Documento descargado de http://www.elsevier.es el 11/01/2011.

Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 761

ORIGINALES

Modelo predictivo de neumonía nosocomial

en unidades de cuidados intensivos 168.405

Carlos Lapresta Moros, Víctor Manuel Solano Bernad,

Adriana del Villar Belzunce, María Jesús Hernández Navarrete,
Ana Gómez-Juárez Sango y José Luis Arribas Llorente
Servicio de Medicina Preventiva y Salud Pública. Hospital Universitario Miguel Servet. Zaragoza. España.

FUNDAMENTO Y OBJETIVO: La neumonía es la infección nosocomial más frecuente en unidades de La infección nosocomial más habitual en
cuidados intensivos (UCI) y contribuye enormemente tanto a desenlaces negativos como a ele- las unidades de cuidados intensivos (UCI)
vados costes en pacientes críticos. Identificar a los pacientes con mayor riesgo de desarrollar es la neumonía1-4, que se asocia a mayor
una neumonía nosocomial es importante para seleccionar medidas preventivas correctas.
PACIENTES Y MÉTODO: Se ha realizado un estudio observacional y prospectivo de 2 cohortes de pa- morbilidad y mortalidad, prolongación de
cientes ingresados en UCI durante 24 h o más: la cohorte principal (n = 1.184) y la cohorte de la estancia hospitalaria y aumento del gas-
validación (n = 554). Se construyó un modelo predictivo con los datos de la cohorte principal to económico5-9. Los factores de riesgo de
mediante regresión logística. Se obtuvieron curvas de eficacia diagnóstica y valores predictivos la neumonía nosocomial (NN) han sido
para diferentes puntos de corte con los datos de ambas cohortes. ampliamente investigados y publicados en
RESULTADOS: Para el modelo predictivo se eligieron 8 variables: nutrición parenteral, nutrición
enteral, intubación nasogástrica, traqueostomía, ventilación mecánica, cirugía previa, coma y dia- la literatura médica. De entre todos ellos, la
betes. En la cohorte principal el modelo tuvo una sensibilidad del 81% y una especificidad del ventilación mecánica es el más importan-
78,4% en la predicción de neumonía nosocomial (test estadístico de Hosmer-Lemeshow, p = 0,93; te y la principal razón de que la inciden-
área bajo la curva de eficacia diagnóstica = 0,861; intervalo de confianza del 95%, 0,824- cia de esta infección en pacientes ingre-
0,898). En la cohorte de validación el área bajo la curva de eficacia diagnóstica fue de 0,849
(intervalo de confianza del 95%, 0,742-0,956).
sados en UCI sea muy superior a la del
CONCLUSIONES: El modelo obtenido presenta unos resultados satisfactorios en ambas cohortes. resto del hospital10-12. La clasificación de
Además, las variables usadas son simples, disponibles en la práctica habitual y familiares para los pacientes de acuerdo con su riesgo de
los clínicos. infección según estos factores es funda-
mental para llevar a efecto las medidas
Palabras clave: Infección nosocomial respiratoria. Neumonía. Unidad de cuidados intensivos.
profilácticas de NN de la forma más ade-
cuada e individualizada posible, así como
para la puesta en marcha de pruebas diag-
Predictive model for nosocomial pneumonia in intensive care units
nósticas y medidas terapéuticas lo antes
BACKGROUND AND OBJECTIVE: Nosocomial pneumonia is the most common nosocomial infection in posible.
the intensive care units (ICUs) and contributes disproportionately to both poor outcomes and En torno a algunas de las medidas de
high cost of care in critically ill patients. In order to identify patients with greater risk of develo- prevención de la NN existen en la actua-
ping nosocomial pneumonia in ICUs, it is important to select the right preventive measures. lidad numerosas controversias, como
PATIENTS AND METHOD: It was an observational study of 2 prospective cohorts of patients staying ocurre con la ventilación no invasiva, la
in the ICU for 24 h or more: the main cohort (n = 1,184) and the validation cohort (n = 554).
A predictive model was constructed with the data of the main cohort using a logistic regression. antibioterapia profiláctica o la succión
Receiver operating characteristic (ROC) curves and predictive values for different cut points continua de secreciones subglóticas13-17.
were obtained with the data of both cohorts. El objetivo de este estudio es la identifica-
RESULTS: Eight variables were selected for the predictive model: parenteral nutrition, enteral nu- ción de los principales factores de riesgo
trition, nasogastric intubation, tracheostomy, mechanical ventilation, previous surgery, coma
and diabetes. In the main cohort, the model had a sensitivity of 81% and a specificity of
de NN en las UCI y la combinación más
78.4% in predicting nosocomial pneumonia (Hosmer-Lemeshow statistic p = 0.93; area under idónea de éstos para la obtención del
ROC curve = 0.861; 95% confidence interval, 0.824-0.898). In the validation cohort, the area modelo multivariante con mayor capaci-
under ROC curve was 0.849 (95% confidence interval, 0.742-0.956). dad predictiva. De esta forma podremos
CONCLUSIONS: The resulting model presents satisfactory results in both cohorts. In addition, the adecuar lo mejor posible el manejo de los
variables used are simple, routinely available, and familiar to clinicians.
pacientes críticos en función del riesgo
Key words: Nosocomial respiratory infection. Pneumonia. Intensive care unit. de contraer estas infecciones.

