Regístrese
Buscar en
Rehabilitación
Toda la web
Inicio Rehabilitación Algoritmo que identifica la dificultad en el retorno al domicilio del hemipléji...
Información de la revista
Vol. 45. Núm. 1.
Páginas 3-8 (Enero - Marzo 2011)
Compartir
Compartir
Descargar PDF
Más opciones de artículo
ePub
Visitas
2768
Vol. 45. Núm. 1.
Páginas 3-8 (Enero - Marzo 2011)
Original
DOI: 10.1016/j.rh.2010.12.002
Algoritmo que identifica la dificultad en el retorno al domicilio del hemipléjico agudo
Decision algorithm that identifies delay in discharge of stroke patients
Visitas
...
R.M. San Segundoa,??
Autor para correspondencia
rsansegundo@xarxatecla.cat

Autor para correspondencia.
, J.J. Aguilarb, J.F. Santosb, T. Usabiagab
a Servicio de Medicina Física y Rehabilitación, Hospital de Sant Pau i Santa Tecla, Universidad Rovira i Virgili, Tarragona, España
b Servicio de Medicina Física y Rehabilitación, Hospital Juan XXIII, Universidad Rovira i Virgili, Tarragona, España
Información del artículo
Resumen
Texto completo
Bibliografía
Descargar PDF
Estadísticas
Figuras (1)
Tablas (3)
Tabla 1. Características de los pacientes y comparación entre los que retrasan la vuelta al domicilio (DRD) y los que no.
Tabla 2. Factores que influyen significativamente en la demora en el retorno al domicilio.
Tabla 3. Probabilidad de demora en el retorno al domicilio.
Mostrar másMostrar menos
Resumen
Introducción

El retorno al domicilio del paciente que ha sufrido un accidente cerebrovascular agudo (ACVA) es fundamental para el alta hospitalaria y su integración en la sociedad. Se establece un algoritmo que permita identificar a los pacientes con ACVA que sufrirán demora en la reinserción al domicilio al alta.

Material y métodos

Se procede a un estudio retrospectivo en 214 hemipléjicos que ingresan en el Servicio de Rehabilitación (SMFR) de un Hospital General. Se recogen 17 variables clínicas y sociodemográficas al ingreso en rehabilitación (a los 14 días de media desde el ictus) y se relacionan con la demora en la vuelta a su domicilio (DRD).

Mediante análisis de regresión logística múltiple, se calcula la fórmula del modelo de predicción y se confecciona un árbol de probabilidades de DRD.

Resultados

La probabilidad de DRD está determinada por tres variables: FIM inicial (menor o mayor a 50 puntos), edad (mayor o menor a 75 años) y soledad (vivir solo o no previamente al ACVA). La combinación de estas variables permite confeccionar un algoritmo con ocho grupos de diferente probabilidad de DRD, entre el 3,6 y el 79,6%. Tiene una especificidad del 89%, sensibilidad del 40% y valor de predicción del 76%.

Conclusiones

Se ha construido un algoritmo para decidir a priori la probabilidad de DRD utilizando las tres variables de mayor capacidad de predicción: capacidad funcional al ingreso (por Functional Independence Measure [FIM]), edad y la circunstancia de vivir en soledad. Este algoritmo incluye ocho grupos diferentes de probabilidad de DRD.

Palabras clave:
ACV
Demora en el retorno a domicilio
Algoritmo de decisión
FIM
Abstract
Introduction

The return home of patients who have suffered an acute cerebrovascular accident (ACVA) is fundamental if they are to be discharged from hospital and integrated into society. Our aim is to design an algorithm that can identify those patients with ACVA who will undergo a delay in discharge to their home.

Patients and method

A total of 214 hemiplegic patients admitted to the Rehabilitation Service (SMRF) of the General Hospital were retrospectively studied. On admittance (a mean of 14 days after the stroke), 17 clinical and sociodemographic variables were collected and their relationship with delay in the return home (DRD) was studied. Multiple logistic regression analysis was used to calculate the formula of the prediction model and the probability tree for presenting DRD was drawn up.

Results

Likelihood of DRD is determined by three variables: initial functional independence measurement (FIM) (above or below 50 points), age (older or younger than 75) and living alone (whether or not the patient lived alone before the ACVA). The combination of these variables makes it possible to construct an algorithm with eight different likelihood groups of DRD, between 3.6 and 79.6%. It has an 89% specificity, 40% sensitivity and 76% prediction value.

Conclusions

An algorithm has been constructed to make a priori decisions about the probability of DRD. It uses the three variables with the greatest prediction ability: functional capacity on admittance (FIM), age and whether or not the patient lived alone. The algorithm considers eight different groups of DRD likelihood.

Keywords:
ACVA
Delay in discharge
Decision algorithm
FIM

Artículo

Opciones para acceder a los textos completos de la publicación Rehabilitación
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:

Rehabilitación

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.