Please wait. Loading...
 
Αποστολή σε φίλο
 
Πρόβλεψη του Acute Physiology Score σε ασθενείς με κρανιοεγκεφαλικές κακώσεις
ΠΕΡIΛΗΨΗ. ΣΚΟΠΟΣ: Η κλίμακα APACHE-II ανήκει στα συστήματα μέτρησης της βαρύτητας της νόσου. Περιγράφει αριθμητικά τη βαρύτητα της κάκωσης, υπολογίζοντας δώδεκα μεταβλητές (Acute Physiology Score – APS), την ηλικία των ασθενών και τη χρόνια κατάσταση της υγείας τους. Σκοπός της μελέτης αυτής είναι να βρεθεί εξίσωση παλινδρόμησης που να προβλέπει την τιμή του APS από ένα μικρό αριθμό φυσιολογικών μεταβλητών σε ασθενείς με κρανιοεγκεφαλικές κακώσεις (ΚΕΚ). ΥΛΙΚΟ ΚΑΙ ΜΕΘΟΔΟΙ: 74 ασθενείς που νοσηλεύτηκαν στη Μονάδα Εντατικής Θεραπείας (ΜΕΘ) του Πανεπιστημιακού Γενικού Νοσοκομείου Αλεξανδρούπολης κατά τη δεκαετία 1994-2003 με τη διάγνωση «αμιγής ΚΕΚ.» Από αυτούς 65 ήταν άντρες (87,8%) και 9 γυναίκες (12,2%) με μέση ηλικία 45,19±2,555 έτη και μέση τιμή Κλίμακας Γλασκώβης (GCS) 6,39±0,55. Χρησιμοποιήθηκε η βήμα-προς-βήμα παλινδρόμηση (stepwise regression) με εξαρτημένη μεταβλητή τo APS και ανεξάρτητες μεταβλητές τις δώδεκα φυσιολογικές μεταβλητές και την ηλικία. Επιλέγησαν τα ακόλουθα κριτήρια: Akaike, Amemiya, Mallows’ και Schwarz. ΑΠΟΤΕΛΕΣΜΑΤΑ: Το αποτέλεσμα της ανάλυσης των στοιχείων έδωσε την ακόλουθη εξίσωση: APS(12) = 148,843 – (1,074*GCS) – (16,878*pH) – (0,190*HCT) + (4,082*CR), όπου HCT είναι ο αιματοκρίτης και CR η κρεατινίνη. Τα στατιστικά της εξίσωσης ήταν F=116,304 (p=0,000), διορθωμένος συντελεστής προσδιορισμού (R’2)=0,863 και τυπικό σφάλμα εκτίμησης θεωρητικών τιμών=2,624. ΣΥΜΠΕΡΑΣΜΑΤΑ: Τα αποτελέσματα της εργασίας αυτής δείχνουν ότι είναι δυνατή η εκτίμηση της τιμής του APS από 4 μόνο μεταβλητές. Στη συγκεκριμένη περίπτωση, το 86,3% της μεταβολής του APS οφείλεται στις παραπάνω 4 μεταβλητές, ενώ το υπόλοιπο 13,7% οφείλεται σε άλλους παράγοντες που δεν περιέχονται στην εξίσωση. Πνεύμων 2008, 21(4):-.

ΕΙΣΑΓΩΓΗ

Η πρόβλεψη της έκβασης των ασθενών επηρεάζεται από το είδος και τη βαρύτητα της ασθένειας, αλλά και από τη διαθεσιμότητα και την ποιότητα των ιατρικών παρεμβάσεων1,2. Στα πλαίσια αυτά, τα συστήματα μέτρησης της βαρύτητας της νόσου είναι απαραίτητα, μεταξύ άλλων, και για την ταξινόμηση του βαθμού βαρύτητας3. Από τα συστήματα αυτά, περίοπτη θέση σε παγκόσμιο επίπεδο κατέχει η νευρολογική κλίμακα APACHE-II4, ιδίως στους νευροχειρουργικούς ασθενείς5,6.

Η APACHE-II ανήκει στα συστήματα μέτρησης της βαρύτητας της νόσου και χρησιμοποιεί βασικές φυσιολογικές μεταβλητές (Acute Physiology Score - APS) για τον καθορισμό της βαρύτητας και την πρόβλεψη της πιθανότητας θανάτου4. Η κλίμακα αυτή αποτελεί εξέλιξη της αρχικής APACHE (Acute Physiology, Age, Chronic Health Evaluation - 34 μεταβλητές που επιλέχθηκαν για 805 εισαγωγές σε δύο αμερικάνικες Μονάδες Εντατικής Θεραπείας - ΜΕΘ) και αναπτύχθηκε με βάση δεδομένα από 5.815 εισαγωγές σε ΜΕΘ 13 αμερικάνικων νοσοκομείων7.

Σκοπός της παρούσας εργασίας ήταν να βρεθεί μία εξίσωση παλινδρόμησης που να προβλέπει την τιμή του APS από ένα μικρό αριθμό φυσιολογικών μεταβλητών σε ασθενείς με κρανιοεγκεφαλικές κακώσεις (ΚΕΚ). Το πλεονέκτημα μίας τέτοιας εξίσωσης είναι η εξοικονόμηση χρόνου κατά τον υπολογισμό της βαθμολογίας της APACHE-II.

ΥΛΙΚΟ-ΜΕΘΟΔΟΙ

Πληθυσμός μελέτης

Μελετήθηκαν 74 ασθενείς που νοσηλεύτηκαν στη ΜΕΘ του Πανεπιστημιακού Γενικού Νοσοκομείου Αλεξανδρούπολης κατά τη δεκαετία 1994-2003 με τη διάγνωση «αμιγής ΚΕΚ». Όλοι αντιμετωπίστηκαν με βάση τα ίδια θεραπευτικά πρωτόκολλα. Από αυτούς 65 ήταν άντρες (87,8%) και 9 γυναίκες (12,2%) με μέση ηλικία 45,19±2,555 έτη. Ως αιτίες των ΚΕΚ αναφέρθηκαν σε ποσοστό 76% τα τροχαία ατυχήματα, σε 23% οι πτώσεις και σε 1% ο ξυλοδαρμός. Η μέση τιμή Κλίμακας Γλασκώβης (GCS) ήταν 6,39±0,55, η μέση τιμή APS(12) 13,77±0,825, η μέση τιμή APACHE-II 15,91±0,890 και ο μέσος όρος παραμονής στη ΜΕΘ 11,5±2,051 ημέρες. Στην αξονική τομογραφία 13 ασθενείς εμφάνισαν επισκληρίδιο αιμάτωμα (17,6%), 28 υποσκληρίδιο αιμάτωμα (37,8%), 14 ενδοεγκεφαλικό αιμάτωμα (18,9%) και 32 υπαραχνοειδή αιμορραγία (43,2%). Από αυτούς, μόνο 7 (11,7%) οδηγήθηκαν στο χειρουργείο.

Κλίμακα APACHE-II

Περιλαμβάνει δώδεκα φυσιολογικές μεταβλητές (Acute Physiology Score - APS) (θερμοκρασία, μέση αρτηριακή πίεση, αριθμός σφύξεων, αριθμός αναπνοών, μερική πίεση οξυγόνου αρτηριακού αίματος, pH αρτηριακού αίματος, νάτριο ορού, κάλιο ορού, κρεατινίνη ορού, αιματοκρίτης, αριθμός λευκών αιμοσφαιρίων, GCS), την ηλικία και την προηγούμενη κατάσταση υγείας του ασθενούς (ανοσοκαταστολή, αναπνευστική, καρδιακή, νεφρική και ηπατική ανεπάρκεια)4,8. Σε περίπτωση ανεπάρκειας έστω και ενός οργάνου, καταγράφεται ο βαθμός 5 σε εισαγωγή λόγω επείγουσας χειρουργικής επέμβασης ή μη χειρουργικής αιτίας και ο βαθμός 2 σε εισαγωγή λόγω προγραμματισμένου χειρουργείου. Σε κάθε μεταβλητή δίνεται ένας βαθμός από 0 έως 4. Το άθροισμα των βαθμών συνιστά τον τελικό βαθμό της APACHE-II. Αν και ο μέγιστος δυνατός βαθμός είναι το 71, στη δημοσίευση των Knaus et al δεν υπήρξε ασθενής με βαθμό >55 (Πίνακας 1)4.

