Diseño de un sistema de información para detección precoz y seguimiento de pacientes con sepsis

Abstract

Introducción En 2016 se define la sepsis como una disfunción orgánica potencialmente mortal causada por una respuesta desregulada del huésped a la infección, paralelamente surge la Campaña Sobrevivir a la Sepsis donde se establecen las pautas de tratamiento y se destaca la “hora de oro”, siendo ésta la primera hora en la que debemos actuar para reducir la mortalidad. Queda demostrada la importancia de la precocidad en el diagnóstico para iniciar el tratamiento y dado que se trata de un síndrome que se caracteriza por alteraciones hemodinámicas y elevación de biomarcadores decidimos llevar a cabo el diseño de un sistema informático que ayudase en la detección precoz de este síndrome basándose en las variables hemodinámicas y analíticas características para su detección. Objetivos 1. Objetivo principal Evaluar un sistema automatizado de detección precoz de los pacientes con procesos sépticos que acuden a un servicio de urgencias hospitalarias. 2. Objetivos secundarios • Revisar los puntos de corte de las variables clínicas • Revisar los puntos de corte de las variables analíticas • Revisar los puntos de corte de las variables demográficas • Revisar los puntos de corte de los factores de riesgo cardiovascular • Identificar las variables analíticas y hemodinámicas con mayor “peso”. • Determinar las condiciones clínicas del paciente que influyen en el diagnóstico de sepsis y deberían ser tenidas en cuenta en un algoritmo de detección automatizada.

Pacientes y método Estudio observacional, descriptivo, transversal y retrospectivo. La población diana son los pacientes mayores de 14 años atendidos en el servicio de urgencias del Hospital Universitario Virgen de La Arrixaca en el periodo comprendido del 1 de enero de 2019 a 31 de julio de 2019 con una muestra total de 19.733 pacientes.

Resultados En 2.883 casos del total de atendidos se activó la alarma por posible sepsis. De los 2.883 casos detectados por el sistema, 1.685 (58,4%) fueron confirmados como sepsis por los facultativos mientras que el 41,6% no lo fueron. Por tipo, de las 1.872 sepsis detectadas por el sistema, el 35,4% (n = 662) no resultaron confirmadas por los médicos, un 63,5% (n = 1.118) fueron confirmadas como sepsis mientras que un 1,2% (n = 22) se confirmaron como sepsis graves. Con respecto a las sepsis graves, de las 1.011 detectadas por el sistema no fueron confirmadas por los médicos un 53% (n = 536), un 23,3% (n = 236) sí que los fueron un 23,6% (n = 239) se confirmaron como sepsis. Para la temperatura, la PCR y la procalcitonina las curvas mostraron que se pueden establecer nuevos puntos de corte para la detección. Los puntos de corte óptimo para la detección de sepsis de la temperatura se establecen en 37ºC lo que determina una sensibilidad del 74,3%, una especificidad del 54,9% y un ABC = 0,733 (p < 0,001). Para la PCR, el punto de corte se establece en 6,1 lo que determina una sensibilidad del 70,4%, una especificidad del 69,4% y un ABC = 0,777 (p < 0,001). En la Figura 12 se muestran las curvas ROC para la temperatura y PCR. Para la procalcitonina, el punto de corte se establece en 0,3 lo que determina una sensibilidad del 60,6%, una especificidad del 61,2% y un ABC = 0,674 (p < 0,001).

Conclusiones • El sistema de alerta informático creado en base a los criterios SIRS funciona. • Las variables introducidas en el sistema de alerta podrían reducirse en número. • Existen variables que podrían obviarse para la detección precoz. • Modificando los puntos de corte de las principales variables aumentaríamos la sensibilidad y la especificidad en la detección. • La implantación de un programa de alerta ayuda a la identificación precoz.

Introduction In 2016, sepsis was defined as a life-threatening organic dysfunction caused by a deregulated response of the host to the infection, in parallel with the Surviving Sepsis Campaign where treatment guidelines are established and the “golden hour” is highlighted, this being the first hour in which we must act to reduce mortality. The importance of early diagnosis to start treatment has been demonstrated and given that it is a syndrome characterized by hemodynamic alterations and elevated biomarkers, we decided to carry out the design of a computer system that would help in the early detection of this syndrome based on the characteristic hemodynamic and analytical variables for its detection.

Objectives 1. Main objective To evaluate an automated system for the early detection of patients with septic processes who attend a hospital emergency service. 2. Secondary objectives • Review the cut-off points of the clinical variables • Review the cut-off points of the analytical variables • Review the cut-off points of the demographic variables • Review the cut-off points for cardiovascular risk factors • Identify the analytical and hemodynamic variables with the greatest “weight”. • Determine the clinical conditions of the patient that influence the diagnosis of sepsis and should be considered in an automated detection algorithm.

Patients and method Observational, descriptive, cross-sectional and retrospective study. The target population is patients older than 14 years seen in the emergency service of the Virgen de La Arrixaca University Hospital in the period from January 1, 2019, to July 31, 2019, with a total sample of 19,733 patients.

Results In 2,883 cases of the total number of patients treated, the alarm was activated due to possible sepsis. Of the 2,883 cases detected by the system, 1,685 (58.4%) were confirmed as sepsis by the doctors while 41.6% were not. By type, of the 1,872-sepsis detected by the system, 35.4% (n = 662) were not confirmed by doctors, 63.5% (n = 1,118) were confirmed as sepsis while 1.2% (n = 22) were confirmed as severe sepsis. Regarding severe sepsis, of the 1,011 detected by the system, 53% (n = 536) were not confirmed by doctors, 23.3% (n = 236) were confirmed by 23.6% (n = 239) were confirmed as sepsis. For temperature, PCR and procalcitonin the curves showed that new cut-off points for detection can be established. The optimal cut-off points for the detection of temperature sepsis are established at 37ºC, which determines a sensitivity of 74.3%, a specificity of 54.9% and an AUC = 0.733 (p <0.001). For CRP, the cut-off point is set at 6.1, which determines a sensitivity of 70.4%, a specificity of 69.4%, and an AUC = 0.777 (p <0.001). ROC curves for temperature and CRP are shown in Figure 12. For procalcitonin, the cut-off point is set at 0.3, which determines a sensitivity of 60.6%, a specificity of 61.2%, and an AUC = 0.674 (p <0.001).

Conclusions • The computerized alert system created based on the SIRS criteria works. • The variables entered the alert system could be reduced in number. • There are variables that could be ignored for early detection. • By modifying the cut-off points for the main variables, we would increase the sensitivity and specificity of detection. • The implementation of an alert program helps early identification.