severidad propia de la enfermedad como con el estrés psicosocial (tuvieron alta
prevalencia en grandes fumadores, en desnutridos, en consumidores de drogas
psicotrópicas, en cuidadores de ancianos y en quienes fueron vacunados para
Influenza y Neumococo). De manera similar, el estudio de García-Aymerich y col. de
2003, realizado cuatro hospitales de Barcelona encontraron que la exposición pasiva
al tabaco incrementaba el riesgo de reingreso hospitalario por reagudización de
EPOC, además encontraron que la actividad física reduce este riesgo171.
Almagro y col.196 en 2007 realizan un estudio prospectivo en el Hospital Mutua
de Terrasa, España con 129 pacientes ingresados por reagudización de EPOC para
identificar factores de riesgo para reingreso (una o más veces) durante un año tras el
alta hospitalaria, concluyendo que la combinación de calidad de vida, hospitalización
por EPOC en el año previo y la hipercapnea, eran predictores habituales.
En una revisión sistemática de artículos en 2007 sobre factores de riesgo de
ingreso y reingreso hospitalario en paciente con reagudización de EPOC realizada
por Badahori y Fitzgerald197, se considera como tales al aumento de paCO2 (valido
solo para el ingreso no para el reingreso), bajo FEV1, consumo de corticoides orales
o sistémicos, dependencia para actividades de la vida diaria, historia de EPOC
mayor de 5 años (el riesgo de reingreso es dos veces mayor si el diagnóstico fuese
reciente), comorbilidad asociada como enfermedad coronaria, fallo ventricular
izquierdo, diabetes mellitus (Lau y col163, 2001; Miravitlles y col84, 2000). La edad
avanzada fue considerada como factor de riesgo para ingreso hospitalario por Soler-
Cataluña y col, 2005 y por Gadoury y col.,199 2005. En el estudio retrospectivo de
cohortes de Wang y col.200, 2005; se reportó que pacientes con pobre calidad de
vida tuvieron visitas frecuentes a la Puerta de Urgencias y reingresos hospitalarios y,
Wilkinson y col.201, 2004; demostró que quienes habitualmente incumplían el
tratamiento de las reagudizaciones tenían peor calidad de vida y eran ingresados
con mayor frecuencia. Esto también se relaciona con lo demostrado por Wang,
quiénes no contaban con un Médico de Atención Primaria estaban más
predispuestos a reingresar.
118
McGhan y col. en 2007, realizaron un estudio para determinar predictores de
reingreso hospitalario y muerte tras una reagudización de EPOC en 51,353
pacientes (edad media: 69 años) dados de alta hospitalaria tras una reagudización.
El riesgo de muerte fue 21% al año, 55% a los 5 años. Factores de riesgo
independientes para mortalidad fueron la edad, el género masculino,
hospitalizaciones previos y comorbilidades incluyendo pérdida de peso e
hipertensión pulmonar (HTP); raza caucásica y otras comorbilidades (asma
bronquial, HTA y obesidad) se asociaron a menor mortalidad. El riesgo de reingreso
hospitalario fue 25% en 1 año y 44% a 5 años, y el riesgo aumentaba con la edad,
sexo masculino, hospitalizaciones previas y comorbilidades como asma bronquial e
HTP. Etnia hispana y otras comorbilidades (diabetes e HTA) estaban asociados con
menor riesgo de mortalidad202.
Reingreso a los 30 días.
Según nuestros resultados, reingresaron a un mes del alta 66 (42,3%)
pacientes, cuya edad media fue 79,32 años, la estancia media 6,05 días y el icCh
tuvo 6,91 puntos; obteniendo en todos los casos diferencia estadísticamente
significativa según reingreso (edad, estancia media hospitalaria, índice de
comorbilidad de Charlson180). La estancia hospitalaria media fue de 5,16 días 2,4
(desv. tip.), con un OR 0,80, es decir, por cada día de estancia, se reduce la
probabilidad de reingreso en el primer mes un 20%.
No se encontró diferencia significativa para ningún tipo de calidad asistencial,
aunque la tendencia parecía contraria al reingreso en la Primera Semana, es decir,
los pacientes con peor calidad tendían a no reingresar en el Primer Mes, situación
que no es lógica desde el punto de vista médico y no es posible comprobarla con
estudios nacionales ni internacionales. Aunque podría entenderse como estos
reingresos se deban a factores externos a la calidad asistencial recibida.