Pacientes y método
Pacientes
Se ha realizado un estudio de seguimiento de 2 cohor-
tes. La primera, a la que denominamos principal, es-
taba formada por todos los pacientes ingresados 24
h o más en la UCI Polivalente del Hospital Universi-
tario Miguel Servet entre el 30 de mayo de 2000 y el
30 de mayo de 2003; la segunda cohorte, de valida-
ción del modelo, estuvo constituida por los pacientes
ingresados 24 h o más en la UCI Poscirugía Cardía-
ca del mismo hospital entre el 1 de enero de 2004 y
el 31 de diciembre del mismo año. El tiempo de se-
guimiento en ambos casos fue el necesario hasta
que se hubo dado de alta a todos los pacientes in-
cluidos.
Correspondencia: Dr. C. Lapresta Moros.
Servicio de Medicina Preventiva y Salud Pública. Hospital Universitario Miguel Servet.
P.º Isabel la Católica, 1-3. 50009 Zaragoza. España. Recogida de datos
Correo electrónico: clapresta@salud.aragon.es Los datos se recogieron a diario en la UCI a través de
Recibido el 23-1-2007; aceptado para su publicación el 2-2-2007. la revisión de historias clínicas y del intercambio de in-

Med Clin (Barc). 2007;128(20):761-5 761

 Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 762

LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS

formación con los médicos y enfermeras responsa- Las diferencias entre las variables se consideraron tes se les practicó alguna intervención
bles de la unidad. Realizaban esta visita diaria a la estadísticamente significativas con un valor de p infe-
unidad enfermeras del Servicio de Medicina Preventi- rior a 0,05. Todo el análisis estadístico de los datos quirúrgica. La cohorte de validación se
va con formación específica en infección nosocomial se realizó con la herramienta informática SPSS ver- compuso de 554 pacientes, un 66,2%
y médicos internos y residentes de Medicina Preven- sión 12.0.0 para Windows (SPSS Inc., Chicago, IL, varones y el 33,8% mujeres. Un total de
tiva y Salud Pública. EE.UU.).
Las variables de seguimiento estudiadas fueron gene-
25 (4,5%) presentaron alguna NN; la es-
rales y de filiación, como fecha de nacimiento, sexo, tancia media fue de 4,65 días, un 93,1%
fechas de ingreso y alta, riesgo de base, salud previa, ingresó con diagnóstico principal cardio-
puntuación APACHE II (Acute Physiology Score and Resultados
Chronic Health Evaluation), diagnóstico principal, nú-
circulatorio y al 82,9% se le realizó alguna
mero de diagnósticos y motivo de alta. Se registraron En la cohorte principal se incluyó a un to- intervención quirúrgica. Las característi-
factores de riesgo intrínsecos de infección nosoco- tal de 1.184 pacientes, de los que 100 cas principales de los pacientes de am-
mial como inmunodeficiencia, infección previa por (8,45%) presentaron alguna NN. El bas cohortes se presentan en la tabla 1.
microorganismos multirresistentes, inmunodepresión,
obesidad, insuficiencia vascular periférica, neutrope- 70,7% eran varones y el 29,3% restante, En lo referente al análisis bivariante, los
nia, úlcera de decúbito, focalidad motora, coma, dro- mujeres. La edad media fue de 61,55 modelos de regresión logística con una
gadicción, diabetes, enfermedad pulmonar obstructi- años y la estancia media de 9,28 días. En única variable independiente concluyeron
va crónica (EPOC), insuficiencia renal, neoplasia y
