Modelos predictivos de bacteriemia en el servicio de urgencias: revisión sistemática / Models to predict bacteremia in the emergency department: a systematic review

Objetivo. La obtención de hemocultivos (HC) se realiza en el 15% de los pacientes atendidos con sospecha de infección en los servicios de urgencias (SU) con una rentabilidad diagnóstica variable (2-20%). La mortalidad a 30 días de estos pacientes con bacteriemia es elevada, doble o triple que el resto con el mismo proceso. Así, encontrar un modelo predictivo de bacteriemia eficaz y aplicable en los SU sería muy importante. Clásicamente, el modelo de Shapiro ha sido la referencia en todo el mundo. El objetivo de esta revisión sistemática (RS) es comparar la capacidad para predecir bacteriemia en los SU de los distintos modelos predictivos publicados desde el año 2008 (fecha de publicación del modelo de Shapiro). Métodos. Se realiza una RS siguiendo la normativa PRISMA en las bases de datos de PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Tripdatabase y ClinicalTrials.gov desde enero de 2008 hasta 31 mayo 2023 sin restricción de idiomas y utilizando una combinación de términos MESH: “Bacteremia/Bacteraemia/Blood Stream Infection”, “Prediction Model/Clinical Prediction Rule/Risk Prediction Model”, “Emergencies/Emergency/Emergency Department” y “Adults”. Se incluyeron estudios de cohortes observacionales (analíticos de rendimiento diagnóstico). Para valorar la calidad del método empleado y el riesgo de sesgos de los artículos incluidos se utilizó la NewcastleOttawa Scale (NOS). No se incluyeron estudios de casos y controles, revisiones narrativas y en otros tipos de artículos. No se realizaron técnicas de metanálisis, pero los resultados se compararon narrativamente. El protocolo de la RS se registró en PROSPERO (CRD42023426327). Resultados. Se identificaron 917 artículos y se analizaron finalmente 20 que cumplían los criterios de inclusión. Los estudios incluidos contienen 33.182 HC procesados con 5.074 bacteriemias (15,3%). Once estudios fueron calificados de calidad alta, 7 moderada y 2 baja... (AU)

Objective. Blood cultures are ordered in emergency departments for 15% of patients with suspected infection. The diagnostic yield varies from 2% to 20%. Thirty-day mortality in patients with bacteremia is high, doubling or tripling the rate in patients with the same infection but without bacteremia. Thus, finding an effective model to predict bacteremia that is applicable in emergency departments is an important goal. Shapiro’s model is the one traditionally used as a reference internationally. The aim of this systematic review was to compare the predictive power of bacteremia risk models published since 2008, when Shapiro’s model first appeared. Methods. We followed the recommendations of the Preferred Reporting Items for Systematic Reviews and MetaAnalyses (PRISMA) statement, searching in the following databases for articles published between January 2008 and May 31, 2023: PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Trip Medical Database, and ClinicalTrials.gov. No language restrictions were specified. The search terms were the following Medical Subject Headings: bacteremia/bacteraemia/blood stream infection, prediction model/clinical prediction rule/risk prediction model, emergencies/emergency/emergency department, and adults. Observational cohort studies analyzing diagnostic yield were included; case-control studies, narrative reviews, and other types of articles were excluded. The Newcastle-Ottawa Scale was used to score quality and risk of bias in the included studies. The results were compared descriptively, without meta-analysis. The protocol was included in the PROSPERO register (CRD42023426327). Results. Twenty studies out of a total of 917 were found to meet the inclusion criteria. The included studies together analyzed 33 182 blood cultures, which detected 5074 cases of bacteremia (15.3%). Eleven studies were of high quality, 7 of moderate quality, and 2 of low quality... (AU)

Models to predict bacteremia in the emergency department: a systematic review. / Modelos predictivos de bacteriemia en el servicio de urgencias: revisión sistemática.