Para Jiménez y col.182 los pacientes que reingresaron antes de 1 mes del alta
119
tuvieron menor puntuación en la adherencia a criterios explícitos de calidad en la
exploración física al ingreso: 94 frente a 98,5 puntos (p=0,03; IC 95%: 0,6-8,4). No
difirieron en el resto de aspectos de calidad analizados. La estancia media fue de 7,8
(4,3) días, sin diferencias entre casos y controles. concluyeron que el riesgo de
reingreso en un mes se explicó por las características clínicas de los pacientes; en
cambio, los reingresos en una semana se relacionan con la calidad de cuidados
aplicados, por lo que pueden ser un indicador válido de calidad de la asistencia
intrahospitalaria.
En 2008, se realizó un estudio por Elixhauser y col.203 en 15 estado de EEUU
con 190,700 pacientes que ingresaron con diagnóstico principal de EPOC, el rango
de edad variaba de 40 años a más. La tasa de reingreso a los 30 días fue de 7.1%
en quienes reagudización de EPOC fue el diagnóstico principal, y de 17,3% si EPOC
formaba parte de los motivos de readmisión. Si no se tomase en cuenta el tipo de
diagnóstico, EPOC sería responsable de 1 de cada 5 de los reingresos a los 30 días
(20,5%). El reingreso fue más probable en ciertos grupos más que en otros, quiénes
residían en zonas de más bajos ingresos. La tasa de reingreso fue del 22% más alta
que entre pacientes de zonas con mayor poder adquisitivo (7,8% frente al 6,4%); y
fue 30% más alta entre afroamericanos que entre grupos de hispanos y asiáticos
juntos 8% frente al 6,1%). Los costos fueron consistentemente más altos en los
reingresos que en la estancias iniciales. En promedio, para el reingreso a 30 días de
EPOC reagudizado como diagnóstico principal es coste fue de 8,400 dólares (18%
mayor que la estancia inicial: 7,100 dólares); los costes fueron 50% más altos en el
reingreso como otro motivo más de diagnóstico (10,900 dólares).
En otro estudio hecho en EEUU en 2011 por Edgman-Levitan y col.204 del
Hospital General de Massachussets en asociación con el Centro de Innovación en
Atención Primaria John D. Stoechle, el objetivo fue reducir las tasas de reingreso
hospitalario a los 30 días, considera al EPOC como una de las 5 causas médicas de
reingreso (las otras fueron fallo cardiaco, neumonía, psicosis y problemas
gastrointestinales) además consideró causas quirúrgicas. Hace mención a que uno
de cada cinco pacientes son reingresados lo que se traduce en gastos por 12 mil
120
billones de dólares evitables. Los tres factores principales asociados a reingresos
evitables fueron: retrasos en la programación de controles post-hospitalización,
fallos en la comunicación médico-enfermería-paciente y deficiencias en la
planificación terapeútica durante la convalecencia domiciliaria. Derivados de este
estudio son el Proyecto BOOST y el RED que son intervenciones integrales que
aborden estos tres factores y reducir las tasas de reingreso hospitalario.
En el estudio ya comentado de Jiménez Puente y col.182, no reportó diferencia
estadísticamente significativa entre la calidad global respecto al reingreso a un mes.
Así que, probablemente, el reingreso a un mes se deba a factores externos que a la
calidad que se pueda brindar en el hospital.
En nuestro estudio, respecto a la variable reingreso en el primer mes no se
encontró diferencia significativa para ningún tipo de calidad asistencial , aunque la
tendencia parecía contraria al reingreso en la primera semana, es decir, los
pacientes con peor calidad tendían a no reingresar en el primer mes, situación que
no es lógica desde el punto de vista médico y no es posible comprobarla con
estudios nacionales ni internacionales. Aún así, creémos que es importante resaltar
nuestros resultados al analizar la relación de las variables días de estancia y el icCh
(OR: 0.80 y 0.76 respectivamente) y el reingreso en el primer mes, por cada día de
estancia se reduce la probabilidad de reingreso un 20% y para cada punto
conseguido en el icCh se reduce esta probabilidad un 24%.
