RESUM Introducció: És difícil aconseguir temps òptims d´angioplàstia primària (AP) en un percentatge de pacients amb IAMEST procedents del medi extra-hospitalari o d'hospitals sense programa d'AP. Disposar d'una eina de predicció del temps d'AP desde el diagnòstic podria ser útil. El nostre objectiu va ser crear un model de predicció del temps d'ECG diagnòstic-pas de guia i realitzar una validació d'aquest model.
Mètode Estudi de cohorts prospectiu de pacients ingressats a la unitat de cures crítiques cardiològiques (2007-2018) amb IAMEST, tractats amb AP i que van requerir ser traslladats a un centre amb disponibilitat d'hemodinàmica. Es va realitzar un anàlisi per identificar les variables predictores de demora de l'ECG diagnòstic- pas de guia, es va crear un model de predicció d'aquest temps i una validació interna del model.
Resultats Es van incloure un total de 1.049 pacients en l'estudi. Les variables incloses en el model de predicció van ser la insuficiència cardíaca greu a l'ingrés (Killip ≥3) (OR 1,100 IC 95% (1,048-1,155) p = 0,0001), la cirurgia cardíaca prèvia de bypass (OR 1,241 IC 95% (1,119-1,377) p <0,001), la mort sobtada extrahospitalària (OR 1,150 IC 95% (1,078-1,228) p <0,001), la localització lateral de l'IAM (OR 1,065 IC 95% (1,030-1,102) p = 0, 0002), el primer contacte amb hospital sense disponibilitat d'hemodinàmica (OR 1,225 IC 95% (1,174-1,279) p <0,001), centre d'atenció primària (OR 1,183 IC 95% (1,131-1,238) p <0,001), domicili ( OR 1,077 IC 95% (1,026-1,131) p = 0,003) i finalment la distància al centre amb hemodinàmica; <40 Km (OR 1,034 IC 95% (1,026-1,043) p <0,001) i> 40 km (OR 1.079 IC 95% (1,066-1,092) p <0,001). La validació interna va mostrar un R quadrat de 0,355 i una correlació de 0,6. L'àrea sota la corba per a temps superiors a 120 minuts va ser de 0,785.
Conclusions Identificades les variables predictores del temps ECG diagnòstic-pas de guia es va crear un model de predicció, amb una validació interna satisfactòria, que pot ser útil en la presa de decisions clíniques en el IAMEST.
RESUMEN Introducción: Es difícil conseguir tiempos óptimos de angioplastia primaria (AP) en un porcentaje de pacientes con IAMEST procedentes del medio extra-hospitalario o de hospitales sin programa de AP. Disponer de una herramienta de predicción del tiempo de AP en a primera asistencia podría ser útil. Nuestro objetivo fue crear un modelo de predicción del tiempo de ECG diagnóstico-paso de guía y realizar una validación de este modelo.
Método Estudio de cohortes prospectivo de pacientes ingresados en la unidad de cuidados críticos cardiológicos (2007-2018) con IAMEST, tratados con AP y que requirieron ser trasladados a un centro con disponibilidad de hemodinámica. Se realizó un análisis para identificar las variables predictoras de demora del ECG diagnóstico- paso de guía, se creó un modelo de predicción de este tiempo y una validación interna del modelo.
Resultados Se incluyeron un total de 1.049 pacientes en el estudio. Las variables incluidas en el modelo de predicción fueron la insuficiencia cardíaca grave al ingreso (Killip ≥3) (OR 1,100 IC 95% (1,048-1,155) p=0,0001), la cirugía cardíaca previa de bypass (OR 1,241 IC 95% (1,119-1,377) p <0,001), la muerte súbita extrahospitalaria (OR 1,150 IC 95% (1,078-1,228) p <0,001), la localización lateral del IAM (OR 1,065 IC 95% (1,030-1,102) p=0,0002), el primer contacto con hospital sin disponibilidad de hemodinámica (OR 1,225 IC 95% (1,174-1,279) p<0,001), centro de atención primaria (OR 1,183 IC 95% (1,131-1,238) p<0,001), domicilio (OR 1,077 IC 95% (1,026-1,131) p=0,003) y finalmente la distància al centro con hemodinámica; < 40 Km (OR 1,034 IC 95% (1,026-1,043) p<0,001) y >40 Km (OR 1.079 IC 95% (1,066-1,092) p<0,001). La validación interna mostró un R cuadrado de 0,355 y una correlación de 0,6. El área bajo la curva para tiempos superiores a 120 minutos fue de 0,785.
Conclusiones Identificadas las variables predictoras del tiempo ECG diagnóstico-paso de guía se creó un modelo de predicción de este tiempo, con una validación interna satisfactoria, que puede ser útil en la toma de decisiones clínicas en el IAMEST
© 2001-2024 Fundación Dialnet · Todos los derechos reservados