Construção e validação de um modelo preditivo para o risco de pneumonia associada à ventilação mecânica em pacientes idosos em UTI

Shuhua Li ; Linping Shang ; Lirong Yuan ; Wei Li ; Hongyun Kang ; Wenting Zhao ; Xiaojuan Han
Título original:
Construction and Validation of a Predictive Model for the Risk of Ventilator-Associated Pneumonia in Elderly ICU Patients
Resumo:

Resumo
Contexto: A pneumonia associada à ventilação mecânica (PAVM) está entre as infecções hospitalares mais importantes em um ambiente de unidade de terapia intensiva. No entanto, a prática clínica carece de ferramentas teóricas efetivas para a prevenção da PAVM em idosos.
Objetivo: Descrever os fatores independentes associados à PAVM em pacientes idosos em ventilação mecânica (VM) na unidade de terapia intensiva (UTI) e construir um modelo de previsão de risco.
Métodos: Um total de 1.851 pacientes idosos em VM em UTI no período de janeiro de 2015 a setembro de 2019 foi selecionado de 12 hospitais terciários. Os participantes do estudo foram divididos em um grupo modelo (n = 1219) e um grupo de validação (n = 632). Dois grupos de pacientes foram divididos em um grupo com PAVM e um grupo sem PAVM e comparados. Análises de regressão univariada e logística foram usadas para analisar os fatores que influenciam a PAVM em pacientes idosos em VM na UTI, estabelecer um modelo de previsão de risco e desenhar um nomograma. Usamos a área sob a curva característica de operação do receptor (AUROC) e o teste de qualidade do ajuste de Hosmer-Lemeshow para avaliar o efeito preditivo do modelo. Os achados referentes ao tempo de permanência na UTI, cirurgia, proteína C reativa (PCR) e número de reintubações foram fatores de risco independentes para PAVM em pacientes idosos em VM na UTI. Os resultados da verificação do modelo preditivo mostraram que a área sob a curva (AUC) de risco de PAVM após VM nos grupos de modelagem e verificação foi de 0,859 e 0,813 (P < 0,001), respectivamente, enquanto os valores de P para o teste de Hosmer-Lemeshow nesses dois grupos foram de 0,365 e 0,485, respectivamente.
Conclusão: O modelo pode prever com eficácia a ocorrência de PAVM em pacientes idosos em VM na UTI. Este estudo é retrospectivo, por isso não foi registrado como um estudo clínico.
 

Resumo Original:

Abstract
Background: Ventilator-associated pneumonia (VAP) is among the most important hospital-acquired infections in an intensive-care unit setting. However, clinical practice lacks effective theoretical tools for preventing VAP in the elderly.
Aim: To describe the independent factors associated with VAP in elderly intensive-care unit (ICU) patients on mechanical ventilation (MV) and to construct a risk prediction model.
Methods: A total of 1851 elderly patients with MV in ICUs from January 2015 to September 2019 were selected from 12 tertiary hospitals. Study subjects were divided into a model group (n = 1219) and a validation group (n = 632). Two groups of patients were divided into a VAP group and a non-VAP group and compared. Univariate and logistic regression analyses were used to explore influencing factors for VAP in elderly ICU patients with MV, establish a risk prediction model, and draw a nomogram. We used the area under the receiver operating characteristic curve (AUROC) and the Hosmer-Lemeshow goodness-of-fit test to evaluate the predictive effect of the model. Findings regarding the length of ICU stay, surgery, C-reactive protein (CRP), and the number of reintubations were independent risk factors for VAP in elderly ICU patients with MV. Predictive-model verification results showed that the area under the curve (AUC) of VAP risk after MV in the modeling and verification groups was 0.859 and 0.813 (P < 0.001), respectively, while P values for the Hosmer-Lemeshow test in these two groups were 0.365 and 0.485, respectively.
Conclusion: The model could effectively predict the occurrence of VAP in elderly patients with MV in ICUs. This study is a retrospective study, so it has not been registered as a clinical study.
 

Fonte:
Canadian respiratory journal ; 7665184.; 2023. DOI: 10.1155/2023/7665184..