OBJECTIVES: Blood cultures are ordered in emergency departments for 15% of patients with suspected infection. The diagnostic yield varies from 2% to 20%. Thirty-day mortality in patients with bacteremia is high, doubling or tripling the rate in patients with the same infection but without bacteremia. Thus, finding an effective model to predict bacteremia that is applicable in emergency departments is an important goal. Shapiro's model is the one traditionally used as a reference internationally. The aim of this systematic review was to compare the predictive power of bacteremia risk models published since 2008, when Shapiro's model first appeared. MATERIAL AND METHODS: We followed the recommendations of the Preferred Reporting Items for Systematic Reviews and Meta-Analyses (PRISMA) statement, searching in the following databases for articles published between January 2008 and May 31, 2023: PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Trip Medical Database, and ClinicalTrials.gov. No language restrictions were specified. The search terms were the following Medical Subject Headings: bacteremia/bacteraemia/blood stream infection, prediction model/clinical prediction rule/risk prediction model, emergencies/emergency/emergency department, and adults. Observational cohort studies analyzing diagnostic yield were included; case-control studies, narrative reviews, and other types of articles were excluded. The Newcastle-Ottawa Scale was used to score quality and risk of bias in the included studies. The results were compared descriptively, without meta-analysis. The protocol was included in the PROSPERO register (CRD42023426327). RESULTS: Twenty studies out of a total of 917 were found to meet the inclusion criteria. The included studies together analyzed 33 182 blood cultures, which detected 5074 cases of bacteremia (15.3%). Eleven studies were of high quality, 7 of moderate quality, and 2 of low quality. The area under the receiver operating characteristic curve (AUC) of Shapiro's model varied from 0.71 to 0.83. Sensitivity was as high as 98%, and specificity ranged from 26% to 69%. Three models with high scores for quality were also supported by both internal and external validation studies: Lee's model (AUC, 0.81; sensitivity 68%; specificity, 81%), the 5MPB-Toledo model (AUC, 0.906 to 0.946), and the MPB-INFURG-SEMES model (AUC, 0.924; sensitivity, 97%; specificity, 76%. CONCLUSION: The 5MPB-Toledo and MPB-INFURG-SEMES are useful for assessing the true risk of bacteremia in patients attended in emergency departments.

OBJETIVO: La obtención de hemocultivos (HC) se realiza en el 15% de los pacientes atendidos con sospecha de infección en los servicios de urgencias (SU) con una rentabilidad diagnóstica variable (2-20%). La mortalidad a 30 días de estos pacientes con bacteriemia es elevada, doble o triple que el resto con el mismo proceso. Así, encontrar un modelo predictivo de bacteriemia eficaz y aplicable en los SU sería muy importante. Clásicamente, el modelo de Shapiro ha sido la referencia en todo el mundo. El objetivo de esta revisión sistemática (RS) es comparar la capacidad para predecir bacteriemia en los SU de los distintos modelos predictivos publicados desde el año 2008 (fecha de publicación del modelo de Shapiro). METODO: Se realiza una RS siguiendo la normativa PRISMA en las bases de datos de PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Tripdatabase y ClinicalTrials.gov desde enero de 2008 hasta 31 mayo 2023 sin restricción de idiomas y utilizando una combinación de términos MESH: "Bacteremia/Bacteraemia/Blood Stream Infection", "Prediction Model/Clinical Prediction Rule/Risk Prediction Model", "Emergencies/Emergency/Emergency Department" y "Adults". Se incluyeron estudios de cohortes observacionales (analíticos de rendimiento diagnóstico). Para valorar la calidad del método empleado y el riesgo de sesgos de los artículos incluidos se utilizó la Newcastle-Ottawa Scale (NOS). No se incluyeron estudios de casos y controles, revisiones narrativas y en otros tipos de artículos. No se realizaron técnicas de metanálisis, pero los resultados se compararon narrativamente. El protocolo de la RS se registró en PROSPERO (CRD42023426327). RESULTADOS: Se identificaron 917 artículos y se analizaron finalmente 20 que cumplían los criterios de inclusión. Los estudios incluidos contienen 33.182 HC procesados con 5.074 bacteriemias (15,3%). Once estudios fueron calificados de calidad alta, 7 moderada y 2 baja. El ABC-COR conseguida por el modelo de Shapiro varía de 0,71 a 0,83, con sensibilidad (Se) hasta del 98%, con especificidad (Es) (26% a 69%). Para los tres modelos que tienen validación interna y externa y una buena calidad metodológica, el modelo de Lee consigue un ABC-COR de 0,81 con Se: 68% y Es: 81%, el modelo 5MPB-Toledo consigue un ABC-COR entre 0,91 y 0,95, y el MPB-INFURG-SEMES obtiene una ABC-COR de 0,92 con una Se: 97% y Es: 76%. CONCLUSIONES: Los modelos 5MPB-Toledo y MPB-INFURG-SEMES representan herramientas útiles para la estratificación del riesgo real de bacteriemia en los pacientes atendidos en los SU.

