10 de diciembre de 2018

Desarrollan un modelo que puede ayudar a tomar decisiones críticas en el síndrome de distrés respiratorio agudo

Desarrollan un modelo que puede ayudar a tomar decisiones críticas en el síndrome de distrés respiratorio agudo
GETTY IMAGES/ISTOCKPHOTO / YODIYIM - ARCHIVO

MADRID, 10 Dic. (EUROPA PRESS) -

Investigadores del Centro de Investigación en Red de Enfermedades Respiratorias (CIBERES) han desarrollado un modelo pronóstico que puede guiar a los clínicos a decidir con precisión qué pacientes con el síndrome de distrés respiratorio agudo (SDRA) pueden ser considerados candidatos para participar en ensayos clínicos terapéuticos mientras son tratados en las unidades de cuidados intensivos (UCI).

El SDRA es una de las formas más graves y letales de insuficiencia respiratoria aguda en las UCI. Clínicamente, consiste en un cuadro de edema agudo de pulmón producido por una intensa inflamación pulmonar en el contexto de enfermedades pulmonares y sistémicas como las neumonías, la sepsis, los traumas de tórax, la pancreatitis aguda, la aspiración de contenido gástrico y las transfusiones sanguíneas múltiples.

Aunque no existen fármacos específicos para tratar el SDRA, el manejo terapéutico de estos pacientes comienza con la administración de antibióticos y líquidos intravenosos y el soporte de la respiración mediante la intubación endotraqueal y la conexión a respiradores mecánicos con altas concentraciones de oxígeno. A pesar de los avances tecnológicos para el soporte de la función de los órganos vitales en pacientes critícamente enfermos, más del 40 por ciento de los pacientes con SDRA fallecen en el hospital, según los responsables del estudio.

Coordinado por Jesús Villar desde la Unidad de Investigación del Hospital Universitario Dr. Negrín de Las Palmas de Gran Canaria, en colaboración con una red de 21 hospitales españoles y el Departamento de Cuidados Respiratorios del Massachusetts General Hospital en Boston, el modelo propuesto, con cerca de mediio millón de datos de pacientes con SDRA, se basa en la combinación de ciertos puntos de corte de cuatro variables de muy fácil registro en el momento del diagnóstico del SDRA y tras 24 horas de tratamiento rutinario.

A través de análisis estadísticos complejos y de técnicas de árboles de decisión, los datos han aportado nueva información que "pueden servir para transformar los cuidados de los pacientes con SDRA", aseguran. La base de datos de los 1.200 pacientes se dividió de forma aleatoria en dos conjuntos de datos independientes, con el 75 por ciento (datos de entrenamiento) para construir el modelo y el 25 por ciento (datos de validación) para validarlo.

Para conseguir un modelo robusto, se generaron 1000 escenarios aleatorios en cada uno de estos dos conjuntos de datos. El modelo fue correcto el 86 por ciento de las veces a la hora de predecir a las 24 horas del diagnóstico de SDRA qué pacientes tenían alto riesgo de fallecer. Básicamente, el modelo toma una serie de valores de variables demográficas y signos vitales y determina con una alta exactitud la trayectoria del paciente durante su estancia en la UCI.

"La simplicidad y belleza del modelo estriba en que puede ser implementado en un monitor a la cabecera del paciente. Con este modelo se podrían generar alertas para que los clínicos modifiquen el manejo ventilatorio del paciente con SDRA o iniciar el tratamiento más adecuado para mantener o impedir el deterioro de la función del pulmón y de otros órganos vitales", explican los científicos.

Próximamente, este grupo de investigadores expandirá su trabajo para producir nuevas alternativas que diagnostiquen la gravedad del SDRA y predigan en tiempo real si en un determinado paciente con SDRA puede revertirse la secuencia de eventos que conducen a un desenlace fatal. La idea es integrar toda esta información en una única herramienta que ayude al manejo clínico en las primeras 24 horas del diagnóstico de SDRA. "Queremos ser capaces de decir a las 24 horas del diagnóstico de SDRA qué pacientes se pondrán mejor y qué pacientes empeorarán si no se modifican los valores de las variables elegidas en el modelo", indica Villar.