Amalakuhan y col.205 en 2011, realizaron un estudio retrospectivo con 106
pacientes ingresados con EPOC reagudizado en el Hospital de Harrisburg (USA)
para proponer un modelo predictivo para reingreso por reagudizaciones de EPOC
durante un año tras el alta hospitalaria. Encontraron que fueron importantes
predictores, en pacientes que tuvieron al menos dos reagudizaciones de EPOC
dentro del año tras el alta hospitalaria: el empleo, IMC, número previo de cirugías,
administración de azitromicina/ceftriazona/moxifloxacino y el nivel de albúmina
inicial.
121
Finalmente, según nuestros resultados, en ambos tipo de reingreso, se observó
que los paciente que efectivamente reingresaron tuvieron una estancia hospitalaria
mayor en su primer ingreso que aquellos que no reingresaban. (la media de días
que el paciente había estado previamente ingresado es 2 días más, de media que la
duración de la estancia de quiénes no reingresaron). Es así como la duración de la
estancia hospitalaria para el reingreso en la primera semana no debería
considerarse como una causa de reingreso, sino como una consecuencia de la
severidad del primer ingreso. Comparando con Jiménez y col182, 2003; se
encuentran diferencias importantes: la estancia media es de dos días menor en
nuestro hospital que en el citado artículo, y en este artículo no hay diferencia
estadísticamente significativa en la estancia según reingreso, mientras que en
nuestro estudio si que hemos encontrado.
La bibliografía relacionada a variables que predicen riesgo de reingreso
hospitalario en reagudizaciones de EPOC sigue siendo escasa en los últimos 20
años según la literatura nacional e internacional consultada. Algunos de los artículos
resaltan más la comorbilidad, otros la calidad de vida, la gravedad de la enfermedad,
el coste sanitario; los pocos estudios sobre calidad de cuidados intrahospitalarios no
hallaron que el riesgo de reingreso se vea afectado sustancialmente por los mismos,
como consta en el estudio de Thomas y col.206 de 1996.
Nuevamente, volviendo a nuestro estudio, llama la atención que las
puntuaciones obtenidas de calidad global son unos 10 puntos porcentuales menores
que en Jiménez Puente y col.182, lo cuál podría interpretarse como que los cuidados
asistenciales hospitalarios durante las reagudizaciones de EPOC en el hospital del
citado estudio hayan sido mejores que en el que se realiza en nuestro estudio.
Concretamente, esa superioridad en los cuidados se encuentra en la Exploración
Física al ingreso y en la Preparación para el Alta. Además, es importante remarcar
las altas desviaciones típicas que encontramos, lo cuál puede sugerir que la no
existencia de un protocolo a seguir (o existe y non se cumple) y la asistencia
depende del buen hacer del personal sanitario o existe un protocolo que no da la
importancia a la Exploración Física ni a la Preparación para el Alta. Concretamente,
122
sobre la “Exploración Física” podemos afirmar que en nuestra Puerta de Urgencias,
contamos con un protocolo que es muy pocas veces cumplido plenamente ya sea
por el tiempo limitado para hacer una historia comparable a las de las plantas de
hospitalización o por la experiencia clínica de nuestros facultativos que realizan una
historia clínica dirigida a un problema médico concreto en este caso el EPOC
reagudizado no constando datos que hubieran enriquecido y cambiado
probablemente nuestros resultados. Otro dato importante a considerar es que al
tratarse de un hospital docente, durante las horas de guardia contamos con un
número importante de Médicos Internos Residentes (MIR) de diversas
especialidades según la oferta formativa de nuestro centro están con nosotros de 4 a
5 años, si bien los MIR también tienen una carga laboral importante durante las
guardias, son los últimos años quiénes con los conocimientos ya adquiridos intentan
cumplir con el protocolo, por lo tanto, aquí tenemos otra fuente importante de datos.
En cuento a “Preparación al Alta”, es muy difícil contar con protocolos al respecto en
las plantas de hospitalización, se siguen criterios nacionales e internacionales, pero
no existe específicamente un protocolo.
Como otros estudio, al trabajar en esta tesis y estudiar la influencia de la
calidad de la asistencia hospitalaria sobre el riesgo de reingreso, no cuestionamos
en ningún momento la efectividad del tratamiento hospitalario del EPOC. De manera
similar que Jiménez Puente182, partimos del supuesto de que la variabilidad en la
calidad de cuidados será pequeña en la mayoría de las altas hospitalarias y
estudiamos si dicha variabilidad puede ser suficiente para modificar la tasa de
reingresos.