Modelos predictivos de bacteriemia en el servicio de urgencias: revisión sistemática / Models to predict bacteremia in the emergency department: a systematic review

Objetivo. La obtención de hemocultivos (HC) se realiza en el 15% de los pacientes atendidos con sospecha de infección en los servicios de urgencias (SU) con una rentabilidad diagnóstica variable (2-20%). La mortalidad a 30 días de estos pacientes con bacteriemia es elevada, doble o triple que el resto con el mismo proceso. Así, encontrar un modelo predictivo de bacteriemia eficaz y aplicable en los SU sería muy importante. Clásicamente, el modelo de Shapiro ha sido la referencia en todo el mundo. El objetivo de esta revisión sistemática (RS) es comparar la capacidad para predecir bacteriemia en los SU de los distintos modelos predictivos publicados desde el año 2008 (fecha de publicación del modelo de Shapiro). Métodos. Se realiza una RS siguiendo la normativa PRISMA en las bases de datos de PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Tripdatabase y ClinicalTrials.gov desde enero de 2008 hasta 31 mayo 2023 sin restricción de idiomas y utilizando una combinación de términos MESH: “Bacteremia/Bacteraemia/Blood Stream Infection”, “Prediction Model/Clinical Prediction Rule/Risk Prediction Model”, “Emergencies/Emergency/Emergency Department” y “Adults”. Se incluyeron estudios de cohortes observacionales (analíticos de rendimiento diagnóstico). Para valorar la calidad del método empleado y el riesgo de sesgos de los artículos incluidos se utilizó la NewcastleOttawa Scale (NOS). No se incluyeron estudios de casos y controles, revisiones narrativas y en otros tipos de artículos. No se realizaron técnicas de metanálisis, pero los resultados se compararon narrativamente. El protocolo de la RS se registró en PROSPERO (CRD42023426327). Resultados. Se identificaron 917 artículos y se analizaron finalmente 20 que cumplían los criterios de inclusión. Los estudios incluidos contienen 33.182 HC procesados con 5.074 bacteriemias (15,3%). Once estudios fueron calificados de calidad alta, 7 moderada y 2 baja... (AU)

Objective. Blood cultures are ordered in emergency departments for 15% of patients with suspected infection. The diagnostic yield varies from 2% to 20%. Thirty-day mortality in patients with bacteremia is high, doubling or tripling the rate in patients with the same infection but without bacteremia. Thus, finding an effective model to predict bacteremia that is applicable in emergency departments is an important goal. Shapiro’s model is the one traditionally used as a reference internationally. The aim of this systematic review was to compare the predictive power of bacteremia risk models published since 2008, when Shapiro’s model first appeared. Methods. We followed the recommendations of the Preferred Reporting Items for Systematic Reviews and MetaAnalyses (PRISMA) statement, searching in the following databases for articles published between January 2008 and May 31, 2023: PubMed, Web of Science, EMBASE, Lilacs, Cochrane, Epistemonikos, Trip Medical Database, and ClinicalTrials.gov. No language restrictions were specified. The search terms were the following Medical Subject Headings: bacteremia/bacteraemia/blood stream infection, prediction model/clinical prediction rule/risk prediction model, emergencies/emergency/emergency department, and adults. Observational cohort studies analyzing diagnostic yield were included; case-control studies, narrative reviews, and other types of articles were excluded. The Newcastle-Ottawa Scale was used to score quality and risk of bias in the included studies. The results were compared descriptively, without meta-analysis. The protocol was included in the PROSPERO register (CRD42023426327). Results. Twenty studies out of a total of 917 were found to meet the inclusion criteria. The included studies together analyzed 33 182 blood cultures, which detected 5074 cases of bacteremia (15.3%). Eleven studies were of high quality, 7 of moderate quality, and 2 of low quality... (AU)

Modelo predictivo de enfermedad cardiovascular basado en inteligencia artificial en la atención primaria de salud / A Predictive Model for Cardiovascular Disease based on Artificial Intelligence in Primary Health Care

Introducción: En Cuba y en el resto del mundo, las enfermedades cardiovasculares son reconocidas como un problema de salud pública mayúsculo y creciente, que provoca una alta mortalidad. Objetivo: Diseñar un modelo predictivo para estimar el riesgo de enfermedad cardiovascular basado en técnicas de inteligencia artificial. Métodos: La fuente de datos fue una cohorte prospectiva que incluyó 1633 pacientes, seguidos durante 10 años, fue utilizada la herramienta de minería de datos Weka, se emplearon técnicas de selección de atributos para obtener un subconjunto más reducido de variables significativas, para generar los modelos fueron aplicados: el algoritmo de reglas JRip y el meta algoritmo Attribute Selected Classifier, usando como clasificadores el J48 y el Multilayer Perceptron. Se compararon los modelos obtenidos y se aplicaron las métricas más usadas para clases desbalanceadas. Resultados: El atributo más significativo fue el antecedente de hipertensión arterial, seguido por el colesterol de lipoproteínas de alta densidad y de baja densidad, la proteína c reactiva de alta sensibilidad y la tensión arterial sistólica, de estos atributos se derivaron todas las reglas de predicción, los algoritmos fueron efectivos para generar el modelo, el mejor desempeño fue con el Multilayer Perceptron, con una tasa de verdaderos positivos del 95,2 por ciento un área bajo la curva ROC de 0,987 en la validación cruzada. Conclusiones: Fue diseñado un modelo predictivo mediante técnicas de inteligencia artificial, lo que constituye un valioso recurso orientado a la prevención de las enfermedades cardiovasculares en la atención primaria de salud(AU)

