Independent predictors of mortality in patients with sepsis

Autor: Gavrilović, Srđan
Přispěvatelé: Andrijević, Ilija, Kopitović, Ivan, Obradović, Dušanka, Vukoja, Marija, Palibrk, Ivan, Matijašević, Jovan, Rakić, Goran
Jazyk: srbština
Rok vydání: 2021
Předmět:
Zdroj: CRIS UNS
Popis: Sepsa je klinički sindrom karakterisan prisustvom infekcije i neadekvatnog sistemskog inflamatornog odgovora organizma i može se komplikovati razvojem septičnog šoka i multiorganske disfunkcije. Sepsa predstavlja jedan od najvećih zdravstveniih problema današnjice širom sveta sa visokim mortalitetom. Takođe, ona je glavni preventabilni uzrok smrti unutar bolnica. Poznavanje i jasno definisanje prediktivnih faktora mortaliteta kod pacijenata u sepsi pomaže u bržoj identifikaciji kritično obolelih pacijenata i pravovremenom ordiniranju adekvatne terapije, te doprinosi razvoju novih strategija primarne i sekundarne prevencije. Kreiranje modela za predikciju mortaliteta pruža mogućnost kvantifikacije težine stanja pacijenata, što ih čini neizostavnim u naučno-istraživačkom radu, pogotovo u oblastima poboljšanja kvaliteta i personalizovane medicine. Opšti cilj ovog istraživanja je bio da se utvrde nezavisni prediktori mortaliteta u sepsi, kao i da se formira prediktivni model smrtnog ishoda. Specifični ciljevi su bili da se utvrdi korelacija koncetracije laktata, vrste prijema i komorbiditeta sa mortalitetom u sepsi. Ispitivanje je sprovedeno kao opservaciono, neinterventno, delom retrospektivno, delom prospektivno. Obuhvaćena je konsekutivna serija pacijenata sa sepsom primljenih u Jedinicu intenzivnog lečenja Instituta za plućne bolesti Vojvodine u Sremskoj Kamenici od 01.01.2017. do 31.07.2019. godine. Metodama logističke regresivne analize su procenjeni faktori rizika za 28-dnevni mortalitet. Nakon identifikacije nezavisnih prediktora konstruisan je i validiran prediktivni model. Studijom je ukupno obuhvaćeno 307 pacijenata sa sepsom od kojih je 52,4% preminulo unutar 28 dana od prijema. Nije postojala statistički značajna razlika (p>0,05) u mortalitetu od sepse u odnosu na vrstu prijema pacijenata u jedinicu intenzivne nege. Vrednost laktata pri prijemu i vrednost Čarlson skora je bila u pozitivnoj korelaciji sa mortalitetom. Konačni model predikcije mortaliteta sadrži sledeće varijable: vrednost APAČE 2 skora preko 20, SOFA skora iznad 7, Čarlsonovog indeksa komorbiditeta preko 3 i koncentracija laktata u serumu iznad 2,32 mmol/l. Formiran model predikcije je pokazao dobru diskriminaciju (AUC 0,754: 95% IP=0,700-0,808), a ispravno je klasifikovao 67,4% pacijenata, sa 70,8% osetljivosti i 63,7% specifičnost. Zaključujemo da su nezavisni prediktori mortaliteta kod pacijenata u sepsi: viša koncentracija laktata merena u prva 24 časa od prijema u jedinicu intenzivnog lečenja, više vrednosti APAČE 2 skora, više vrednosti SOFA skora i više vrednosti Čarlsonovog indeksa komorbiditeta. Za razliku od laktata i komorbiditeta, ne postoji statistički značajna razlika u mortalitetu od sepse u odnosu na vrstu prijema. Konstruisan model predikcije je pokazao dobru prediktivnu validnost, uporedivu sa ostalim najčešće korišćenim modelima.
Sepsis is a clinical syndrome characterized by both the presence of the infection and inadequate systemic inflammatory organism response that can be additionally complicated by the development of septic shock and multiorgan dysfunction. Recently sepsis is defined as one of the biggest health problems in the world with high mortality and a major preventable cause of death within hospitals. Knowledge and clear definition of predictive mortality factors for patients with sepsis contribute to faster identification of critically ill patients and timely administration of adequate therapy, as well as to the development of new strategies for primary and secondary prevention. Creating a model for predicting mortality provides the possibility of quantifying the severity of the patients' condition that can be indispensable in scientific research, especially in the areas of quality improvement and personalized medicine. The overall aim of this thesis was to determine independent predictors of mortality in sepsis, as well as to form a predictive model of mortality. Whereas specific objectives of the thesis were to determine the correlation of lactate concentration, type of admission and comorbidity with mortality for sepsis. The investigation was conducted as observational, noninterventional, partly retrospectively, partly prospectively. The research included consecutive series of patients with sepsis admitted to the Intensive Care Unit of the Institute for Pulmonary Diseases of Vojvodina in Sremska Kamenica from 01.01.2017 to 31.07.2019. Risk factors for 28-day mortality were estimated by logistic regression analysis methods. After the estimation of independent predictors, a predictive model was constructed and validated. The study involved a total of 307 patients with sepsis, of whom 52.4% died within 28 days of admission. There was no statistically significant difference (p>0.05) in mortality from sepsis in relation with the admission type of patients to the intensive care unit. The value of lactate at the time of admission and the value of the Charlson score were positively correlated with mortality. The final mortality prediction model contained the following variables: APACHE II score above 20, SOFA score above 7, Charlson comorbidity index over 3, and serum lactate concentrations above 2.32mmol/l. The prediction model formed showed good discrimination (AUC 0.754: 95% CI = 0.700-0.808), and were correctly classified 67.4% of patients, with 70.8% sensitivity and 63.7% specificity. It can be concluded that independent predictors of mortality in patients with sepsis are: higher lactate concentration measured in the first 24h of admission to the Intensive Care Unit, higher APACHE II scores, higher SOFA scores, and higher Charlson comorbidity index values. Unlike lactate and comorbidity, there is no statistically significant difference in mortality from sepsis in relation with the admission type. The constructed prediction model exhibited good predictive validity, comparable to other commonly used models.
Databáze: OpenAIRE
Externí odkaz: