Bacteriemia adquirida en la comunidad: elaboración de un modelo de predicción clínica en pacientes ingresados en un servicio de medicina interna

Fundamento y objetivo: La sospecha de bacteriemia basada en el juicio clínico carece de la sensibilidad, especificidad o valor predictivo necesarios para tener utilidad diagnóstica. El objetivo de este trabajo es desarrollar un modelo de predicción de bacteriemia en pacientes ingresados en un servicio de medicina interna, con clínica adquirida en la comunidad que haya motivado la obtención de hemocultivos. Pacientes y método: Se ha realizado durante 1 año un estudio prospectivo en el que se ha incluido a los enfermos de quienes se había obtenido hemocultivos en las primeras 48 h del ingreso. Se ha elaborado un modelo de predicción de bacteriemia derivado de una muestra aleatoria de aproximadamente dos tercios (grupo de derivación) y se ha validado en el tercio restante (grupo de validación). Tras el estudio estadístico bivariante, las variables significativas se han introducido en un modelo de regresión logística múltiple de exclusión escalonada paso a paso. En cada paciente de los grupos de derivación y validación se ha obtenido una puntuación derivada de la suma de los puntos de las variables significativas de la regresión logística; según esta puntuación, se han formado 4 grupos y se ha calculado en ellos la prevalencia de bacteriemia. Se han evaluado la calibración y la discriminación del modelo con la prueba de Hosmer-Lemeshow y el cálculo de la curva de eficacia diagnóstica (curva ROC), respectivamente. Resultados: Se obtuvieron 448 hemocultivos, con una prevalencia de bacteriemia del 25,2%. En el grupo de derivación, las variables significativas en el análisis multivariante fueron foco urinario, temperatura de 38,3 °C o superior, desviación hacia la izquierda, velocidad de sedimentación globular igual o mayor de 70 mm/h, cifra de plaquetas inferior a 200 * 103/µl, glucemia igual o mayor de 140 mg/dl, urea igual o mayor de 50 mg/dl, proteína C reactiva igual o mayor de 12 mg/dl y albúmina inferior a 3 g/dl. El modelo permitió formar 4 grupos con prevalencia creciente de bacteriemia; en el grupo con puntuación de 0-3 puntos, la prevalencia fue del 2,4%; en el de 4-5, del 15,7%; en el de 6-7 puntos, un 42,9%, y en la puntuación igual o mayor de 8, del 65%. En el grupo de validación, la prevalencia fue del 4,1%, el 22,6, el 29,3 y el 80%, respectivamente. El modelo presentó una buena calibración (*2 de Hosmer-Lemeshow = 4,91; p = 0,77). La curva de eficacia diagnóstica del grupo de derivación fue de 0,81 (intervalo de confianza del 95%, 0,76-0,86), y la del grupo de validación fue de 0,77 (intervalo de confianza del 95%, 0,69-0,85). Conclusiones: Nuestro modelo presentó una calibración y una capacidad de discriminación buenas, lo que indica su utilidad para estimar la probabilidad de bacteriemia en pacientes ingresados en un servicio de medicina interna. Utilizado de forma conjunta con el juicio clínico, el modelo puede ser útil en el proceso de toma de decisiones con respecto a la obtención de hemocultivos, monitorización clínica y tratamiento antibiótico empírico. Antes de su aplicación es necesaria su validación prospectiva en otros entornos.

Background and objective: Clinical suspicion of bacteremia lacks of sensitivity, specificity or predictive values enough to be clinicaly useful. The aim of this study was to develop a clinical prediction rule of bacteremia for patients hospitalized in an internal medicine department, with community-acquired symptoms, who had blood cultures obtained. Patients and method: A prospective study, including all patients who had blood cultures in the first 48 h after admission, was performed. A clinical prediction rule of bacteremia was derived from a random sample of two thirds of the patients (derivation cohort) and validated in the remaining (validation cohort). After bivariate analysis, significant variables were included in a stepwise logistic regression analysis. In every patient out of the derivation and validation cohorts a score, derived from the addition of points for each of the significant predictor variables of logistic regression, was obtained; according to this score, 4 groups were formed, and the prevalence of bacteremia in each of them was calculated. Calibration and discrimination were evaluated by the Hosmer-Lemeshow test and area under the ROC curve respectively. Results: Four hundred and forty-eight blood cultures were obtained; the prevalence of bacteremia was 25.2%. Independent predictors of bacteremia in the bivariate analysis were urinary focus of infection, body temperature >= 38.3 °C, presence of band forms, ESR >= 70 mm, platelets < 200 * 103/µl, blood glucose >= 140 mg/dl, urea >= 50 mg/dl, C-reactive protein >= 12 mg/dl, and albumin < 3 g/dl. According to the score, in the derivation cohort, four groups with increasing prevalence of bacteremia were identified; in the group with a score between 0 and 3, the prevalence was 2.4%; between 4 and 5: 15.7%; between 6 and 7: 42.9%; and score >= 8: 65%. In the validation cohort, the prevalence was 4.1%, 22.6%, 29.3%, and 80%, respectively. The model showed good calibration (Hosmer-Lemeshow *2 = 4.91; p = 0.77). Area under the ROC curve was 0.81 (95% confidence interval, 0.76-0.86) in the derivation cohort, and 0.77 (95% confidence interval, 0.69-0.85) in validation cohort. Conclusions: Our model, constructed with 9 variables and a simple additive point system, had good calibration and discrimination, which points at its uselfuness to estimate the probability of bacteremia in patients admitted in an Internal Medicine department. Used in conjunction with clinical jugdement, the model can be useful in the decision-making process, concerning blood cultures obtention, clinical monitoring, and empirical antimicrobial therapy. Before application, additional prospective validation in other settings is warranted.