Introduction: In Cuba and in the rest of the world, cardiovascular diseases are recognized as a major and growing public health problem, which causes high mortality. Objective: To design a predictive model to estimate the risk of cardiovascular disease based on artificial intelligence techniques. Methods: The data source was a prospective cohort including 1633 patients, followed for 10 years. The data mining tool Weka was used and attribute selection techniques were employed to obtain a smaller subset of significant variables. To generate the models, the rule algorithm JRip and the meta-algorithm Attribute Selected Classifier were applied, using J48 and Multilayer Perceptron as classifiers. The obtained models were compared and the most used metrics for unbalanced classes were applied. Results: The most significant attribute was history of arterial hypertension, followed by high and low density lipoprotein cholesterol, high sensitivity c-reactive protein and systolic blood pressure; all the prediction rules were derived from these attributes. The algorithms were effective to generate the model. The best performance was obtained using the Multilayer Perceptron, with a true positive rate of 95.2percent and an area under the ROC curve of 0.987 in the cross validation. Conclusions: A predictive model was designed using artificial intelligence techniques; it is a valuable resource oriented to the prevention of cardiovascular diseases in primary health care(AU)

Aprendizaje automático aplicado a la predicción de diabetes mellitus, utilizando información socioeconómica y ambiental de usuarios del sistema de salud

Objetivo: Se propuso aplicar modelos basados en técnicas de aprendizaje automático como apoyo para el diagnóstico temprano de la diabetes mellitus, utilizando variables de datos ambientales, sociales, económicos y sanitarios, sin la dependencia de la toma de muestras clínicas. Metodología: Se utilizaron datos de 10 889 usuarios afiliados al régimen subsidiado de salud de la zona suroccidental en Colombia, diagnosticados con hipertensión y agrupados en usuarios sin (74,3 %) y con (25,7 %) diabetes mellitus. Se entrenaron modelos supervisados utilizando k vecinos más cercanos, árboles de decisión y bosques aleatorios, así como modelos basados en ensambles, aplicados a la base de datos antes y después de balancear el número de casos en cada grupo de diagnóstico. Se evalúo el rendimiento de los algoritmos mediante la división de la base de datos en datos de entreno y de prueba (70/30, respectivamente), y se utilizaron métricas de exactitud, sensibilidad, especificidad y área bajo la curva. Resultados: Los valores de sensibilidad aumentaron considerablemente al utilizar datos balanceados, pasando de valores máximos del 17,1 % (datos sin balancear) a valores de hasta 57,4 % (datos balanceados). El valor más alto de área bajo la curva (0,61) fue obtenido con los modelos de ensambles, al aplicar un balance en el número de datos por cada grupo y al codificar las variables categóricas. Las variables de mayor peso estuvieron asociadas con aspectos hereditarios (24,65 %) y con el grupo étnico (5.59 %), además de la dificultad visual, el bajo consumo de agua, una dieta baja en frutas y verduras, y el consumo de sal y azúcar. Conclusiones: Aunque los modelos predictivos, utilizando información socioeconómica y ambiental de las personas, surgen como una herramienta para el diagnóstico temprano de la diabetes mellitus, estos aún deben ser mejorados en su capacidad predictiva.

Objective: The objective was to apply models based on machine learning techniques to support the early diagnosis of diabetes mellitus, using environmental, social, economic and health data variables, without dependence on clinical sample collection. Methodology: Data from 10,889 users affiliated with the subsidized health system in the southwestern area of Colombia, diagnosed with hypertension and grouped into users without (74.3%) and with (25.7%) diabetes mellitus, were used. Supervised models were trained using k-nearest neighbors, decision trees, and random forests, as well as ensemble-based models, applied to the database before and after balancing the number of cases in each diagnostic group. The performance of the algorithms was evaluated by dividing the database into training and test data (70/30, respectively), and metrics of accuracy, sensitivity, specificity, and area under the curve were used. Results: Sensitivity values increased significantly when using balanced data, going from maximum values of 17.1% (unbalanced data) to values as high as 57.4% (balanced data). The highest value of area under the curve (0.61) was obtained with the ensemble models, by applying a balance in the amount of data for each group and by coding the categorical variables. The variables with the greatest weight were associated with hereditary aspects (24.65%) and with the ethnic group (5.59%), in addition to visual difficulty, low water consumption, a diet low in fruits and vegetables, and the consumption of salt and sugar. Conclusions: Although predictive models, using people's socioeconomic and environmental information, emerge as a tool for the early diagnosis of diabetes mellitus, their predictive capacity still needs to be improved.

Objetivo: Propôs-se aplicar modelos baseados em técnicas de aprendizagem automática como apoio para o diagnóstico precoce da diabetes mellitus, utilizando variáveis de dados ambientais, sociais, econômicos e sanitários, sem a dependência da coleta de amostras clínicas. Metodologia: Usaram-se dados de 10.889 usuários filiados ao regime subsidiado de saúde da zona sudoeste da Colômbia, diagnosticados com hipertensão e agrupados em usuários sem (74,3%) e com (25,7%) diabetes mellitus. Foram treinados modelos supervisionados utilizando k vizinhos mais próximos, árvores de decisão e florestas aleatórias, assim como modelos baseados em montagens, aplicados à base de dados antes de depois de equilibrar o número de casos em cada grupo de diagnóstico. Avaliou-se o desempenho dos algoritmos por meio da divisão da base de dados de treino e teste (70/30, respectivamente), e utilizaram-se métricas de exatidão, sensibilidade, especificidade e área sob a curva. Resultados: Os valores de sensibilidade aumentaram de maneira significativa ao utilizar dados equilibrados, passando de valores máximos de 17,1% (dados sem equilibrar) a valores de até 57,4% (dados equilibrados). O valor mais elevado de área sob a curva (0,61) foi obtido com os modelos de montagens, ao aplicar um balanço no número de dados por cada grupo e codificar as variáveis categóricas. As variáveis de maior peso estiveram associadas com fatores hereditários (24,65%) e com o grupo étnico (5,59%), além da dificuldade visual, o baixo consumo de água, um regime baixo em frutas e vegetais e o consumo de sal e açúcar. Conclusões: Embora os modelos preditivos, utilizando informação socioeconômica e ambiental das pessoas, surgem como uma ferramenta para o diagnóstico precoce da diabetes mellitus, ainda devem ser melhorados em sua capacidade preditiva.

Predictive model of persistent choledocholithiasis in patients with acute biliary pancreatitis / Modelo predictivo de coledocolitiasis persistente en pacientes con pancreatitis aguda biliar

Background: Choledocholithiasis causing acute biliary pancreatitis (ABP) may migrate to the duodenum or persist in the common bile duct (CBD). We developed a model for predicting persistent choledocholithiasis (PC) in patients with ABP. Methods: This retrospective cohort study included 204 patients, age ≥18 years (mean age: 73 years, 65.7% women), admitted for ABP in 2013–2018, with at least a magnetic resonance cholangiopancreatography (MRCP), endoscopic ultrasonography (EUS), and/or endoscopic retrograde cholangiopancreatography (ERCP). Epidemiological, analytical, imaging, and endoscopic variables were compared between patients with and without PC. Multivariate logistic regression analyses were performed to develop a predictive model of PC. Results: Patients underwent MRCP (n=145, 71.1), MRCP and ERCP (n=44, 21.56%), EUS and ERCP (n=1, 0.49%), or ERCP (n=14, 6.86%). PC was detected in 49 patients (24%). PC was strongly associated with CBD dilation, detected in the emergency ultrasound (p<0.001; OR=27; 95% CI: 5.8–185.5), increased blood levels of gamma glutamyl transpeptidase, detected at 72h (p=0.008; OR=3.4; 95% CI: 1.5–8.9); and biliary sludge in the gallbladder (p=0.008; OR=0.03; 95% CI: 0.001–0.3). Conclusions: The predictive model showed a validated area under the curve (AUC) of 0.858 for detecting PC in patients with ABP. A nomogram was developed based on model results. Conclusions: The predictive model was highly effective in detecting PC in patients with ABP. Therefore, this model could be useful in clinical practice.(AU)