Un problema habitual en los estudios sobre reingresos hospitalarios es la
ausencia de una definición unificada del indicador. Al igual que para Jiménez
Puente, la influencia de las variaciones de calidad de cuidados es importante en los
reingresos en la primera semana del alta, en nuestro estudio, específicamente el
historial de ingreso. Se sugiere que los reingresos en 1 semana puede estar más
relacionada con problemas de calidad asistencial, mientras que los ocurridos
posteriormente se relacionarían más con la evolución natural de las patologías
123
crónicas.
Comorbilidad y reingreso hospitalario:
Para Villalta y col.207, en 2005, observaron que por cada unidad de descenso
del índice de comorbilidad de Charlson se doblaba la probabilidad que el ingreso
hospitalario se acorte. No apreciaron que la hipertensión arterial o la presencia de
cor pulmonale sean factores independientes de valor pronóstico en la duración de la
estancia hospitalaria.
En el artículo publicado en 2010 de De Miguel Diéz y col.208, considera la HTA,
DM, infecciones, enfermedades neoplásicas y cardiovasculares; como comorbilidad
más frecuentemente asociada a la reagudización de EPOC.
En nuestros resultados, encontramos diferencia estadísticamente significativa
en el icCh (p<0,01) y (p<0.05) en Insuficiencia Renal Crónica para reingreso en la
primera semana, aunque esta última correlación no fue muy fuerte según la V de
Cramer (0,199).
Para el reingreso a un mes también encontramos relación entre icCh e IRC
aunque estadísticamente menor. El OR para icCh fue de 0.76, es decir, por cada
punto conseguido en icCh, se reduce un 24% la probabilidad de reingreso en el
primer mes.
No encontramos diferencia estadísticamente significativa ni en los reingresos
durante la primera semana ni al primer mes con hipertensión arterial o diabetes
mellitus.
Predicción de mortalidad en reagudizaciones de EPOC.
Uno de los artículos que sirven de referencia principal a la presente tesis es el
124
de Windman y col.184 de 2009, cuyo objetivo fue el desarrollar un modelo predictivo
de resultados para pacientes afectados por EPOC para tomar decisiones
terapeúticas. Se trató de un estudio de cohortes, prospectivo, multicéntrico,en
pacientes mayores de 45 años con exacerbación de enfermedad obstructiva
pulmonar ingresados en las UCI y Unidades de Alta Dependencia Respiratoria en el
Reino Unido. Una de las principales dificultades como se mencionó en la sección
Materiales y Métodos fue que lo ideal sería que este modelo de apoyo de
decisiones sobre la admisión a UCI se basase en que todos los pacientes a pesar de
no ser admitidos en UCI, hubiesen beneficiado de él, es decir, no sólo los ingresados
en UCI si no todos los consultados desde Urgencias (las decisiones sobre la
admisión a UCI tiene que hacerse con la información disponible al momento, los
cuáles son muchas veces inciertos o provisionales). También otro problema a
considerar es que, los modelos proporciona estimaciones de pronóstico para grupos,
no para individuos. Aún así, el modelo CAOS puede contribuir para el ajuste de la
casuística en materia de auditoría y para apoyar decisiones médicas. La puntuación
CAPS es específica para EPOC, demostrando mejores resultados comparada con el
APACHE III, una escala genérica. El modelo propuesto se basa en resultados de
180 días
Groenewegen y col.148, en 2003, presentó un estudio sobre factores de riesgo
de mortalidad tras el alta hospitalaria de reagudizaciones de EPOC concluyendo que
el pronóstico de pacientes EPOC ingresados tras una reagudización es pobre (la
mortalidad durante el ingreso fue 8% de 171 sujetos de estudio, elevándose hasta
23% al año de seguimiento, sobretodo en quienes precisaron de UCI) siendo el uso
prolongado de corticoides orales (definido como el uso diario de corticoides por lo
menos durante un año a dosis de 5 mg de prednisolona o equivalentes), elevadas
cifras de paCO2 y edad avanzada factores de riesgo identificables asociados a
incremento de mortalidad. Otros estudios, incluyen otros factores de riesgo como la
saturación de oxígeno y el consumo del mismo al reposo, enfermedad cardiogénica
(hipertrofia ventricular derecha (HVD)) y otras comorbilidades como hipertensión
arterial, diabetes mellitus, cardiopatía isquémica , bajo índice de masa corporal,
albúmina sérica, grado de severidad del EPOC.