Στατιστική ανάλυση

Η ανάλυση των δεδομένων έγινε με τη βοήθεια του στατιστικού πακέτου SPSS for Windows, version 16.00 (SPSS Inc, Chicago, Illinois). Οι ποσοτικές μεταβλητές εκφράστηκαν ως μέσες τιμές ± τυπική απόκλιση. Για την ανεύρεση της καλύτερης εξίσωσης χρησιμοποιήθηκε η βήμα-προς-βήμα παλινδρόμηση (stepwise regression) με εξαρτημένη μεταβλητή τo APS και ανεξάρτητες μεταβλητές τις δώδεκα φυσιολογικές μεταβλητές και την ηλικία, καθώς και τα κριτήρια Akaike, Amemiya, Mallows' και Schwarz9.

Τα κριτήρια αυτά χρησιμοποιούνται στη σύγκριση διαφορετικών μοντέλων για τα ίδια δεδομένα. Το κριτήριο Akaike και το παρεμφερές Amemiya, για παράδειγμα, βασίζονται στην έννοια της εντροπίας, προσφέρουν μία σχετική μέτρηση της πληροφορίας που χάνεται όταν ένα μοντέλο περιγράφει την πραγματικότητα και αντιπροσωπεύουν την ανταλλαγή που υπάρχει μεταξύ μεροληψίας και διακύμανσης. Το κριτήριο Mallows', από την άλλη, διευκολύνει τις συγκρίσεις μεταξύ πολλών εναλλακτικών παλινδρομήσεων υποσυνόλων, ενώ το κριτήριο Schwarz αντιμετωπίζει το πρόβλημα ύπαρξης πολλών παραμέτρων. Το πιο καλό μοντέλο εμφανίζει και τις χαμηλότερες τιμές στα κριτήρια αυτά.

Τέλος, κατασκευάστηκε το ιστόγραμμα συχνοτήτων των υπολοίπων της εξίσωσης, καθώς και το κανονικό P-P γραφικό των υπολοίπων. Στατιστικά σημαντικές θεωρήθηκαν οι τιμές του p μικρότερες του 0,05.

ΑΠΟΤΕΛΕΣΜΑΤΑ

Το αποτέλεσμα της ανάλυσης των στοιχείων έδωσε την ακόλουθη εξίσωση απλής γραμμικής παλινδρόμησης:

APS(12) = 148,843 - (1,074*GCS) - (16,878*pH) - (0,190*HCT) + (4,082*CR), όπου HCT είναι ο αιματοκρίτης και CR η κρεατινίνη. Τα στατιστικά της εξίσωσης ήταν: F=116,304 (p=0,000), διορθωμένος συντελεστής προσδιορισμού (R'2) 0,863 και τυπικό σφάλμα εκτίμησης θεωρητικών τιμών 2,624. Όλοι οι συντελεστές παλινδρόμησης ήταν στατιστικώς διάφοροι του 0, αφού όλα τα p ήταν ίσα με 0,000. Ο έλεγχος πολυσυγγραμικότητας έδωσε τιμές VIF που κυμάνθηκαν από 1,105 έως 1,181, δηλαδή σημαντικά μικρότερες από την τιμή 10. Στο Σχήμα 1 δίνεται το ιστόγραμμα συχνοτήτων των υπολοίπων της εξίσωσης, που δείχνει ότι τα υπόλοιπα ακολουθούν κατά προσέγγιση κανονική κατανομή με σταθερή διασπορά. Επιπρόσθετα, στο Σχήμα 2 δίνεται το κανονικό P-P γραφικό των υπολοίπων, που οδηγεί στο ίδιο συμπέρασμα με το ιστόγραμμα συχνοτήτων των υπολοίπων δεδομένου ότι οι τιμές των παρατηρήσεων συγκεντρώνονται κατά προσέγγιση πάνω σε ευθεία γραμμή. Όλα τα παραπάνω κριτήρια (Akaike, Amemiya, Mallows' και Schwarz) έδωσαν μικρότερη τιμή για την προαναφερθείσα εξίσωση (Πίνακας 2).

ΣΥΖΗΤΗΣΗ

Τα συστημάτων μέτρησης βαρύτητας νόσου είναι χρήσιμα για την ταξινόμηση του βαθμού βαρύτητας,  την εκτίμηση της δυνατότητας επιβίωσης και την εκτίμηση της πορείας της νόσου10. Διαδραματίζουν, επίσης, σημαντικό ρόλο στον έλεγχο ποιότητας,  στην υποστήριξη θεραπευτικών παρεμβάσεων σε μεμονωμένα περιστατικά και στην εκτίμηση νέων θεραπευτικών μεθόδων μέσω στρωματοποίησης των ασθενών11. Τέλος, αξιοποιούνται στην καταγραφή της δαπάνης νοσηλείας και στην αντικειμενική ανίχνευση αναγκών σε προσωπικό12.

Η APACHE-II ανήκει στα συστήματα μέτρησης της βαρύτητας της νόσου και χρησιμοποιεί βασικές φυσιολογικές μεταβλητές για τον καθορισμό της βαρύτητας και την πρόβλεψη της πιθανότητας θανάτου3,4,13. Η χρήση της είναι ευρεία τόσο σε γενικές14, όσο και σε νευροχειρουργικές ΜΕΘ5. Ωστόσο, η καταγραφή και το άθροισμα όλων αυτών των μεταβλητών απαιτεί αρκετό χρόνο. Στην παρούσα εργασία επιχειρούμε να περιορίσουμε τον αριθμό των μεταβλητών που είναι απαραίτητες για τον υπολογισμό της APACHE-II, εξοικονομώντας με τον τρόπο αυτό σημαντικό χρόνο.

Στη μελέτη μας, η σειρά με την οποία εμφανίστηκαν οι ανεξάρτητες μεταβλητές στην εξίσωση ήταν η σειρά με την οποία τις παρείχε το SPSS. Αυτό σημαίνει ότι τη μεγαλύτερη επίδραση στην εκτίμηση του APS(12) είχε η GCS. Από μόνη της στην εξίσωση εξήγησε το 72,8% της μεταβλητότητας του APS(12) και το τυπικό σφάλμα εκτίμησης θεωρητικών τιμών ήταν ίσο με 3,704. Επιβεβαιώνεται, δηλαδή, το εύρημα άλλων εργασιών που υποστηρίζουν ότι η νευρολογική συνιστώσα (GCS) είναι αυτή που προσδίδει κυρίως στην APACHE-II την προγνωστική της αξία2,6.

Με την προσθήκη της αμέσως επόμενης σε σπουδαιότητα ανεξάρτητης μεταβλητής, που ήταν το pH, ο διορθωμένος συντελεστής προσδιορισμού ανέβηκε στο 0,810 και το τυπικό σφάλμα εκτίμησης των θεωρητικών τιμών μειώθηκε στο 3,091. Η τρίτη καλύτερη ανεξάρτητη μεταβλητή ήταν ο αιματοκρίτης που αύξησε το διορθωμένο συντελεστή προσδιορισμού στο 0,838, ενώ μείωσε το τυπικό σφάλμα εκτίμησης των θεωρητικών τιμών στο 2,858. Είναι, συνεπώς, δυνατή η εκτίμηση της τιμής του APS από 4 μόνο μεταβλητές. Στη συγκεκριμένη περίπτωση, το 86,3% της μεταβολής του APS οφείλονταν στις παραπάνω 4 μεταβλητές, ενώ το υπόλοιπο 13,7% οφείλονταν σε άλλους παράγοντες που δεν περιέχονται στην εξίσωση.

Η εφαρμογή της εξίσωσης αυτής σε μεγαλύτερο αριθμό ασθενών ΜΕΘ είναι απαραίτητη για την επιβεβαίωση σε μεγαλύτερο δείγμα της εγκυρότητας και της χρησιμότητάς της. Ωστόσο, δε θα πρέπει να παραβλέπεται το γεγονός ότι η εμπειρία αυτών που συλλέγουν τα δεδομένα επηρεάζει σημαντικά τη βαθμολογία και, συνεπώς, την προβλεπόμενη πιθανότητα θανάτου15,16. Ταυτόχρονα, παρατηρούνται διαφορές στην ικανότητα πρόβλεψης των ποικίλων συστημάτων, όταν εφαρμόζονται σε ΜΕΘ άλλων χωρών και ως αιτίες αναφέρονται τα διαφορετικά κριτήρια εισαγωγής και εξόδου από τη ΜΕΘ, οι διαφορετικές οργανωτικές και θεραπευτικές τεχνικές, η διαφορετική αντιμετώπιση πριν από την εισαγωγή στη ΜΕΘ (lead time bias) και η μη σωστή επιλογή της κύριας αιτίας εισαγωγής στη ΜΕΘ (selection bias)3,16-18.

