ABSTRACT
INTRODUCCIÓN: Para el caso de infección urinaria adquirida en la comunidad la identificación de enterobacterias con beta-lactamasas de espectro extendido (BLEE) puede optimizar las estrategias de tratamiento, control y seguimiento; sin embargo, el efecto de prevalencias variables de este patrón de resistencia ha afectado la validez externa de este tipo de modelos. OBJETIVO: Desarrollar un modelo predictor diagnóstico que ajuste el error de predicción en prevalencias variables utilizando la regresión LASSO. MÉTODOS: Se diseñó un modelo predictor diagnóstico de infección urinaria adquirida en la comunidad por enterobacterias productoras de BLEE. Se empleó un estudio de corte transversal, tanto para la construcción como para la validación. Para evaluar el efecto de la prevalencia variable del desenlace, la validación se realizó con población en la que la proporción de aislados con este mecanismo de resistencia fue menor, los participantes fueron pacientes adultos que consultaron a servicios de urgencias de dos instituciones hospitalarias de mediano nivel de complejidad de la ciudad de Medellín. Para ajustar el efecto de un medio ambiente con menor proporción de resistencia antimicrobiana, utilizamos la contracción de predictores por regresión LASSO. RESULTADOS: Se incluyeron 303 pacientes para la construcción del modelo, se evaluaron seis predictores y la validación se realizó en 220 pacientes. CONCLUSIÓN: El modelo ajustado con regresión LASSO favoreció la validez externa del modelo en poblaciones con proporción de aislados productores de BLEE en urocultivo de pacientes ambulatorio entre 11 y 16%. Este estudio brinda criterios para un aislamiento temprano cuando los predictores están presentes en poblaciones con proporciones de resistencia en urocultivos ambulatorios cercanas a 15% y propone una metodología para ajuste de error en el diseño de modelos de predicción en resistencia antimicrobiana
BACKGROUND: In the case of community-acquired urinary tract infection, the identification of Enterobacteriaceae with extended spectrum beta-lactamases (ESBL) can optimize treatment, control and follow-up strategies, however the effect of variable prevalences of this resistance pattern has affected the external validity of this type of models. AIM: To develop a diagnostic predictive model that adjusts the prediction error in variable prevalences using the LASSO regression. METHODS: A diagnostic predictive model of community-acquired urinary tract infection by infection by ESBL producing Enterobacteriaceae was designed. A cross-sectional study was used for both construction and validation. To assess the effect of the variable prevalence of the outcome, the validation was performed with a population in which the proportion of isolates with this resistance mechanism was lower, the participants were adult patients who consulted the emergency services of two medium-level hospital institutions. complexity of the city of Medellin. To adjust for the effect of an environment with a lower proportion of antimicrobial resistance, we used the contraction of predictors by LASSO regression. RESULTS: 303 patients were included for the construction of the model, six predictors were evaluated and validation was carried out in 220 patients. CONCLUSION: The adjusted model with LASSO regression favored the external validity of the model in populations with a proportion of ESBL producing isolates in urine culture of outpatients between 11 and 16%. This study provides criteria for early isolation when predictors are present in populations with proportions of resistance in ambulatory urine cultures close to 15% and proposes a methodology for the adjustment of errors in the design of prediction models for antimicrobial resistance.