Antecedentes: La coledocolitiasis que provoca una pancreatitis aguda biliar (PAB) puede migrar al duodeno o persistir en el conducto biliar común (CBC). Desarrollamos un modelo para predecir la coledocolitiasis persistente (CP) en pacientes con PAB. Métodos: Este estudio de cohortes retrospectivo incluyó a 204 pacientes, edad ≥ 18 años (edad media: 73 años, 65,7% mujeres), ingresados por PAB entre los años 2013 y 2018, a los que se les realizó al menos una colangiopancreatografía por resonancia magnética (CPRM), una ultrasonografía endoscópica (USE) o una colangiopancreatografía retrógrada endoscópica (CPRE). Se compararon variables epidemiológicas, analíticas, de imagen y endoscópicas entre pacientes con y sin CP. Se realizaron análisis de regresión logística multivariante para desarrollar un modelo predictivo de CP. Resultados: Los pacientes se sometieron a CPRM (n=145, 71,1%), CPRM y CPRE (n=44, 21,56%), USE y CPRE (n=1, 0,49%) o CPRE (n=14, 6,86%). Se detectó CP en 49 pacientes (24%). La CP se asoció fuertemente con la dilatación del colédoco, detectada en la ecografía de urgencias (p <0,001; OR=27; IC del 95%: 5,8-185,5), aumento de los niveles sanguíneos de gamma glutamil transpeptidasa, detectados a las 72h (p=0,008; OR=3,4, IC del 95%: 1,5-8,9), y barro biliar en la vesícula (p=0,008; OR=0,03; IC del 95%: 0,001-0,3). El modelo predictivo alcanzó un área bajo la curva validada de 0,858 para la detección de CP en pacientes con PAB. Se desarrolló un nomograma basado en los resultados del modelo. Conclusiones: El modelo predictivo fue altamente efectivo en la detección de CP en pacientes con PAB. Por lo tanto, este modelo podría ser útil en la práctica clínica.(AU)

Predictive model of persistent choledocholithiasis in patients with acute biliary pancreatitis.

BACKGROUND: Choledocholithiasis causing acute biliary pancreatitis (ABP) may migrate to the duodenum or persist in the common bile duct (CBD). We developed a model for predicting persistent choledocholithiasis (PC) in patients with ABP. METHODS: This retrospective cohort study included 204 patients, age ≥18 years (mean age: 73 years, 65.7% women), admitted for ABP in 2013-2018, with at least a magnetic resonance cholangiopancreatography (MRCP), endoscopic ultrasonography (EUS), and/or endoscopic retrograde cholangiopancreatography (ERCP). Epidemiological, analytical, imaging, and endoscopic variables were compared between patients with and without PC. Multivariate logistic regression analyses were performed to develop a predictive model of PC. RESULTS: Patients underwent MRCP (n=145, 71.1), MRCP and ERCP (n=44, 21.56%), EUS and ERCP (n=1, 0.49%), or ERCP (n=14, 6.86%). PC was detected in 49 patients (24%). PC was strongly associated with CBD dilation, detected in the emergency ultrasound (p<0.001; OR=27; 95% CI: 5.8-185.5), increased blood levels of gamma glutamyl transpeptidase, detected at 72h (p=0.008; OR=3.4; 95% CI: 1.5-8.9); and biliary sludge in the gallbladder (p=0.008; OR=0.03; 95% CI: 0.001-0.3). CONCLUSIONS: The predictive model showed a validated area under the curve (AUC) of 0.858 for detecting PC in patients with ABP. A nomogram was developed based on model results. CONCLUSIONS: The predictive model was highly effective in detecting PC in patients with ABP. Therefore, this model could be useful in clinical practice.

Utilidad del modelo 5MPB-Toledo para predecir bacteriemia en el paciente con infección del tracto urinario en el servicio de urgencias / Usefulness of the 5MPB-Toledo model to predict bacteremia in patients with urinary tract infections in the emergency department

Objetivo: Analizar la utilidad de un nuevo modelo predictivo de bacteriemia (5MPB-Toledo) en pacientes atendidos por infección del tracto urinario (ITU) en los servicios de urgencias (SU). Métodos: Estudio observacional, prospectivo y multicéntrico de los hemocultivos (HC) obtenidos en pacientes mayores de 18 años atendidos por ITU en 65SU desde el 1 de octubre de 2019 hasta el 30 de abril de 2020. Se analizó la capacidad predictiva del modelo con el área bajo la curva (ABC) de la característica operativa del receptor (COR) y se calculó el rendimiento diagnóstico del punto de corte elegido con su sensibilidad, especificidad, valor predictivo positivo y valor predictivo negativo. Resultados: Se incluyeron 1.499 episodios de HC extraídos. De ellos se consideraron como bacteriemias verdaderas 277 (18,5%) y como HC negativos 1.222 (81,5%). Entre los negativos 94 (6,3%) se consideraron contaminados. El ABC-COR del modelo fue de 0,937 (IC 95%: 0,926-0,949). El rendimiento diagnóstico del modelo con un PC≥5 puntos consigue una sensibilidad de 97,47% (IC 95%: 94,64-98,89), especificidad de 76,68% (IC 95%: 74,18-79,00), un valor predictivo positivo de 48,65% (IC 95%: 44,42-52,89) y un valor predictivo negativo de 99,26% (IC 95%: 98,41-99,67). Conclusión: El modelo 5MPB-Toledo podría ser útil para predecir bacteriemia en los pacientes adultos atendidos en el SU por un episodio de ITU (AU)

