Ayuda
Ir al contenido

Dialnet


Modelos predictivos de bacteriemia en el servicio de urgencias: revisión sistemática

    1. [1] Universidad de Castilla-La Mancha

      Universidad de Castilla-La Mancha

      Ciudad Real, España

    2. [2] Hospital General Universitario Santa Lucía

      Hospital General Universitario Santa Lucía

      Cartagena, España

    3. [3] Hospital General de México

      Hospital General de México

      México

    4. [4] Hospital Clínico San Carlos de Madrid

      Hospital Clínico San Carlos de Madrid

      Madrid, España

    5. [5] 2Hospital de Alta Complejidad El Cruce, Argentina
  • Localización: Emergencias: Revista de la Sociedad Española de Medicina de Urgencias y Emergencias, ISSN 1137-6821, Vol. 36, Nº. 1 (Febrero), 2024, págs. 48-62
  • Idioma: español
  • Títulos paralelos:
    • Models to predict bacteremia in the emergency department: a systematic review
  • Enlaces
  • Resumen
    • español

      Objetivo. La obtención de hemocultivos (HC) se realiza en el 15% de los pacientes atendidos con sospecha de infección en los servicios de urgencias (SU) con una rentabilidad diagnóstica variable (2-20%). La mortalidad a 30 días de estos pacientes con bacteriemia es elevada, doble o triple que el resto con el mismo proceso. Así, encontrar un modelo predictivo de bacteriemia eficaz y aplicable en los SU sería muy importante. Clásicamente, el modelo de Shapiro ha sido la referencia en todo el mundo. El objetivo de esta revisión sistemática (RS) es comparar la capacidad para predecir bacteriemia en los SU de los distintos modelos predictivos publicados desde el año 2008 (fecha de publicación del modelo de Shapiro).

      Métodos. Se realiza una RS siguiendo la normativa PRISMA en las bases de datos de PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Tripdatabase y ClinicalTrials.gov desde enero de 2008 hasta 31 mayo 2023 sin restricción de idiomas y utilizando una combinación de términos MESH: “Bacteremia/Bacteraemia/Blood Stream Infection”, “Prediction Model/Clinical Prediction Rule/Risk Prediction Model”, “Emergencies/Emergency/Emergency Department” y “Adults”. Se incluyeron estudios de cohortes observacionales (analíticos de rendimiento diagnóstico). Para valorar la calidad del método empleado y el riesgo de sesgos de los artículos incluidos se utilizó la Newcastle-Ottawa Scale (NOS). No se incluyeron estudios de casos y controles, revisiones narrativas y en otros tipos de artículos. No se realizaron técnicas de metanálisis, pero los resultados se compararon narrativamente. El protocolo de la RS se registró en PROSPERO (CRD42023426327).

      Resultados. Se identificaron 917 artículos y se analizaron finalmente 20 que cumplían los criterios de inclusión. Los estudios incluidos contienen 33.182 HC procesados con 5.074 bacteriemias (15,3%). Once estudios fueron calificados de calidad alta, 7 moderada y 2 baja. El ABC-COR conseguida por el modelo de Shapiro varía de 0,71 a 0,83, con sensibilidad (Se) hasta del 98%, con especificidad (Es) (26% a 69%). Para los tres modelos que tienen validación interna y externa y una buena calidad metodológica, el modelo de Lee consigue un ABC-COR de 0,81 con Se: 68% y Es: 81%, el modelo 5MPB-Toledo consigue un ABC-COR entre 0,91 y 0,95, y el MPB-INFURG-SEMES obtiene una ABC-COR de 0,92 con una Se: 97% y Es: 76%.

      Conclusiones. Los modelos 5MPB-Toledo y MPB-INFURG-SEMES representan herramientas útiles para la estratificación del riesgo real de bacteriemia en los pacientes atendidos en los SU.

    • English

      Objective. Blood cultures are ordered in emergency departments for 15% of patients with suspected infection. The diagnostic yield varies from 2% to 20%. Thirty-day mortality in patients with bacteremia is high, doubling or tripling the rate in patients with the same infection but without bacteremia. Thus, finding an effective model to predict bacteremia that is applicable in emergency departments is an important goal. Shapiro’s model is the one traditionally used as a reference internationally. The aim of this systematic review was to compare the predictive power of bacteremia risk models published since 2008, when Shapiro’s model first appeared.

      Methods. We followed the recommendations of the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) statement, searching in the following databases for articles published between January 2008 and May 31, 2023: PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Trip Medical Database, and ClinicalTrials.gov. No language restrictions were specified. The search terms were the following Medical Subject Headings: bacteremia/bacteraemia/blood stream infection, prediction model/clinical prediction rule/risk prediction model, emergencies/emergency/emergency department, and adults. Observational cohort studies diagnostic yield were included; case-control studies, narrative reviews, and other types of articles were excluded. The Newcastle-Ottawa Scale was used to score quality and risk of bias in the included studies. The results were compared descriptively, without meta-analysis. The protocol was included in the PROSPERO register (CRD42023426327).

      Results. Twenty studies out of a total of 917 were found to meet the inclusion criteria. The included studies together analyzed 33 182 blood cultures, which detected 5074 cases of bacteremia (15.3%). Eleven studies were of high quality, 7 of moderate quality, and 2 of low quality. The area under the receiver operating characteristic curve (AUC) of Shapiro’s model varied from 0.71 to 0.83. Sensitivity was as high as 98%, and specificity ranged from 26% to 69%. Three models with high scores for quality were also supported by both internal and external validation studies: Lee’s model (AUC, 0.81; sensitivity 68%; specificity, 81%), the 5MPB-Toledo model (AUC, 0.906 to 0.946), and the MPB-INFURG-SEMES model (AUC, 0.924; sensitivity, 97%; specificity, 76%.

      Conclusions. The 5MPB-Toledo and MPB-INFURG-SEMES are useful for assessing the true risk of bacteremia in patients attended in emergency departments.


Fundación Dialnet

Dialnet Plus

  • Más información sobre Dialnet Plus

Opciones de compartir

Opciones de entorno