Construcción de un modelo predictivo para ocurrencia de primera infección urinaria en pacientes pos-trasplante renal: experiencia de un centro de trasplante en Colombia 2007-2015
Introducción La infección urinaria es la complicación más frecuente en pacientes con trasplante renal y puede estar relacionada con la sobrevida del injerto. El objetivo del estudio fue construir un modelo de predicción que permita estimar las probabilidades de riesgo individual para ocurrencia de l...
- Autores:
-
Rodríguez Bedoya, Ingrid Milena
- Tipo de recurso:
- Fecha de publicación:
- 2018
- Institución:
- Universidad Nacional de Colombia
- Repositorio:
- Universidad Nacional de Colombia
- Idioma:
- spa
- OAI Identifier:
- oai:repositorio.unal.edu.co:unal/63753
- Acceso en línea:
- https://repositorio.unal.edu.co/handle/unal/63753
http://bdigital.unal.edu.co/64262/
- Palabra clave:
- 61 Ciencias médicas; Medicina / Medicine and health
Palabras clave: Trasplante renal, infección de vías urinarias, factores de riesgo, modelo de predicción. Trasplante renal
Infección de vías urinarias
Factores de riesgo
Modelo de predicción
Kidney transplantation
Urinary tract infection
Risk factor
Prediction models
- Rights
- openAccess
- License
- Atribución-NoComercial 4.0 Internacional
Summary: | Introducción La infección urinaria es la complicación más frecuente en pacientes con trasplante renal y puede estar relacionada con la sobrevida del injerto. El objetivo del estudio fue construir un modelo de predicción que permita estimar las probabilidades de riesgo individual para ocurrencia de la primera infección urinaria en pacientes pos-trasplante renal. Metodología Estudio de cohorte histórica en adultos con trasplante renal del centro de trasplante de Clínica Colsanitas durante los años 2007–2015. Se tomó el primer episodio de infección urinaria definido como paciente con cultivo de orina positivo con más de 105 unidades formadoras de colonias por cc de orina (UFC/ml). Se incluyen variables demográficas, clínicas del receptor y donante y de laboratorio. Se realizó análisis univariado descriptivo y análisis bivariado, se determinó significación de las diferencias con la prueba exacta de Fisher o de ji al cuadrado con corrección de Yates, o prueba de t student según naturaleza de las variables. Se construyó modelo predictivo mediante regresión logística multivariada y se realizó validación interna del modelo. Se consideró un nivel de significancia de p0,05 y se calcularon intervalos de confianza del 95%. Los datos se analizaron con el software Stata® versión 11.0. Resultados Un total de 259 pacientes se incluyeron en el estudio, con una media de edad de 45,42 años (D.E.±14,19). El 62,93% (163) fueron hombres con un promedio de edad de 47,41 años (D.E.±13,44) y 37,07% (96) mujeres con 42,04 años en promedio (D.E.±14,85). El 22% (57) presentaron infección de vías urinarias (IVU). El agente etiológico de IVU más común fue Escherichia coli en el 82,46% (47) de los pacientes, seguido por Klebsiella spp. en el 7,02% (4). Las variables predictoras que finalmente se incluyeron en el modelo fueron sexo, edad, enfermedad hipertensiva, diabetes, hemodiálisis, tiempo de tratamiento ERC, tiempo de isquemia, tipo de donante, inducción con basiliximab, inmunosupresión pos con sirolimus, inmunosupresión pos con tacrolimus/everolimus, puntaje de HLA DR 1, en su mayoría por relevancia clínica. Conclusión En nuestro estudio se construyó un modelo con las variables que mostraron alguna significancia estadística durante el análisis, pero en su mayoría no fue consistente con el comportamiento en el modelo, sin embargo, se incluyen por relevancia clínica. Las variables incluidas fueron sexo, edad, enfermedad hipertensiva, diabetes, hemodiálisis, tiempo de tratamiento ERC, tiempo de isquemia, tipo de donante, inducción con basiliximab, inmunosupresión pos con sirolimus, inmunosupresión pos con tacrolimus/everolimus, puntaje de HLA DR 1. El modelo clasifico correctamente el 87% de los pacientes, pero es necesario realizar una validación externa que permita evaluar su rendimiento en otra población. |
---|