cirrosis hepática, así como factores de riesgo extrín-
cuanto a las categorías de diagnóstico que había diferencias estadísticamente sig-
secos (quedaron reflejadas las fechas de inicio y de principal, las más frecuentes fueron las nificativas para el índice APACHE II, obesi-
retirada de cada uno), tales como sonda urinaria ce- neoplasias (31,7%), seguidas de enfer- dad, coma, diabetes, insuficiencia renal,
rrada, catéter venoso periférico, catéter venoso central, medades circulatorias (22,9%) y respira- sonda nasogástrica, ventilación mecánica,
catéter arterial, sonda nasogástrica, ventilación mecá-
nica, nutrición enteral, nutrición parenteral, tratamien- torias (12,9%). Al 54,8% de los pacien- nutrición enteral, nutrición parenteral, tra-
to inmunodepresor y traqueostomía. Se registraron
igualmente las intervenciones quirúrgicas con sus co-
rrespondientes fechas de intervención, procedimientos TABLA 1
realizados, número de procedimientos en las interven-
ciones, riesgo quirúrgico, duración de las intervencio-
Características de los pacientes de las cohortes principal y de validación
nes y profilaxis quirúrgica, así como los tratamientos
antibióticos con sus fechas de inicio y de retirada, y Cohorte principal Cohorte de validación
Característica
datos sobre infecciones nosocomiales, como fecha de (n = 1.184) (n = 554)
la infección, localización de ésta, resultado del cultivo, Neumonía nosocomiala 100 (8,45) 25 (4,51)
tipo de muestra y microorganismos aislados. Neumonía asociada a ventiladora 79 (6,67) 22 (3,66)
La presencia de los diferentes tipos de infecciones Edad (años)b 61,55 (15,39) 63,76 (14,62)
nosocomiales se definió según los criterios de los Sexo: varón/mujer 837/347 362/192
Centers for Disease Control de Atlanta18. APACHE IIb 11,94 (5,41) 11,39 (6,52)
Estancia en hospital (días)b 9,28 (15,10) 4,65 (49,51)
Análisis estadístico Intervención quirúrgicaa 649 (54,81%) 474 (85,56%)
Factores intrínsecosa
La variable dependiente de nuestros análisis fue, en Inmunodeficiencia 43 (3,63%) 3 (0,54%)
todos los casos, la variable dicotómica paciente con Obesidad 72 (6,08%) 41 (7,40%)
NN (sí/no). Para las variables independientes, expre- Coma 79 (6,67%) 4 (0,72%)
sadas como días hasta el evento (en este caso, pa- Diabetes 180 (15,20%) 105 (18,95%)
ciente con NN), en los individuos sin el evento el va- EPOC 247 (20,86%) 68 (12,27%)
lor de la variable era equivalente al total de días Insuficiencia renal 112 (9,46%) 78 (14,07%)
(asumiendo que el riesgo existía hasta el alta); en Neoplasia 418 (35,30%) 25 (4,51%)
aquellos con una sola NN se calcularon los días Cirrosis hepática 24 (2,03%) 3 (0,54%)
transcurridos entre el ingreso y la infección, y en los Factores extrínsecosc
individuos con más de una NN se calculó la media Sonda urinaria cerrada 965 (81,50%), 9,66 515 (92,96%), 5,91
de los días transcurridos hasta cada una de ellas. Se Catéter venoso periférico 432 (36,49%), 8,53 497 (89,71%), 4,48
hizo una excepción para el cálculo de los días de an- Catéter venoso central 700 (59,12%), 9,63 531 (95,85%), 6,07
tibioterapia, donde sólo se tuvieron en cuenta los pre- Sonda nasogástrica 568 (47,97%), 8,97 473 (83,38%), 3,38
vios a la primera infección del paciente; de esta for- Ventilación mecánica 380 (32,09%), 9,24 480 (86,64%), 3,75
ma se obtuvieron días de antibioterapia profiláctica. Nutrición enteral 124 (10,47%), 14,18 50 (9,03%), 12,15
Las variables cuantitativas se categorizaron intentan- Nutrición parenteral 179 (15,12%), 13,80 29 (5,23%), 14,66
do obtener la mayor asociación estadística. Para lle- Tratamiento inmunodepresor 178 (15,03%), 11,61 32 (5,78%), 6,68
var a cabo esta conversión se utilizó el procedimiento Traqueostomía 66 (5,57%), 19,14 17 (3,07%), 29,47
del punto de corte óptimo o de valor mínimo de p19. a
Para la creación del modelo predictivo se realizó un Valores expresados como número de individuos con el factor y su porcentaje del total; bvalores expresados como media (desviación
estándar); cvalores expresados como número de individuos con el factor (porcentaje del total), media de días con el factor presente.
análisis multivariante de regresión logística usando APACHE: Acute Physiology Score and Chronic Health Evaluation; EPOC: enfermedad pulmonar obstructiva crónica.
los datos recogidos de la cohorte principal del estu-
dio. Para ello se siguieron varios pasos. En primer lu-
gar se eligieron las potenciales variables a introducir TABLA 2
en el modelo mediante un análisis estadístico simple
o bivariante con regresión logística. Se introdujeron Análisis bivariante
inicialmente aquellas que actuaban como potenciales
factores de riesgo, entendiendo como tales las que Variable independiente p Exp. (B) IC del 95% para Exp. (B)
presentaban significación estadística o una buena APACHE II 0,015 1,045 1,009-1,083
justificación teórica según la literatura médica más Obesidad 0,031 2,109 1,070-4,157
relevante. A continuación, se exploraron los modelos Coma 0,000 5,382 3,147-9,205
obtenidos con los métodos de inclusión secuencial, Diabetes 0,012 1,879 1,152-3,064
exclusión secuencial y paso a paso. Se fijaron en el EPOC 0,188 – –
modelo las variables detectadas como más importan- Insuficiencia renal 0,022 1,960 1,104-3,481
tes y se fueron añadiendo de forma controlada las Neoplasia 0,247 – –
restantes para mejorar el ajuste. Se realizó el análisis Sonda nasogástrica 0,000 13,061 6,516-26,179
de residuales para detectar anomalías. Se seleccionó Ventilación mecánica 0,000 10,156 6,163-16,736
por último el modelo final, cuya calibración se compro- Nutrición enteral 0,000 8,601 5,401-13,697
bó con la prueba estadística de Hosmer-Lemeshow. Nutrición parenteral 0,000 3,199 2,027-5,049
La evaluación de la capacidad predictiva del modelo Tratamiento inmunodepresor 0,000 2,710 1,708-4,300
construido se llevó a cabo mediante la aplicación de Traqueostomía 0,000 5,963 3,212-11,068
curvas de eficacia diagnóstica (curvas ROC). Para la Intervención quirúrgica 0,020 1,668 1,084-2,566
comprobación de la validez externa del modelo pre- Tratamiento antibiótico previo 0,001 3,241 1,663-6,315
dictivo obtenido se construyó una curva de eficacia Estancia previa 0,000 1,047 1,021-1,074
diagnóstica a partir de los resultados obtenidos de la Edad 0,804 – –
aplicación de la ecuación de regresión a los datos de
la cohorte de validación. APACHE: Acute Physiology Score and Chronic Health Evaluation; B: coeficiente; EPOC: enfermedad pulmonar obstructiva cróni-
ca; Exp.: exponencial del coeficiente; IC: intervalo de confianza.

762 Med Clin (Barc). 2007;128(20):761-5

 Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.

04 761-765 ORIG 32515 24/5/07 12:34 Página 763

LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS

1,0 1,0

0,8 0,8

0,6 0,6
Sensibilidad

Sensibilidad
0,4 0,4

0,2 0,2

0,0 0,0
0,0 0,2 0,4 0,6 0,8 1,0 0,0 0,2 0,4 0,6 0,8 1,0
1-Especificidad 1-Especificidad

Fig. 1. Curva de eficacia diagnóstica de la cohorte principal. Fig. 2. Curva de eficacia diagnóstica de la cohorte de validación.

TABLA 3 en el modelo, incluyendo para cada una

de ellas el valor de su coeficiente (B), su
Variables incluidas en el modelo de regresión logística valor de p, la exponencial de su coefi-
Variable predictora
B Significación
Exp. (B)
IC del 95% para Exp. ciente y el intervalo de confianza (IC) del
estadística (B) 95% de este último.
Nutrición parenteral total 0,557 0,044 1,745 1,016-2,997 Desde el punto de vista de la capacidad
Nutrición enteral 1,239 0,000 3,453 2,018-5,909 de discriminación del modelo, en la tabla 4
Sonda nasogástrica 1,166 0,004 3,209 1,449-7,111
Traqueostomía 1,116 0,002 3,052 1,494-6,232 se presentan las comparaciones entre los
Ventilación mecánica 1,289 0,000 3,628 2,013-6,537 resultados pronosticados por el modelo y
Diabetes 0,782 0,006 2,186 1,250-3,824 los resultados reales. Esta tabla es, consi-
Coma 0,979 0,003 2,661 1,408-5,031
Intervención quirúrgica 0,698 0,009 2,010 1,194-3,382
derando la ecuación de regresión logística
Constante –5,096 0,000 0,006 a modo de prueba diagnóstica, un resu-
B: coeficiente; Exp.: exponencial del coeficiente; IC: intervalo de confianza. men de los índices propios de las pruebas
diagnósticas. De este modo, nuestro mo-
TABLA 4 tamiento inmunodepresor, traqueostomía, delo tiene una sensibilidad del 81%, una
intervención quirúrgica, tratamiento anti- especificidad del 78,4% y un porcentaje
Tabla de clasificación del modelo biótico previo a la NN y estancia previa a de clasificaciones correctas del 78,6%.
multivariante para la cohorte principal la NN (tabla 2). Para obtener estos índices se usó como
Pronosticado Para la construcción del modelo de re- punto de corte el 0,09, lo que viene a de-
Paciente con gresión logística se incluyó a los 1.184 cir que, si a cada paciente la ecuación le
Observado
NN sí/no Porcentaje
correcto
pacientes de la cohorte principal; por asigna una probabilidad de tener el even-
No Sí tanto, no hubo ningún caso que no se in- to de entre 0 y 1, las probabilidades su-
Paciente No 850 234 78,4
trodujera por falta de información. En la periores a 0,09 se consideraron pronósti-
con NN sí/no Sí 19 81 81,0 tabla 3 se describen pormenorizadamen- cas de la infección. El 0,09 como punto
Porcentaje global 78,6 te los resultados obtenidos de forma indi- de corte óptimo se seleccionó por ser el
NN: neumonía nosocomial. vidualizada para cada variable incluida de mayor capacidad discriminatoria, en-
tendiendo como tal la media de la sensi-
TABLA 5 bilidad y la especificidad correspondien-
Valores predictivos para diferentes puntos de corte en la cohorte de validación tes a cada punto de corte.
Calculando la sensibilidad y especificidad
Punto de corte
Predicción NN Predicción no NN
VPP (%) VPN (%)
del modelo estimado, y tomando como
Total Correctos Total Correctos punto de corte probabilidades que varia-
0,09 59 19 495 489 32,20 98,79 ban entre 0 y 1, se dibujó una curva de
0,13 29 15 565 515 51,72 91,15 eficacia diagnóstica (fig. 1), cuya área re-
0,18 25 13 529 517 52,00 97,73 sultó ser 0,861 sobre 1, con un IC del
0,23 23 13 531 519 56,52 97,74
0,40 13 8 541 524 61,54 96,86
95% de 0,824-0,898 y un nivel de signi-
0,70 12 8 542 525 66,67 96,86 ficación estadística p inferior a 0,001. La
0,90 0 0 554 529 0,00 95,59 prueba de Hosmer y Lemeshow tuvo una
NN: neumonía nosocomial; VPN: valor predictivo negativo; VPP: valor predictivo positivo. significación estadística de 0,927.
Med Clin (Barc). 2007;128(20):761-5 763
 Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
04 761-765 ORIG 32515 24/5/07 12:34
LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS
La aplicación de la ecuación del modelo
de regresión logística obtenido a nuestra
cohorte de validación dio como resultado
