Una escala de 12 ítems permite predecir la mortalidad en mayores de 50 años Lee SJ, Lindquist K, Segal MR, Covinsky KE. Development and Validation of.

Presentación del tema: "Una escala de 12 ítems permite predecir la mortalidad en mayores de 50 años Lee SJ, Lindquist K, Segal MR, Covinsky KE. Development and Validation of."— Transcripción de la presentación:

1

2 Una escala de 12 ítems permite predecir la mortalidad en mayores de 50 años Lee SJ, Lindquist K, Segal MR, Covinsky KE. Development and Validation of a Prognostic Index for 4-Year Mortality in Older Adults. JAMA 2006; 295: 801-808. AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ]

3 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Antecedentes El desarrollo de índices pronósticos puede ser muy útil: –al tomar decisiones de tratamiento en la clínica, –para llevar a cabo estudios epidemiológicos. Sin embargo, se dispone de pocos de estos índices que sean aplicables a la población general.

4 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Objetivos Desarrollar un índice pronóstico a 4 años de personas >50 años que viven en la comunidad.

5 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Diseño (1) Estudio de cohortes (Health and Retirement Survey [HRS]): –Se inició en 1992. –Se entrevistaba telefónicamente a una muestra representativa de 20.447 personas >50 años. –Tasa de respuesta: 82%. Criterios de exclusión: –Personas que residían en centros sociosanitarios y –aquellas en las que no se pudo conocer su estado vital en 2002.

6 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Diseño (2) De la muestra resultante habían muerto 2.433 personas en 2002. Se dividió a la población del estudio en 4 submuestras en función de su distribución geográfica. Se utilizaron para: –Desarrollo del modelo: regiones occidental, oriental y central. –Validación del modelo: región del Sur. Variable de resultado: muerte.

7 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Diseño (3) Variables potencialmente predictoras: –Demográficas: edad y sexo. –Conductuales y de comorbilidad: consumo de tabaco y de alcohol, HTA, diabetes mellitus, cánceres (excepto los de piel), neumopatías crónicas, insuficiencia cardíaca y otras cardiopatías, AVC, etc. –Estado funcional: 6 actividades de la vida diaria 5 actividades instrumentales 10 variables funcionales derivadas de la Rosow-Breslau Functional Health Scale y del Nagi Index.

8 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Diseño (4) Se excluyeron expresamente del modelo variables que se sabe que están relacionadas con la mortalidad, pero que pueden presentar diferencias importantes entre distintas regiones geográficas: –nivel socioeconómico o –número de ingresos hospitalarios.

9 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (1)

10 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (2) Cohorte de desarrollo Cohorte de validación Edad media (años)67 Mujeres (%)5756 Raza blanca (%)8171 Dificultad actividades vida diaria (%)1618 instrumentales (%)1216 Mortalidad a los 4 años (%)1213 Principales características de los participantes en el estudio.

11 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (3) En el análisis bivariante todas las variables estaban relacionadas con la mortalidad. La variable con mayor capacidad predictiva fue la edad (los pacientes de >85 años tenían una odds ratio de 26,7 respecto a los de 50-59 años). Los varones tenían mayor mortalidad que las mujeres.

12 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (4) En el análisis multivariante únicamente 19 variables mostraron estar estadísticamente relacionadas con la mortalidad. Se elaboró un modelo final con 12 variables sin que se perdiese apenas capacidad predictiva. En el modelo resultante, el área bajo la curva ROC fue de 0,84 en la cohorte de desarrollo y de 0,82 en la de validación.

13 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (5) OR ajustada (IC 95%)Puntos Edad (años) 50-5910 60-641,9 (1,4 a 2,5)1 65-692,8 (2,1 a 3,7)2 70-743,7 (2,8 a 4,9)3 75-795,4 (4,1 a 7,1)4 80-848,3 (6,3 a 11,0)5 ≥8516,2 (12,2 a 21,6)7 Sexo Mujer10 Varón2,0 (1,8 a 2,3)2 Tabla para el cálculo de la mortalidad a los 4 años en pacientes >50años.

14 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (6) OR ajustada (IC 95%) Puntos Comorbilidades y conductas Diabetes mellitus1,8 (1,5 a 2,1)1 Cáncer2,1 (1,7 a 2,4)2 Enf. resp. crónica2,3 (1,8 a 2,9)2 Insuf. cardíaca2,3 (1,8 a 3,1)2 IMC<251,7 (1,4 a 1,9)1 Fumador activo2,1 (1,7 a 2,5)2 Incapacidades funcionales Baño2,0 (1,6 a 2,4)2 Manejo dinero1,9 (1,6 a 2,3)2 Caminar varias manzanas2,1 (1,8 a 2,4)2 Empujar objetos pesados1,5 (1,3 a 1,8)1

15 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (7) Puntos Cohorte de desarrollo Cohorte de validación Puntos Cohorte de desarrollo Cohorte de validación 00181920 11292420 212102728 334114345 446124844 558135459 699≥146764 71215 Interpretación de la puntuación en riesgo de muerte a los 4 años (%).

16 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Resultados (8) Cuando se utilizó en determinadas subpoblaciones su capacidad predictiva disminuyó un poco, pero el área bajo la curva ROC se mantuvo en todos por encima de 0,70: –diferentes grupos de edad, –negros, –personas de nivel educativo bajo.

17 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Conclusiones Los autores concluyen que un modelo de 12 variables fácilmente accesibles es eficaz para estratificar el riesgo de muerte a los 4 años en personas >50 años que viven en la comunidad.

18 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Comentario (1) En los últimos años se han incorporado a la práctica clínica habitual de la atención primaria instrumentos de predicción del riesgo de determinadas enfermedades, en especial, de las enfermedades cardiovasculares. La informatización de las consultas facilitará la introducción de otras escalas de forma que puedan servir de ayuda a la toma de decisiones clínicas, entre ellas las de predicción del riesgo de muerte.

19 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Comentario (2) De hecho, la US Task Force y otros grupos de trabajo proponen reservar algunas de las actividades de cribado de determinadas neoplasias para las personas que tengan una supervivencia esperada >5 años. Estos índices también pueden tener utilidad: –en la planificación de servicios sanitarios y –en investigación epidemiológica.

20 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Comentario (3) El que se propone en este trabajo ha sido validado en una población: –representativa, –no institucionalizada, –con un amplio rango de edades. Muestra una mejor capacidad predictiva que otros publicados previamente y que se habían elaborado en poblaciones especiales, como pacientes ingresados o veteranos.

21 AP al día [ http://www.apaldia.com/resumenes/resumen.php?idresumen=212 ] Comentario (4) Los autores atribuyen este mejor comportamiento a la incorporación en la escala de variables funcionales, que aportarían información sobre el impacto de las enfermedades sobre el grado de salud global de los individuos. Otras características importantes de esta escala es que se basa en medidas fácilmente accesibles para el paciente y para los profesionales de atención primaria. Incluso puede hacerse autoadministrado. Antes de su utilización generalizada sería conveniente estudiar su comportamiento en otras poblaciones, en nuestro caso, especialmente en la población española.