Objective: To analyze the usefulness of a new predictive model of bacteremia (5MPB-Toledo) in patients treated for urinary tract infection (UTI) in the emergency department (ED). Methods: Prospective and multicenter observational cohort study of the blood cultures (BC) ordered for patients with UTIs in 65 Spanish ED from October 1, 2019, to April 30, 2020. The predictive ability of the model was analyzed with the area under the Receiver Operating Characteristic curve (AUC-ROC). The diagnostic performance was calculated with the chosen cut-off point for sensitivity, specificity, positive predictive value, and negative predictive value. Results A total of 1,499 blood cultures were evaluated. True cases of bacteremia were confirmed in 277 (18.5%). The remaining 1,222 cultures (81.5%) were negative. Ninety-four (6.3%) were considered contaminated. The model's area under the ROC curve was 0.937 (95% CI, 0.926-0.949). The prognostic performance with a model's cut-off value of≥5 points achieved 97.47% (95% CI, 94.64-98.89) sensitivity, 76.68% (95% CI, 74.18-79.00) specificity, 48.65% (95% CI, 44.42-52.89) positive predictive value and 99.26% (95% CI, 98.41-99.67) negative predictive value. Conclusion: The 5MPB-Toledo score is useful for predicting bacteremia in patients with UTIs who visit the ED (AU)

Predicting the response to methylprednisolone pulses in patients with SARS-COV-2 infection

Introduction: Treating systemic inflammation caused by SARS-COV 2 (COVID-19) has become a challenge for the clinician. Corticosteroids have been the turning point in the treatment of this disease. Preliminary data from Recovery clinical trial raises hope by showing that treatment with dexamethasone at doses of 6mg/day shows a reduction on morbidity in patients requiring added oxygen therapy. However, both the start day or what kind of corticosteroid, are still questions to be clarified. Since the pandemic beginning, we have observed large differences in the type of corticosteroid, dose and initiation of treatment.Our objective is to assess the predictive capacity of the characteristics of patients treated with methylprednisolone pulses to predict hospital discharge.Materials and methodsWe presented a one-center observational study of a retrospective cohort. We included all patients admitted between 03/06/2020 and 05/15/2020 because of COVID-19. We have a total number of 1469 patients, of whom 322 received pulses of methylprednisolone. Previous analytical, radiographic, previous disease data were analyzed on these patients. The univariant analysis was performed using Chi-squared and the T test of Student according to the qualitative or quantitative nature of the variables respectively. For multivariate analysis, we have used binary logistic regression and ROC curves.ResultsThe analysis resulted statistically significant in dyspnea, high blood pressure, dyslipidemia, stroke, ischemic heart disease, cognitive impairment, solid tumor, C-reactive protein (CRP), lymphopenia and d-dimer within 5 days of admission. Radiological progression and FIO2 input are factors that are associated with a worst prognosis in COVID-19 that receive pulses of methylprednisolone. Multivariate analysis shows that age, dyspnea and C-reactive protein are markers of hospital discharge with an area below the curve of 0.816. (AU)

Introducción: Tratar la inflamación sistémica producida por el SARS-COV 2 (COVID-19) se ha convertido en un reto para el clínico. Los corticoides han sido el punto de inflexión en el tratamiento de esta enfermedad. Los datos preliminares del ensayo clínico Recovery alentan esperanza mostrando que con el tratamiento con dexametasona a dosis de 6 mg/día hay una disminución de la morbimortalidad en pacientes que requieren oxigenoterapia añadida. Sin embargo, tanto el día de inicio, o qué tipo de corticosteroide, son todavía preguntas por aclarar. Desde el inicio de la pandemia hemos observado grandes diferencias en cuanto al tipo de corticoide, dosis e inicio de tratamiento.Nuestro objetivo es valorar la capacidad predictiva de las características de los pacientes tratados con bolos de metilprednisolona para predecir el alta hospitalaria.Materiales y métodosPresentamos un estudio unicéntrico observacional de cohorte retrospectiva. Incluimos a todos los pacientes ingresados entre el 06/03/2020 y el 15/05/2020 por COVID-19. Contamos con un número total de 1469 pacientes, de los cuales 322 recibieron pulsos de metilprednisolona. De estos pacientes se analizaron los datos clínicos, analíticos, radiográficos, enfermedades previas. El análisis univariante se realizó mediante Chi cuadrado y el test t de Student según la naturaleza cualitativa o cuantitativa de las variables respectivamente. Para el análisis multivariante hemos empleado la regresión logística binaria y las curvas ROC.ResultadosEn el análisis resultó estadísticamente significativo la disnea, hipertensión arterial, dislipemia, accidente cerebrovascular, cardiopatía isquémica, deterioro cognitivo, tumor sólido, la proteína C reactiva (PCR), linfopenia y d-dímero a los 5 días de ingreso. (AU)

