Desenvolvimento de um modelo estatístico de prognóstico no âmbito da Sepsis, utilizando o conceito PIRO

Abstract

A Sepsis é uma infecção geral grave, caracterizada por uma resposta in amatória sistémica (designada por Síndrome de Resposta In amatória Sistémica), geralmente causada pela presença de um agente infeccioso na corrente sanguínea. A Sepsis tem sido identi cada em diversos estudos epidemiológicos como sendo a principal causa de morte nos doentes críticos, internados nas Unidades de Cuidados Intensivos. A Sepsis pode sistematizar-se através do conceito PIRO (Predisposição, Infecção, Resposta e disfunção do Órgão). Existem factores susceptíveis de serem importantes em cada um dos componentes PIRO. Neste trabalho foram estudados os factores P de Predisposição, tais como o sexo, idade, doenças crónicas, comorbilidades, e os factores R de Resposta, tais como a temperatura, frequência cardíaca, respiratória, número de leucócitos, neutró los, PCR. O objectivo é encontrar os factores que mais contribuem para a mortalidade hospitalar. Relativamente aos factores de Predisposição foi efectuada a regressão logística com os métodos stepwise e o método de selecção de variáveis LASSO. Este último método é particularmente importante quando estamos perante um grande número de variáveis explicativas, pois tem a vantagem de reduzir algumas das variáveis a zero, dependendo do valor do parâmetro que faz essa redução. O problema da selecção de variáveis permite decidir quais as variáveis a incluir no modelo de modo a obter um bom tradeo entre viés e variância. Isto leva-nos a um conjunto de variáveis mais parcimonioso e que esteja associado com a mortalidade hospitalar. Quanto às variáveis R, após análise estatística univariada e bivariada podemos chegar à conclusão de quais as variáveis que são signi cativamente diferentes entre os indivíduos que faleceram e que tiveram alta e de como variaram durante os dias de internamento na Unidade de Cuidados Intensivos (UCI). Dado que estamos perante dados longitudinais, esta primeira análise permitir-nos-á decidir qual a melhor metodologia a implementar. Conhecendo bem o comportamento das variáveis estamos em condições de, mais tarde desenvolver um modelo que nos permita construir um score PIRO.

Sepsis a serious general infection, characterized by a systemic in ammatory response (referred to as Systemic In ammatory Response Syndrome), usually caused by the presence of an infectious agent in the bloodstream. The Sepsis has been identi ed in several epidemiological studies as being the leading cause of death in critically ill patients hospitalized in intensive care units. Sepsis can be systematized through the PIRO concept (predisposition, infection, response and organ dysfunction). There are factors likely to be important in each of the components PIRO. In this work we studied the factors P of predisposition, such as gender, age, chronic illness, comorbidities, and R factors of response, such as temperature, heart rate, respiratory rate, leukocyte count, CRP. The aim is to nd the factors that most contribute to hospital mortality. As regards predisposing factors, logistic regression was performed with stepwise methods and variable selection method LASSO. The latter method is particularly important when we are dealing with a large number of explanatory variables; it has the advantage of shrink some of the variables to zero, depending on the value of the parameter that causes this shrinkage. The problem of variable selection allows you to decide which variables to include in the model to obtain a good tradeo between bias and variance. This leads us to a more parsimonious set of variables and is association with hospital mortality. As for the R variables, after univariate and bivariate statistical analysis we reach the conclusion which variables are signi cantly di erent between the patients who died and who went discharged and how was the variation of variables along the days of stay in Intensive Care Unit (ICU). Since we are dealing with longitudinal data, this initial analysis will allow us to decide on the best methodology to implement. Knowing well the behavior of the variables we are able to later develop a model that allows us to build a PIRO score.