Για το λόγο αυτό, απαιτείται η θέσπιση αυστηρών κατευθυντήριων οδηγιών, η εκπαίδευση του προσωπικού στη σωστή συλλογή δεδομένων και η αντιμετώπιση του προβλήματος της σύνθεσης του υπό μελέτη δείγματος19-22. Μάλιστα, φαίνεται ότι η χρήση αυτόματων συστημάτων για τον υπολογισμό των βαθμολογιών εξοικονομεί χρόνο και προσφέρει αξιόπιστα αποτελέσματα23.

Από τα παραπάνω καθίσταται φανερό ότι δεν είναι δυνατόν ο υπολογισμός των βαθμολογιών στα συστήματα βαρύτητας αποκλειστικά και μόνο να δικαιολογεί εκτενείς αποφάσεις στην εντατική ιατρική, διότι η εκτίμηση της πρόγνωσης σε κάθε μεμονωμένο ασθενή συνδέεται με μεγάλη αβεβαιότητα1,3,4,24.

Τέλος, τονίζεται ότι η ικανότητα πρόβλεψης της βραχυχρόνιας έκβασης ασθενών με  ΚΕΚ είναι δυνατό βελτιωθεί μέσω της αξιοποίησης των συμπερασμάτων διεθνών μελετών με μεγάλο αριθμό ασθενών. Παραδείγματα τέτοιων μελετών είναι η μελέτη CRASH25 και τα άρθρα των Xu et al (2007)26 και Steyerberg et al (2008)27. Κοινός τόπος και των τριών είναι ο αξιοσημείωτος ρόλος που διαδραματίζουν συγκεκριμένες παράμετροι, όπως είναι η ηλικία, η GCS, η αντίδραση στις κόρες, η κινητική αντίδραση, τα ευρήματα στην αξονική τομογραφία, οι εξωκρανιακές βλάβες, η υπόταση, η υποξία και οι τιμές αιμοσφαιρίνης και σακχάρου25-27. Είναι βέβαιο ότι η προσθήκη όλων αυτών των παραμέτρων στην προτεινόμενη εξίσωση θα αυξήσει την προγνωστική της αξία, αυξάνοντας, όμως, παράλληλα και την πολυπλοκότητά της.

ΒΙΒΛΙΟΓΡΑΦΙΑ

    1. Unertl K, Kottler BM. Prognostische scores in der Intensivmedizin. Anaesthesist 1997; 46:471-480.

    2. Murthy JMK, Meena AK, Kumar SR. Severity-of-illness scoring systems and models: neurological and neurosurgical intensive care units. Neurol India 2001; 49:91-94.

    3. Οικονόμου Α, Μπαλτόπουλος Γ. Συστήματα μέτρησης της βαρύτητας της νόσου και πρόβλεψης της έκβασης των βαρέως πασχόντων. Αρχ Ελλ Ιατρ 1999; 16:295-314.

    4. Knaus WA, Draper EA, Wagner DP, Zimmerman JE. APACHE II: A severity disease classification system. Crit Care Med 1985; 13:818-829.

    5. Cho D-Y, Wang Y-C. Comparison of the APACHE III, APACHE II and Glasgow Coma Scale in acute head injury for prediction of mortality and functional outcome. Intensive Care Medicine 1997; 23:77-84.

    6. Hartley C, Cozens A, Mendelow AD, Stevenson JC. The Apache II scoring system in neurosurgical patients: a comparison with simple Glasgow coma scoring. Br J Neurosurg 1995; 9:179-187.