125
En el estudio Incalzi y col.209 de 1997, sobre la contribución de la comorbilidad
para predecir mortalidad en pacientes con EPOC, destaca que en aquel momento
los trabajos publicados consideraban a la comorbilidad como criterio de exclusión y
otros no consideraban su valor pronóstico. El objeto de su estudio fue evaluar si la
comorbilidad era un determinante de mortalidad independiente. Este estudio mostró
que la IRC, signos electrocardiográficos de sobrecarga o HVD y CI eran importantes
para el pronóstico de pacientes EPOC tras el alta hospitalaria luego de una
reagudización. Por otra parte, un índice global de comorbilidad como el icCh carecía
de capacidad de predicción lo que sugiere que ciertas enfermedades seleccionadas
(como la IRC y su alto puntuación asignada) por el icCh pueden afectar el pronóstico
del EPOC avanzado, mientras que la mayoría de enfermedades tomadas en cuenta
para el cómputo de comorbilidad no mejoraron el modelo pronóstico, tal fue el caso
de la HTA y la DM. Sin embargo, no se puede excluir el icCh, ya que puede
aplicarse en pacientes con EPOC leve o moderada.
Sin y col, en 2005 en una revisión sobre el rol de las comorbilidades en la
mortalidad por EPOC, comenta que la mortalidad relacionada a EPOC está
subestimada ya que puede ser difícil atribuir la muerte a una única causa. La
insuficiencia respiratoria, la enfermedad cardiovascular y el cáncer de pulmón son
causas comunes de muerte en la progresión del EPOC. El consumo de cigarrillos es
el principal causante de EPOC y contribuye al aumento de riesgo de otras
enfermedades no respiratorias210.
En 2009, Moreno y col. realizaron un estudio para valorar las causas de muerte
en una cohorte de 203 pacientes con EPOC severa (media de edad: 69 años). 53%
murieron, lo cuál se atribuyó en 80.9% de los casos a causas respiratorias. Durante
el seguimiento, 18,7% precisaron ingreso en la UCI. La supervivencia a 1, 3, 5 años
fue de 80%, 53% y 26% respectivamente. Considera predictores independientes de
mortalidad a la edad, grado de afectación funcional pulmonar según escala GOLD,
cor pulmonale, ingresos hospitalarios previos y necesidad de ingreso en UCI201.
126
Para Berry y col. en 2010, la mortalidad en pacientes con EPOC puede ser
predecida por una variedad de variables: volumen espiratorio forzado en el primer
segundo (FEV1), la relación capacidad inspiratoria/capacidad pulmonar total,
capacidad al ejercicio, grado de severidad de disnea, IMC, grado de obstrucción al
pasaje de aire. Dejar de fumar mejora la supervivencia en pacientes con EPOC en
progresión, oxígenodependientes, que tras una cirugía hayan perdido volumen
pulmonar o hayan recibido trasplante pulmonar212.
En 2011, Aburto y col. publican un estudio sobre factores predictores de
mortalidad en exacerbaciones de EPOC en una Unidad de Cuidados Respiratorios
Intermedios (UCRI) de un hospital en Bizkaia, España. Incluyeron 102 episodios
consecutivos de reagudización de EPOC (91% varones, media de edad 69,410,6
años., con un Charlson mayor de 2 el 56,5% y las patologías asociadas más
frecuentemente fueron IC (48,5%) y HTA (50,5%). Concluyen que la presencia de
dos o más ingresos previos por reagudización, la puntuación de la escala
multidimensional para la valoración de EPOC (ADO) y la respuesta al tratamiento
suministrado en las primeras horas (evaluado por la frecuencia respiratoria a las 2
horas de ingreso en la UCRI, permitió identificar con una probabilidad del 90% a los
pacientes que podrían fallecer durante dicha reagudización213.
