Modelo de puntuación predice con precisión los resultados neurológicos de pacientes con paro cardíaco extrahospitalario

Un paro cardíaco puede ser fatal en cuestión de minutos, lo que hace que una respuesta rápida sea crucial para la supervivencia. El paro cardíaco extrahospitalario (PCEH) es un problema de salud pública significativo a nivel mundial. A pesar de los avances en las técnicas de reanimación, las tasas de supervivencia siguen siendo bajas y, a menudo, están acompañadas de malos resultados neurológicos. Las predicciones rápidas y precisas de los resultados neurológicos son esenciales en los casos de PCEH. Los modelos predictivos eficientes no sólo pueden salvar vidas, sino también aliviar el sufrimiento y reducir los costos asociados con esfuerzos de reanimación innecesarios. Los modelos pronósticos existentes, que se basan en cálculos complejos y análisis de sangre, no son prácticos para su uso inmediato después del transporte del paciente. Para cerrar esta brecha, se ha desarrollado un nuevo modelo de puntuación que utiliza sólo datos disponibles de reanimaciones prehospitalarias para predecir con precisión los resultados neurológicos de los pacientes con PCEH. Este modelo permite a los proveedores de atención médica tomar decisiones rápidas e informadas cuando un paciente llega al hospital, mejorando la atención al paciente y optimizando el uso de recursos.

El nuevo modelo de puntuación, denominado puntuación R-EDByUS, fue desarrollado por investigadores de la Universidad Metropolitana de Osaka (Osaka, Japón). Utiliza datos prehospitalarios fácilmente disponibles para predecir resultados neurológicos desfavorables, como discapacidad grave, estado vegetativo o muerte. El equipo de investigación analizó datos del Registro Utstein de todo Japón, que cubre la reanimación prehospitalaria y la recuperación neurológica un mes después del paro en 942.891 adultos con un presunto PCEH de origen cardíaco, recopilados entre 2005 y 2019. El modelo se basa en cinco variables clave, que se reflejan en su nombre: edad, duración hasta el retorno de la circulación espontánea (RCE) o tiempo hasta la llegada al hospital, ausencia de RCP por parte de un testigo, si el paro fue presenciado y el ritmo cardíaco inicial (desfibrilable o no desfibrilable).

Los pacientes se clasificaron en dos grupos dependiendo de si lograron un RCE antes de llegar al hospital o si todavía estaban recibiendo RCP al llegar. Los investigadores utilizaron estas categorías para desarrollar modelos detallados basados en regresión y modelos simplificados para calcular las puntuaciones R-EDByUS para cada grupo. Su estudio, publicado en la revista Resuscitation, demostró que las puntuaciones R-EDByUS predijeron eficazmente los resultados neurológicos con alta precisión, alcanzando valores de estadística C de aproximadamente 0,85 para ambos grupos. Los valores del estadístico C oscilan entre 0,5 (sin capacidad predictiva) y 1,0 (predicción perfecta), y los valores más altos indican un mejor rendimiento del modelo. Este modelo de puntuación promete ser una herramienta valiosa para los proveedores de atención médica, ya que ayudará en la evaluación y el tratamiento oportunos de los pacientes sometidos a reanimación.

"La puntuación R-EDByUS permite una predicción de pronóstico de alta precisión inmediatamente después de la llegada al hospital, y su aplicación a través de un teléfono inteligente o una tableta la hace adecuada para el uso clínico diario", dijo Takenobu Shimada, profesor médico de la Facultad de Medicina de la Universidad Metropolitana de Osaka y autor principal del estudio. “En la atención de emergencia para OHCA, los procedimientos invasivos, como el soporte circulatorio mecánico, pueden salvar vidas pero también son muy onerosos. Nuestro modelo predictivo ayuda a identificar a los pacientes que probablemente se beneficiarán de los cuidados intensivos y, al mismo tiempo, reduce las cargas innecesarias para aquellos con malos resultados previstos”.

Enlaces relacionados:
Universidad Metropolitana de Osaka