Ítem
Acceso Abierto

Prediction model for in-hospital mortality in patients at high altitudes with ARDS due to COVID-19

Mostrar el registro sencillo de la publicación
dc.contributor.gruplacGrupo de Investigación Clínica
dc.creatorRodríguez Lima, David Rene
dc.creatorRubio Ramos, Cristhian
dc.creatorYepes Velasco, Andrés Felipe
dc.creatorGómez Cortés, Leonardo Andrés
dc.creatorPinilla Rojas, Darío Isaías
dc.creatorPinzón Rondón, Ángela María
dc.creatorRuiz Sternberg, Ángela María
dc.date.accessioned2025-03-03T14:42:27Z
dc.date.available2025-03-03T14:42:27Z
dc.date.created2023-05-23
dc.date.issued2023-10-26
dc.descriptionIntroducción: El diagnóstico del síndrome de dificultad respiratoria aguda (SDRA) incluye la relación entre la presión arterial de oxígeno y la fracción inspirada de oxígeno (P/F) ≤ 300, que suele ajustarse en ubicaciones a más de 1.000 metros sobre el nivel del mar (msnm) debido a la hipoxemia hipobárica. El objetivo principal de este estudio fue desarrollar un modelo de predicción de la mortalidad hospitalaria entre pacientes con SDRA por enfermedad por coronavirus 2019 (COVID-19) (C-ARDS) a 2.600 msnm con variables fácilmente disponibles al ingreso del paciente y comparar su capacidad de discriminación con un segundo modelo utilizando el P/F ajustado para esta gran altitud. Métodos Este estudio fue un análisis de datos de pacientes con SDRA-C tratados entre marzo de 2020 y julio de 2021 en un hospital universitario ubicado en la ciudad de Bogotá, Colombia, a 2.600 msnm. Los datos demográficos y de laboratorio se extrajeron de registros electrónicos. Para el modelo de predicción, se realizaron análisis univariados para seleccionar variables con p <0,25. Luego, estas variables se seleccionaron automáticamente con un enfoque paso a paso hacia atrás con un nivel de significancia de 0,1. En el modelo final también se examinaron los términos de interacción y los polinomios fraccionarios. Se utilizaron múltiples procedimientos de imputación y bootstraps para obtener los coeficientes con mejor validación externa. Además, se realizó ajuste total del modelo y diagnóstico de regresión logística. Se utilizó la misma metodología para desarrollar un segundo modelo con el P/F ajustado por altitud. Finalmente, se compararon las áreas bajo la curva (AUC) de las curvas de características operativas del receptor (ROC) de los dos modelos. Resultados Un total de 2.210 sujetos fueron incluidos en el análisis final. El modelo final incluyó 11 variables sin términos de interacción ni funciones no lineales. Los coeficientes se presentan excluyendo las observaciones influyentes. La ecuación final para el ajuste del modelo fue g(x) = edad(0,04819)+peso(0,00653)+altura(-0,01856)+hemoglobina(-0,0916)+recuento de plaquetas(-0,003614)+ creatinina(0,0958)+lactato deshidrogenasa(0.001589)+sodio(-0.02298)+potasio(0.1574)+presión sistólica(-0.00308)+si SDRA moderado(0.628)+si SDRA severo(1.379), y la probabilidad de muerte hospitalaria fue p (x) = e g (x)/(1+ e g (x)). El AUC de la curva ROC fue 0,7601 (intervalo de confianza (IC) del 95%: 0,74–0, 78). El segundo modelo con el P/F ajustado presentó un AUC de 0,754 (IC 95% 0,73-0,77). No se encontraron diferencias estadísticamente significativas entre las curvas AUC (valor de p = 0,6795). Conclusión Este estudio presenta un modelo de predicción para pacientes con SDRA-C a 2.600 msnm con variables de ingreso fácilmente disponibles para la estratificación temprana del riesgo de mortalidad hospitalaria. Ajustar el P/F para 2,600 msnm no mejoró la capacidad predictiva del modelo. No recomendamos ajustar el P/F según la altitud.