Los resultados del estudio sobre variables predictivas pronósticas de
mortalidad en pacientes con reagudización de EPOC ingresados en UCI de Messer
y col.214 de 2012, obtuvo que puntuaciones bajas en la Escala de Coma de Glasgow
durante el ingreso, parada cardiorrespiratoria, arritmia y estancia hospitalaria previas
al previa al ingreso en UCI eran variables pronósticas asociadas a mortalidad a
mediano plazo. Y con variables premóbidas como la edad, capacidad funcional, test
de función pulmonar, ingresos hospitalarios previos o admisiones a UCI, IMC,
oxigenoterapia prolongada; no encontraron asociación con mortalidad a mediano
plazo.
En nuestro estudio se encuentra correlación entre todas las variables
numéricas comparadas (edad, días de estancia, icCh y calidad global) con el riesgo
127
de mortalidad durante una reagudización de EPOC (medido por la escala CAOS, en
su versión numérica). También se encuentra que el valor medio de la escala CAOS
es estadísticamente superior (p<0.01) cuando se sufre de HTA, IRC, DM. Con
respecto al diagnóstico principal, se encontró que el riesgo medido en CAOS es
estadísticamente menor cuando el diagnóstico es EPOC asociado a infección de
vías bajas comparado con el resto de diagnósticos (p>0.05), excepto Asma y la
media de riesgo de mortalidad para pacientes con calidad global inferior es
estadísticamente menor (p<0.001) que aquellos que recibieron una calidad
asistencial estándar o superior.
Encontramos relación estadísticamente significativa entre el riesgo de
mortalidad por reagudización de EPOC y la edad, días de estancia e insuficiencia
renal. Por cada año (edad) el valor de riesgo de mortalidad predicho aumenta en
1,62 puntos, por cada día de estancia aumenta en 6,64 puntos y, para dos pacientes
con la misma edad y días de estancia el hecho de padecer IRC aumenta el riesgo en
mención en 4,86 puntos.
Al incluir calidad global, el padecer IRC aumenta en 4,24 puntos, aunque no es
un factor estadísticamente significativo. Por cada año (edad) el riesgo de mortalidad
aumenta en 1,61 (IC95%:1,38 a 1,90, p<0,001). Por cada día de estancia, el riesgo
de mortalidad aumenta en 6,07 (IC95%: 4,63 a 6,97,p<0,001). Por cada punto
conseguido en la medición de la calidad asistencial en la categoría de historia
clínica, el riesgo disminuyó en 0,26 (IC95%:-0,46 a -0.05) aunque no es un dato muy
significativo (p<0,05). Finalmente, por cada punto adicional obtenido en la medición
global de calidad asistencial, el riesgo aumenta en 0,62 (IC 95%:0,42 a
0,94,p<0,001). Por ejemplo, si dos pacientes de la misma edad sin IRC son
ingresados durante el mismo tiempo en la misma planta recibiendo la misma calidad
asistencial, por cada año que uno de los pacientes sea mayor que otro podrá
predecirse un riesgo de mortalidad de 1.6 unidades mayor. Podríamos postular que
la edad sea causa de riesgo de mortalidad, pero para corroborar esta idea haría falta
un estudio observacional. En pacientes de la misma edad, igual duración de estancia
e IRC, por cada 10 puntos extras de calidad asistencial, aumenta el riesgo de
128
mortalidad en 6 unidades. Por lo tanto, no podemos decir que la calidad asistencial
influye en el riesgo de mortalidad sino que están relacionados.
Finalmente, la predicción ordinal del riesgo de mortalidad (bajo, medio, alto)
obtiene una tasa de aciertos de 75,97% utilizando variables como días de estancia,
edad y diagnóstico principal como predictores. Está relacionada estadísticamente
con: la edad, cuya media es menor conforme disminuye el nivel de riesgo según
CAOS; los días de estancia, la media de la duración del ingreso es menor conforme
disminuye el nivel de riesgo, la media del icCh es menor conforme disminuye el nivel
de riesgo. En general, la calidad global asistencial (exploración física, evaluación y
tratamiento, preparación para el alta) es menor cuando el riesgo de mortalidad es
bajo, es posible que esto se deba a la percepción del personal sanitario de una
menor necesidad de cuidados en pacientes menos graves, rompiendo así un
protocolo uniforme de calidad asistencial sanitaria. De padecer: HTA es mayor la
probabilidad de tener un riesgo de mortalidad alto que bajo, DM es menor la
probabilidad de tener un riesgo bajo que medio o alto, IRC es menor la probabilidad
de tener un riesgo bajo que medio o alto.