la curva de eficacia diagnóstica que se
muestra en la figura 2, con un área bajo
la curva de 0,849 (IC del 95%, 0,742-
0,956; p < 0,001). Por último, se calcula-
ron los valores predictivos positivos y ne-
gativos en la cohorte de validación para
diferentes puntos de corte (tabla 5).
Discusión
Los resultados obtenidos del análisis tan-
to descriptivo como bivariante son suma-
mente concordantes con la bibliografía
más relevante, lo cual da credibilidad a la
calidad de los datos recogidos de nues-
tras cohortes. Los valores de las tasas de
NN resultaron algo mayores en nuestra
investigación que en otros estudios lleva-
dos a cabo en nuestro medio7,20. Al cal-
cular la densidad de incidencia de neu-
monía asociada a ventilador (NAV) en
ambas cohortes se obtuvo una tasa de
22,49 NAV por cada 1.000 días de venti-
lación mecánica en la cohorte principal, y
de 12,18 en la de validación, lo que con-
firma que nuestro servicio diana tuvo una
incidencia de neumonía ligeramente ele-
vada. Todos los factores de riesgo refleja-
dos en la literatura médica se vieron plas-
mados como tales en nuestros resultados,
con excepción de la EPOC. La antibiote-
rapia previa a la infección fue en nuestro
estudio un factor de riesgo importante,
con una odds ratio de 3,24. Numerosos
estudios han demostrado que la antibio-
terapia profiláctica origina un incremento
de la incidencia de infecciones por mi-
croorganismos resistentes; en nuestra co-
horte principal, entre los microorganismos
aislados, el tercero y cuarto por orden de
frecuencia fueron multirresistentes (Aci-
netobacter baumannii multirresistente y
Staphylococcus aureus resistente a meti-
cilina, respectivamente), etiología concor-
dante con la bibliografía reciente21.
En lo que se refiere al modelo obtenido de
nuestra investigación, los resultados fue-
ron satisfactorios. Según la bibliografía, un
modelo predictivo es adecuado cuando
tanto la sensibilidad como la especificidad
se encuentran por encima del 75%22, y en
nuestro caso ambas superaron esta cifra.
Igualmente, el análisis de la validez inter-
na del modelo creado por medio de la
prueba de Hosmer y Lemeshow tuvo un
resultado favorable. El área bajo la curva
de eficacia diagnóstica, medida de la ca-
pacidad de discriminación del modelo,
fue también excelente en las 2 cohortes.
Los valores predictivos, aunque correc-
tos, no son del todo satisfactorios, sobre
todo en lo que se refiere al valor predicti-
vo positivo. De cualquier forma, los valo-
res obtenidos son lógicos teniendo en
cuenta la baja prevalencia de NN en la
764 Med Clin (Barc). 2007;128(20):761-5
Página 764
cohorte de validación. Los resultados en
términos de valor predictivo positivo sin
duda mejorarán con la aplicación de
nuestra ecuación a poblaciones con pre-
valencias superiores de infección. Respec-
to a los resultados detallados en la tabla 3,
en nuestro modelo todas las variables pre-
dictoras resultaron estadísticamente signi-
ficativas.
Algunos de los factores de riesgo que a
priori parecían relevantes al final no se
incluyeron en el modelo definitivo, como
es el caso del APACHE II, la estancia pre-
via a la infección o los factores extrínse-
cos según su días de permanencia, espe-
cialmente los días de uso de ventilación
mecánica. Sin embargo, el hecho de que
se tuvieran en cuenta en la comparación
de todos los modelos posibles, y de que
se hiciera un esfuerzo en su categoriza-
ción para que resultasen lo más significa-
tivos posibles, justificó su no inclusión y
dio validez a nuestro modelo.
Son numerosos los estudios realizados
acerca de los factores de riesgo de NN,
estudios que en su mayor parte efectúan
un análisis multivariante de tipo explicati-
vo. La finalidad de nuestra investigación
era otra; nuestro objetivo era conseguir
un sistema a través del cual, por medio
de la recogida de unas pocas variables
de fácil adquisición, pudiera pronosticar-
se de la forma más sensible y específica
posible la presentación de una nueva
NN. En la bibliografía se encontraron al-
gunos modelos predictivos. Garrido et al23
publicaron un modelo con un área bajo
la curva inferior a la de nuestro modelo;
además, el suyo se refería a la generali-
dad de las infecciones nosocomiales, lo
