Buscar en
Medicina Clínica
Toda la web
Inicio Medicina Clínica Modelos probabilísticos de mortalidad para pacientes hospitalizados en unidades...
Información de la revista
Vol. 117. Núm. 9.
Páginas 326-331 (Enero 2001)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
ePub
Vol. 117. Núm. 9.
Páginas 326-331 (Enero 2001)
DOI: 10.1016/S0025-7753(01)72103-3
Modelos probabilísticos de mortalidad para pacientes hospitalizados en unidades convencionales
Probabilistic models of mortality for patients admitted in conventional hospital units
Visitas
...
Montse Rué
Autor para correspondencia
rue@jimmy.harvard.edu

Correspondencia: Dra. M. Rué. Department of Biostatistical Science. Dana-Farber Cancer Institute. 44 Binney Street. Boston, MA 02115. EE.UU.
, Marta Roqué, Judit Solé, Marta Macié, Grupo de trabajo de medida de la gravedad de la Corporació Sanitária Parc Taulí *
Corporació Sanitária Parc Taulí. Sabadell. Barcelona
Información del artículo
Fundxamento

Se ha desarrollado un instrumento de medida de la gravedad para pacientes hospitalizados en unidades convencionales, adecuado para evaluar y comparar la efectividad y la calidad de la asistencia sanitaria en nuestro entorno.

Pacientes y método

Se ha incluido a 2.274 pacientes adultos ingresados consecutivamente en unidades de hospitalización de los Servicios de Medicina, Cirugía y Cirugía Ortopédica y Traumatológica de la Corporació Sanitària Parc Taulí de Sabadell entre el 1 de noviembre de 1997 y el 30 de septiembre de 1998. Se han recogido variables demográficas, estado de salud previo, hábitos tóxicos, comorbilidades previas al ingreso, características del ingreso, variables clínicas de las primeras 24 h del ingreso, resultados de laboratorio y datos del Conjunto Mínimo Básico de Datos de alta hospitalaria. Se utilizó el análisis de regresión logística múltiple para desarrollar modelos probabilísticos de mortalidad durante la estancia hospitalaria.

Resultados

El modelo probabilístico de mortalidad en el momento del ingreso (MPMHOS-0) contiene 7 variables asociadas a la mortalidad durante la estancia hospitalaria: edad, ingreso urgente, insuficiencia cardíaca crónica, insuficiencia respiratoria crónica, hepatopatía crónica, presencia de neoplasia y síndrome demencial. El modelo probabilístico de mortalidad a las 24–48 h del ingreso (MPMHOS-24) contiene 9 variables: las incluidas en el modelo MPMHOS-0 más dos variables de laboratorio que resultaron estadísticamente significativas: hemoglobina y creatinina.

Conclusiones

Las medidas de gravedad, en particular las que se presentan en este estudio, pueden ayudar a interpretar las tasas de mortalidad hospitalarias y orientar a los comités de mortalidad o de calidad en la detección de problemas asistenciales.

Palabras clave:
Índice de gravedad
Calidad asistencial
Evaluación del resultado
Ajuste de riesgos
Modelos logísticos
Background

We have developed a tool to measure disease severity of patients hospitalized in conventional units in order to evaluate and compare the effectiveness and quality of health care in our setting.

Patients and method

A total of 2,274 adult patients admitted consecutively to inpatient units from the Medicine, Surgery and Orthopaedic Surgery, and Trauma Departments of the Corporació Sanitària Parc Taulí of Sabadell, Spain, between November 1, 1997 and September 30, 1998 were included. The following variables were collected: demographic data, previous health state, substance abuse, comorbidity prior to admission, characteristics of the admission, clinical parameters within the first 24 hours of admission, laboratory results and data from the Basic Minimum Data Set of hospital discharges. Multiple logistic regression analysis was used to develop mortality probability models during the hospital stay.

Results

The mortality probability model at admission (MPMHOS-0) contained 7 variables associated with mortality during hospital stay: age, urgent admission, chronic cardiac insufficiency, chronic respiratory insufficiency, chronic liver disease, neoplasm, and dementia syndrome. The mortality probability model at 24–48 hours from admission (MPMHOS-24) contained 9 variables: those included in the MPMHOS-0 plus two statistically significant laboratory variables: hemoglobin and creatinine.

Conclusions

Severity measures, in particular those presented in this study, can be helpful for the interpretation of hospital mortality rates and can guide mortality or quality committees at the time of investigating health care-related problems.

Keywords:
Severity of illness index
Quality of health care
Outcome assessment
Risk adjustment
Logistic models

Artículo

Opciones para acceder a los textos completos de la publicación Medicina Clínica
Suscriptor
Suscriptor de la revista

Si ya tiene sus datos de acceso, clique aquí.

Si olvidó su clave de acceso puede recuperarla clicando aquí y seleccionando la opción "He olvidado mi contraseña".
Suscribirse
Suscribirse a:

Medicina Clínica

Comprar
Comprar acceso al artículo

Comprando el artículo el PDF del mismo podrá ser descargado

Precio 22,50 €

Comprar ahora
Contactar
Teléfono para suscripciones e incidencias
De lunes a viernes de 9h a 18h (GMT+1) excepto los meses de julio y agosto que será de 9 a 15h
Llamadas desde España
932 415 960
Llamadas desde fuera de España
+34 932 415 960
E-mail
Opciones de artículo
Herramientas
es en pt

¿Es usted profesional sanitario apto para prescribir o dispensar medicamentos?

Are you a health professional able to prescribe or dispense drugs?

Você é um profissional de saúde habilitado a prescrever ou dispensar medicamentos

es en pt
Política de cookies Cookies policy Política de cookies
Utilizamos cookies propias y de terceros para mejorar nuestros servicios y mostrarle publicidad relacionada con sus preferencias mediante el análisis de sus hábitos de navegación. Si continua navegando, consideramos que acepta su uso. Puede cambiar la configuración u obtener más información aquí. To improve our services and products, we use "cookies" (own or third parties authorized) to show advertising related to client preferences through the analyses of navigation customer behavior. Continuing navigation will be considered as acceptance of this use. You can change the settings or obtain more information by clicking here. Utilizamos cookies próprios e de terceiros para melhorar nossos serviços e mostrar publicidade relacionada às suas preferências, analisando seus hábitos de navegação. Se continuar a navegar, consideramos que aceita o seu uso. Você pode alterar a configuração ou obter mais informações aqui.