    7. Ball JAS, Redman JW, Grounds RM: Severity of Illness Scoring Systems. In: Vincent JL (editor). 2002 Yearbook of Intensive Care and Emergency Medicine. Springer, New York, 2002, pp. 911-933.

    8. Wong DT, Knaus WA: Predicting outcome in critical care: the current status of the APACHE prognostic scoring system. Can J Anaesth 1991; 38:374-383.

    9. Μάτης ΚΓ: Δασική Βιομετρία I. Στατιστική. 2η έκδοση. Πήγασος, Θεσσαλονίκη, 2003, pp. 311-344.

  10. Markovitz BP: Severity scoring systems and the practice of evidence-based medicine in the intensive care unit. Curr Opin Crit Care 1999; 5:167-172.

  11. Wagner DP, Draper EA, Knaus WA: Analysis: Quality of care. Crit Care Med 1989; 17:S210-S212.

  12. Bosman RJ, Oudemans van Straaten HM, Zandstra DF: The use of intensive care information systems alters outcome prediction. Intensive Care Med 1998; 24:953-958.

  13. Von Bierbrauer A, Riedel S, Cassel W, von Wichert P: Validierung des Acute Physiology and Chronic Health Evaluation (APACHE) III scoringsystems und vergleich mit APACHE II auf einer deutschen intensivstation. Der Anaesthesist 1998; 47:30-38.

  14. Wong DT, Barrow PM, Gomez M, McGuire GP: A comparison of the Acute Physiology and Chronic Health Evaluation (APACHE) II score and the Trauma Injury Severity Score (TRISS) for outcome assessment in intensive care unit trauma patients. Crit Care Med 1996; 24:1642-1648.

  15. Waters M, Nightingale P, Edwards JD: A critical study of the APACHE II scoring system using earlier data collection. Arch Emerg Med 1990; 7:16-20.

  16. Goldhill DR, Sumner A: APACHE II, data accuracy and outcome prediction. Anaesthesia 1998; 53:937-943.

  17. Capuzzo M, Valpondi V, Sgarbi A, et al: Validation of severity scoring systems SAPS II and APACHE II in a single-center population. Intensive Care Med 2000; 26:1779-1785.

  18. Apolone G: The state of research on multipurpose severity of illness scoring systems: are we on target? Intensive Care Med 2000; 26:1727-1729.

  19. Goldhill DR, Withington PS: The effect of casemix adjustment on mortality as predicted by APACHE II. Intensive Care Med 1996; 22:415-419.

  20. Holt AW, Bury LK, Bersten AD, Skowronski GA, Vedig AE: Prospective evaluation of residents and nurses as severity score data collectors. Crit Care Med 1992; 20:1688-1691.

  21. Polderman KH, Jorna EME, Girbes ARJ: Inter-observer variability in APACHE II scoring: effect of strict guidelines and training. Intensive Care Med 2001; 27:1365-1369.

  22. Polderman KH, Girbes ARJ, Thijs LG, Strack van Schijndel RJM. Accuracy and reliability of APACHE II scoring in two intensive care units. Anaesthesia 2001; 56:47-50.

  23. Gooder VJ, Farr BR, Young MP: Accuracy and Efficiency of an Automated System for Calculating APACHE II Scores in an Intensive Care Unit. 1997 AMIA Fall Symposium. Session S69 - Designing & Evaluating Clinical Systems.

  24. Marks RJ, Simons RS, Blizzard RA, Browne DRG. Predicting outcome in intensive therapy units - a comparison of Apache II with subjective assessments. Intensive Care Med 1991; 17:159-163.

  25. MRC CRASH Trial Collaborators. Predicting outcome after traumatic brain injury: practical prognostic models based on large cohort of international patients. BMJ 2008; 336:425-429.

  26. Xu XY, Liu WG, Yang XF, Li LQ. Evaluation of models that predict short-term outcome after traumatic brain injury. Brain Inj 2007; 21:575-582.

  27. Steyerberg EW, Mushkudiani N, Perel P, et al: Predicting Outcome after Traumatic Brain Injury: Development and International Validation of Prognostic Scores Based on Admission Characteristics. PLoS Med 2008; 5:e165 doi:10.1371.

© 2011 PNEUMON Magazine, Hellenic Bronchologic Society.
Developed by LogicONE Logo LogicONE