dc.description.abstractIntroduction: The diagnosis of acute respiratory distress syndrome (ARDS) includes the ratio of pressure arterial oxygen and inspired oxygen fraction (P/F) ≤ 300, which is often adjusted in locations more than 1,000 meters above sea level (masl) due to hypobaric hypoxemia. The main objective of this study was to develop a prediction model for in hospital mortality among patients with ARDS due to coronavirus disease 2019 (COVID-19) (C-ARDS) at 2,600 masl with easily available variables at patient admission and to compare its discrimination capacity with a second model using the P/F adjusted for this high altitude. Methods This study was an analysis of data from patients with C-ARDS treated between March 2020 and July 2021 in a university hospital located in the city of Bogotá, Colombia, at 2,600 masl. Demographic and laboratory data were extracted from electronic records. For the prediction model, univariate analyses were performed to screen variables with p <0.25. Then, these variables were automatically selected with a backward stepwise approach with a significance level of 0.1. The interaction terms and fractional polynomials were also examined in the final model. Multiple imputation procedures and bootstraps were used to obtain the coefficients with the best external validation. In addition, total adjustment of the model and logistic regression diagnostics were performed. The same methodology was used to develop a second model with the P/F adjusted for altitude. Finally, the areas under the curve (AUCs) of the receiver operating characteristic (ROC) curves of the two models were compared. Results A total of 2,210 subjects were included in the final analysis. The final model included 11 variables without interaction terms or nonlinear functions. The coefficients are presented excluding influential observations. The final equation for the model fit was g(x) = age(0.04819)+weight(0.00653)+height(-0.01856)+haemoglobin(-0.0916)+platelet count(-0.003614)+ creatinine(0.0958)+lactate dehydrogenase(0.001589)+sodium(-0.02298)+potassium(0.1574)+systolic pressure(-0.00308)+if moderate ARDS(0.628)+if severe ARDS(1.379), and the probability of in-hospital death was p (x) = e g (x)/(1+ e g (x)). The AUC of the ROC curve was 0.7601 (95% confidence interval (CI) 0.74–0, 78). The second model with the adjusted P/F presented an AUC of 0.754 (95% CI 0.73–0.77). No statistically significant difference was found between the AUC curves (p value = 0.6795). Conclusion This study presents a prediction model for patients with C-ARDS at 2,600 masl with easily available admission variables for early stratification of in-hospital mortality risk. Adjusting the P/F for 2,600 masl did not improve the predictive capacity of the model. We do not recommend adjusting the P/F for altitude.
dc.format.extent16 pp
dc.format.mimetypeapplication/pdf
dc.identifier.doihttps://doi.org/10.1371/journal.pone.0293476
dc.identifier.urihttps://repository.urosario.edu.co/handle/10336/45055
dc.language.isoeng
dc.publisherPlos One
dc.relation.urihttps://journals.plos.org/plosone/article?id=10.1371/journal.pone.0293476
dc.rightsAttribution-NonCommercial-ShareAlike 4.0 International*
dc.rights.accesRightsinfo:eu-repo/semantics/openAccess
dc.rights.accesoAbierto (Texto completo)spa
dc.rights.licenciaEL AUTOR, manifiesta que la obra objeto de la presente autorización es original y la realizó sin violar o usurpar derechos de autor de terceros, por lo tanto la obra es de exclusiva autoría y tiene la titularidad sobre la misma. PARGRAFO: En caso de presentarse cualquier reclamación o acción por parte de un tercero en cuanto a los derechos de autor sobre la obra en cuestión, EL AUTOR, asumirá toda la responsabilidad, y saldrá en defensa de los derechos aquí autorizados; para todos los efectos la universidad actúa como un tercero de buena fe. EL AUTOR, autoriza a LA UNIVERSIDAD DEL ROSARIO, para que en los términos establecidos en la Ley 23 de 1982, Ley 44 de 1993, Decisión andina 351 de 1993, Decreto 460 de 1995 y demás normas generales sobre la materia, utilice y use la obra objeto de la presente autorización. -------------------------------------- POLITICA DE TRATAMIENTO DE DATOS PERSONALES. Declaro que autorizo previa y de forma informada el tratamiento de mis datos personales por parte de LA UNIVERSIDAD DEL ROSARIO para fines académicos y en aplicación de convenios con terceros o servicios conexos con actividades propias de la academia, con estricto cumplimiento de los principios de ley. Para el correcto ejercicio de mi derecho de habeas data cuento con la cuenta de correo habeasdata@urosario.edu.co, donde previa identificación podré solicitar la consulta, corrección y supresión de mis datos.spa
dc.rights.urihttp://creativecommons.org/licenses/by-nc-sa/4.0/*
dc.source.bibliographicCitationAcute Respiratory Distress Syndrome: The Berlin Definition. JAMA [Internet]. 2012 Jun 20 [cited 2023 Jul 26];307(23). Available from: http://jama.jamanetwork.com/article.aspx?doi=10.1001/jama.2012.5669
dc.source.bibliographicCitationBellani G, Laffey JG, Pham T, Fan E, Brochard L, Esteban A, et al. Epidemiology, Patterns of Care, and Mortality for Patients With Acute Respiratory Distress Syndrome in Intensive Care Units in 50 Countries. JAMA. 2016 Feb 23;315(8):788–800. pmid:26903337
dc.source.bibliographicCitationAvellanas Chavala ML. Un viaje entre la hipoxia de la gran altitud y la hipoxia del enfermo crítico: ¿qué puede enseñarnos en la compresión y manejo de las enfermedades críticas? Med Intensiva. 2018 Aug;42(6):380–90.
dc.source.bibliographicCitationRodriguez Lima DR, Pinzón Rondón ÁM, Rubio Ramos C, Pinilla Rojas DI, Niño Orrego MJ, Díaz Quiroz MA, et al. Clinical characteristics and mortality associated with COVID-19 at high altitude: a cohort of 5161 patients in Bogotá, Colombia. Int J Emerg Med. 2022 May 21;15(1):22.
dc.source.bibliographicCitationPenaloza D. Efectos de la exposición a grandes alturas en la circulación pulmonar. Rev Esp Cardiol. 2012 Dec;65(12):1075–8.
dc.source.bibliographicCitationJibaja M, Ortiz-Ruiz G, García F, Garay-Fernández M, de Jesús Montelongo F, Martinez J, et al. Hospital Mortality and Effect of Adjusting PaO2/FiO2 According to Altitude Above the Sea Level in Acclimatized Patients Undergoing Invasive Mechanical Ventilation. A Multicenter Study. Arch Bronconeumol. 2020 Apr;56(4):218–24. pmid:31582181
dc.source.bibliographicCitationJibaja M, Roldan-Vasquez E, Rello J, Shen H, Maldonado N, Grunauer M, et al. Effect of High Altitude on the Survival of COVID-19 Patients in Intensive Care Unit: A Cohort Study. J Intensive Care Med. 2022 Sep;37(9):1265–73. pmid:35532089
dc.source.bibliographicCitationPérez-Padilla R, García-Sancho C, Fernández R, Franco-Marina F, López-Gatell H, Bojórquez I. The impact of altitude on hospitalization and hospital mortality from pandemic 2009 influenza A (H1N1) virus pneumonia in Mexico. Salud Publica Mex. 2013;55(1):92–5. pmid:23370263
dc.source.bibliographicCitationEisen S, Pealing L, Aldridge RW, Siedner MJ, Necochea A, Leybell I, et al. Effects of ascent to high altitude on human antimycobacterial immunity. PloS One. 2013;8(9):e74220. pmid:24058530
dc.source.bibliographicCitationTanrikulu AC, Acemoglu H, Palanci Y, Dagli CE. Tuberculosis in Turkey: high altitude and other socio-economic risk factors. Public Health. 2008 Jun;122(6):613–9. pmid:18294666
dc.source.bibliographicCitationLiu X, Pan C, Si L, Tong S, Niu Y, Qiu H, et al. Definition of Acute Respiratory Distress Syndrome on the Plateau of Xining, Qinghai: A Verification of the Berlin Definition Altitude-PaO2/FiO2-Corrected Criteria. Front Med. 2022;9:648835.
dc.source.bibliographicCitationMillet GP, Debevec T, Brocherie F, Burtscher M, Burtscher J. Altitude and COVID-19: Friend or foe? A narrative review. Physiol Rep. 2021 Jan;8(24):e14615. pmid:33340275
dc.source.bibliographicCitationElezkurtaj S, Greuel S, Ihlow J, Michaelis EG, Bischoff P, Kunze CA, et al. Causes of death and comorbidities in hospitalized patients with COVID-19. Sci Rep. 2021 Dec;11(1):4263. pmid:33608563
dc.source.instnameinstname:Universidad del Rosariospa
dc.source.reponamereponame:Repositorio Institucional EdocURspa
dc.subjectSíndrome de dificultad respiratoria aguda (SDRA)
dc.subjectPresión arterial de oxígeno
dc.subjectFracción inspirada de oxígeno
dc.subjectHipoxemia hipobárica
dc.subject.keywordAcute Respiratory Distress Syndrome (ARDS)
dc.subject.keywordPressure arterial oxygen
dc.subject.keywordInspired oxygen fraction
dc.subject.keywordHypobaric hypoxemia
dc.titlePrediction model for in-hospital mortality in patients at high altitudes with ARDS due to COVID-19
dc.typejournalArticle
dc.type.hasVersioninfo:eu-repo/semantics/publishedVersion
dc.type.spaArtículo
Archivos
Bloque original
Mostrando1 - 1 de 1
Miniatura
Nombre:
Prediction_model_for_in_hospital_mortality_in_patients.pdf
Tamaño:
1.87 MB
Formato:
Adobe Portable Document Format
Descripción:
Descargar
Colecciones
Artículos