cual le resta aplicabilidad desde un pun-
to de vista práctico por la dificultad de to-
mar decisiones respecto a las medidas
preventivas aplicables. Peres et al24 han
publicado en fechas recientes un trabajo
en el que desarrollan lo que ellos deno-
minan «Puntuación de Probabilidad de
Infección» (Infection Probability Score),
un índice similar al APACHE, que tiene
en cuenta variables relativas a las cons-
tantes, como temperatura, pulsaciones o
frecuencia respiratoria al ingresar. El re-
sultado en términos de precisión diag-
nóstica es considerablemente inferior al
de nuestro modelo, aunque cuenta con
la ventaja de ser de muy fácil cálculo. Sin
embargo, debido a la gran disponibilidad
que hay en la actualidad de herramientas
informáticas, consideramos que esa ven-
taja con respecto a nuestro estudio es
poco relevante. Los estudios de Joshi et
al25 y Kropec et al26 sí se refieren al caso
concreto de las NN, pero tienen el incon-
veniente de que se publicaron hace 13 y
9 años, respectivamente, con los cam-
bios que en las características de los pa-
cientes y en la epidemiología de las infec-
ciones nosocomiales se han producido
durante este tiempo. Además, incluyen
variables del tipo cirugía torácica o admi-
nistración de factores de coagulación,
que en términos generales son poco pre-
valentes25,26.
La ventilación no invasiva ha demostrado
ser una alternativa efectiva a la ventilación
mecánica en pacientes con enfermedades
concretas, por lo que el establecimiento
de indicaciones protocolizadas para su
uso se ha tornado una prioridad13,14. Se ha
demostrado que la tasa de NAV de co-
mienzo precoz puede reducirse de forma
significativa por medio de la administra-
ción de antibioterapia profiláctica en pa-
cientes en coma. Sin embargo, los que
reciben tratamiento antibiótico tienen al
mismo tiempo un mayor riesgo de ser co-
lonizados por microorganismos potencial-
mente multirresistentes y de desarrollar
una NAV de presentación tardía, motivo
por el cual el tratamiento debe utilizarse
con precaución15. Algo similar ocurre con
la succión continua de secreciones sub-
glóticas; aunque un par de estudios de-
mostraron que reducía la incidencia de
NN, se trata de una medida muy cara y
de difícil manejo, además de no estar de-
mostrado su coste-beneficio, por lo que
habría que intentar fundamentar mejor
su uso16,17. Nuestro modelo podría ser un
apoyo a la toma de decisiones sobre la
aplicación de estas y otras medidas de
prevención controvertidas.
Las limitaciones de nuestro modelo pre-
dictivo se refieren, sobre todo, a su validez
externa. Por un lado, los buenos resulta-
dos estadísticos obtenidos en la cohorte
principal aseguran su aplicabilidad en la
población de nuestro estudio; por otro, la
utilización de una cohorte de validación in-
dica que nuestro modelo podría aplicarse
a poblaciones con características diferen-
tes. Sin embargo, la existencia de UCI cada
vez más especializadas en nuestros hospi-
tales (traumatológicas, coronarias, y otros)
hace que este estudio no pueda garantizar
la completa validez externa de sus resulta-
dos.
REFERENCIAS BIBLIOGRÁFICAS
1. CDC NNIS System. National Nosocomial Infec-
tions Surveillance (NNIS) system report, data
summary from January 1992 to June 2004, is-
sued October 2004. Am J Infect Control.
2004;32:470-85.
2. Vincent JL, Bihari DJ, Suter PM, Bruining HA,
White J, Nicolas-Chanoin MH, et al. The preva-
lence of nosocomial infection in intensive care
units in Europe. Results of the European Preva-
lence of Infection in Intensive Care (EPIC) Study.
EPIC International Advisory Committee. JAMA.
1995;274:639-44.
3. Herruzo R. Infecciones en UCI. En: Vaqué J,
editor. Grupo de Trabajo EPINE. Evolución de la
prevalencia de las infecciones nosocomiales en
los hospitales españoles. EPINE 1990-2004.
Barcelona: Sociedad Española de Medicina Pre-
ventiva, Salud Pública e Higiene; 2001. p. 83-8.
 Documento descargado de http://www.elsevier.es el 11/01/2011. Copia para uso personal, se prohíbe la transmisión de este documento por cualquier medio o formato.
04 761-765 ORIG 32515 24/5/07 12:34 Página 765
LAPRESTA MOROS C ET AL. MODELO PREDICTIVO DE NEUMONÍA NOSOCOMIAL EN UNIDADES DE CUIDADOS INTENSIVOS
4. Álvarez-Lerma F, Palomar M, Olaechea P, In-