Se comprueba que el reingreso del paciente y el riesgo de mortalidad en las
reagudizaciones de EPOC pueden predecirse con buenas tasas de acierto,
consiguiéndolo sin cometer demasiados falsos negativos, es decir, cometiendo
pocas veces el error grave de predecir un no reingreso o un riesgo de mortalidad
bajo cuando es todo lo contrario.
Limitaciones encontradas al trabajar en esta tesis:
Primero, debido a las características del estudio cuya recogida de datos se
realizó de forma retrospectiva y a través de revisiones de historias clínicas
(informatizadas o en formato papel), lo que no permite contar en todos los casos con
la información precisa para la correcta elaboración y evaluación de las escalas de
calidad de atención hospitalaria o severidad de la enfermedad (icCh, escala CAOS).
129
Segundo, la dificultad de los juicios en términos de calidad asistencial, reduce
el número de artículos tanto en la literatura nacional como internacional que podrían
haber servido al elaborar nuestro modelo de estudio como al comparar nuestros
resultados.
Tercero, el sesgo de información por reingresos en otros hospitales. Algo
común en España, a pesar de contar con un hospital de referencia, la población que
pertenece a dicha área de salud, opta frecuentar otros centros sanitarios por una
amplia gama de motivos, ya sea por desplazamiento (sobretodo durante período
vacacional), por querer escuchar una segunda opinión, porque el Médico de
Atención Primaria o el de la Residencia de Mayores al tener la posibilidad de derivar
entre 2 hospitales se decide por uno de ellos. Para paliar esto, optamos por excluir
pacientes que no pertenecían a nuestra área sanitaria.
130
CONCLUSIONES.
Solo se encontró relación estadísticamente significativa en el hecho de que
una mejor asistencia respecto al historial de ingreso coincidía con un no
reingreso en la Primera Semana.
No se encontró diferencia estadísticamente significativa para ningún tipo de
calidad asistencial respecto al ingreso en el primer mes.
En ambos tipos de reingreso, se observó que los pacientes que reingresaban
habían tenido una estancia en su primer ingreso mayor que los pacientes que
no reingresaban.
Respecto a la predicción de reingreso en la primera semana, el mejor modelo
predictivo encontrado es una Regresión Logística Binaria, que utiliza como
variables predictivas la variable de calidad asistencial historia al ingreso, edad
y los días de estancia hospitalaria.
El mejor modelo predictivo de Reingreso en el Primer Mes, teniendo en
cuenta sólo los falsos negativos sería de nuevo el modelo de Regresión
Logística Binariacon las variables días de estancia hospitalaria y el índice de
comorbilidad de Charlson.
En la predicción numérica de mortalidad se construyó un modelo de
Regresión Lineal Múltiple, utilizando las variables edad, días de estancia e
Insuficiencia Renal.
La predicción ordinal de mortalidad (bajo, medio, alto)obtuvo tasa de ciertos
de 75,97% con un modelo de Regresión Logística Multinomial utilizando las
variables días de estancia hospitalaria, edad y diagnóstico principal. El árbol
de decisión obtiene tasas de acierto similar y comete menos fallos, utilizando
131
días de estancia hospitalaria y edad.
Como trabajo futuro podría investigarse otras variables utilizadas que no se
emplearon para este estudio como la circunferencia de brazo para la
predicción de mortalidad.
Es posible con los datos disponibles crear otros modelos predictivos que
quizá son menos autoexplicativos que la regresión o el árbol de decisión, pero
obtengan mejores tasas de aciertos y/o menor cantidad de falsos negativos;
como el clasificador SVM o una red bayesiana.
Existen poca información comparable a nuestros resultados en la literatura
nacional e internacional.
132
BIBLIOGRAFÍA.
1. West JB. Respiratory Physiology: The Essentials. 7th. Edition. New York:
Lippincott Williams & Wilkins; 2008.
2. Lumb AB. Nunn´s applied respiratory physiology. 7 th. Edition. New York: Elsevier;
2010.
3. Netter F. Atlas de Anatomía Humana. 4ta. Edición. Elsevier Masson. Barcelona;
2007.
4. Mulroney S, Myers A. Netter: Fundamentos de fisiología. 1era. Edición. Elsevier.