sausti J, Bermejo B, Cerdá E. Estudio nacional
de vigilancia de infección nosocomial en unida-
des de cuidados intensivos. Informe del año
2001. Med Intensiva. 2003;27:13-23.
5. Shorr AF, Kollef MH. Clinical and economic con-
sequences of ventilator-associated pneumonia:
a systematic review. Crit Care Med. 2005;33:
2184-93.
6. Celis R, Torres A, Gatell JM, Almela M, Rodrí-
guez-Riosin R, Agustí-Vidal A. Nosocomial pneu-
monia. A multivariate analysis of risk and prog-
nosis. Chest. 1988;93:318-24.
7. Kollef MH. Ventilator-associated pneumonia. A
multivariate analysis. JAMA. 1993;270:1965-70.
8. Heyland DK, Cook DJ, Griffith L, Keenan SP,
Brun-Buisson C. The attributable morbidity and
mortality of ventilator-associated pneumonia in
the critically ill patient. The Canadian Critical
Trials Group. Am J Respir Crit Care Med. 1999;
159:1249-56.
9. Rello J, Ollendorf DA, Osler G, Vera-Llonch M,
Bellm L, Redman R, et al. Epidemiology
and outcomes of ventilator associated pneumo-
nia in a large US database. Chest. 2002;122:
2115-21.
10. Cook DJ, Kollef MH. Risk factors for ICU-acqui-
red pneumonia. JAMA. 1998;279,1605-6.
11. Craven DE, Steger KA. Epidemiology of nosoco-
mial pneumonia: new perspectives on an old di-
sease. Chest. 1995;108 Suppl 2:1-16.
12. Jarvis WR, Edwards JR, Culver DH, Hughes JM,
Horan T, Emori TG, et al. Nosocomial infection
rates in adult and pediatric intensive care units
in the United States. Am J Med. 1991;91 Suppl
3B:185-91.
13. Girou E, Schortgen F, Delclaux C, Brun-Buisson
C, Blot F, Lefort Y, et al. Association of noninva-
sive ventilation with nosocomial infections an
survival in critically ill patients. JAMA. 2000;
284:2361-7.
14. Shorr AF, Kollef MH. Ventilator-associated pneu-
monia, insights from recent clinical trials. Chest.
2005;128 5 Suppl 2:583-91.
15. Sirvent JM, Torres A, El-Ebiary M, Castro P,
Batle J, Bonet A. Protective effect of intrave-
nously administered cefuroxime against noso-
comial pneumonia in patients with structural
coma. Am J Respir Crit Care Med. 1997;155:
1729-34.
16. Mahul P, Auboyer C, Jospe R, Ros A, Guerin C,
El Khouri Z, et al. Prevention of nosocomial
pneumonia in intubated patients: respective role
of mechanic subglottic secretions drainage and
stress ulcer prophylaxis. Intensive Care Med.
1992;18:20-5.
17. Valles J, Artigas A, Rello J, Bonsoms N, Fonta-
nals D, Blanch L, et al. Continuous aspiration of
subglottic secretions in preventing ventilator-as-
sociated pneumonia. Ann Intern Med. 1995;122:
179-86.
18. CDC NNIS System. National Nosocomial Infec-
tions Surveillance (NNIS) System report, data
summary from January 1992 to June 2002, is-
sued August 2002. Am J Infect Control. 2002;
30:458-75.
19. Mazumdar M, Glassman JR. Categorizing a
prognostic variable: review of methods, code for
easy implementation and applications to deci-
sion-making about cancer treatments. Stat Med.
2000;19:113-32.
20. Álvarez-Lerma F, Palomar M, Olaechea P, De la
Cal MA, Insausti J, Bermejo B. Estudio nacional
de vigilancia de infección nosocomial en unida-
des de cuidados intensivos. Informe del año
2000. Med Intensiva. 2002;26:39-50.
21. Álvarez-Lerma F, Palomar M, Insausti J, Olae-
chea P, Cerdá E, Sánchez J, et al. Infecciones
nosocomiales por Staphylococcus aureus en pa-
cientes críticos en unidades de cuidados intensi-
vos. Med Clin (Barc). 2006;126:641-6.
22. Domenech JM. Análisis multivariante: modelos
de regresión. UD 8. Modelo de regresión logísti-
ca. Barcelona: Signo; 2004.
23. Garrido G, Madero R, Herruzo R, García J. In-
fección nosocomial en una unidad de cuidados
intensivos: análisis multivariante de los factores
de riesgo. Med Clin (Barc). 1997;108:405-8.
24. Peres D, Mélot C, Lopes F, Vincent J-L. Infection
Probability Score (IPS): a method to help assess
the probability of infection in critically ill patients.
Crit Care Med. 2003;31:2579-84.
25. Joshi N, Russell A, Hamory B. A predictive risk
index for nosocomial pneumonia in the intensive
care unit. Am J Med. 1992; 93:135-42.
26. Kropec A, Schulgen G, Just H, Geiger K, Schu-
macher M, Daschner F. Scoring system for no-
socomial pneumonia in ICUs. Intensive Care
Med. 1996;22:1155-61.
Med Clin (Barc). 2007;128(20):761-5 765