Modelo predictivo de riesgo para el diagnóstico temprano de la diabetes mellitus de tipo 2 / Predictive model of risk for the early diagnosis of type II diabetes mellitus i: en

Introducción: El diagnóstico temprano de la diabetes mellitus de tipo 2 permite al personal de salud implementar estrategias para evitar las complicaciones crónicas que pudieran derivarse. A tales efectos, en las últimas dos décadas se han desarrollado modelos predictivos que incluyen cada día más variables. Objetivo: Elaborar un modelo predictivo para el diagnóstico temprano de la diabetes mellitus de tipo 2 en una población holguinera. Métodos: Se realizó un estudio de cohorte que incluyó a todos los pacientes atendidos en las consultas de endocrinología del área de salud Pedro Díaz Coello y del Hospital Militar Fermín Valdés Domínguez de la provincia de Holguín, para lo cual se tomaron 2 cohortes: una de análisis y otra de validación. Para el procesamiento estadístico se efectuó el análisis univariado y el multivariado; en tanto se determinó la asociación entre variables dependientes e independientes. Resultados: En la serie predominaron el sexo femenino, los pacientes sin antecedentes de diabetes mellitus e hipertensión arterial, así como los que presentaban hipotiroidismo, enfermedad periodontal y normopeso, entre otros; asimismo, el modelo resultó significativo estadísticamente (X2=31,1 y p=0,000) y explicó 80,9 % de la variable de salida, validada por las variables de análisis. La sensibilidad fue de 96,9 % y la especificidad de 86,6 %; mientras que el área bajo la curva tuvo un rango de 0,725 a 0,833. Conclusiones: El modelo predictivo elaborado es una herramienta muy útil para el diagnóstico de pacientes con riesgo de presentar diabetes mellitus de tipo 2.

Introduction: The early diagnosis of the type II diabetes mellitus allows the health staff to implement strategies in order to avoid the chronic complications that could be derived. To such effects, in the last two decades predictive models have been developed that include more variables every day. Objective: To elaborate a predictive model for the early diagnosis of type II diabetes mellitus in a population from Holguín. Methods: A cohort study was carried out that included all the patients assisted in the endocrinology services of Pedro Díaz Coello health area and Fermín Valdés Domínguez Military Hospital in Holguín province, for which 2 cohorts were taken: one of analysis and another of validation. For the statistical processing the univaried and multivaried analysis were carried out; as long as the association between dependent and independent variables was determined. Results: In the series there was a prevalence of the female sex, patients without history of diabetes mellitus and hypertension, as well as those that presented hypothyroidism, periodontal disease and normal weight, among others; also, the pattern was statistically significant (X2=31.1 and p=0.000) and explained 80.9 % of the logout variable validated by the analysis variables. The sensibility was of 96.9 % and the specificity of 86.6 %; while the area under the curve had a range from 0.725 to 0.833. Conclusions: The predictive model elaborated is a very useful tool for the diagnosis of patients with risk of type II diabetes mellitus.

Usefulness of the 5MPB-Toledo model to predict bacteremia in patients with urinary tract infections in the emergency department.

OBJECTIVE: To analyze the usefulness of a new predictive model of bacteremia (5MPB-Toledo) in patients treated for urinary tract infection (UTI) in the emergency department (ED). METHODS: Prospective and multicenter observational cohort study of the blood cultures (BC) ordered for patients with UTIs in 65 Spanish ED from November 1, 2019, to March 31, 2020. The predictive ability of the model was analyzed with the area under the Receiver Operating Characteristic curve (AUC-ROC). The diagnostic performance was calculated with the chosen cut-off point for sensitivity, specificity, positive predictive value, and negative predictive value. RESULTS: A total of 1,499 blood cultures were evaluated. True cases of bacteremia were confirmed in 277 (18.5%). The remaining 1,222 cultures (81.5%) were negative. Ninety-four (6.3%) were considered contaminated. The model's area under the ROC curve was 0.937 (95% CI, 0.926-0.949). The prognostic performance with a model's cut-off value of ≥5 points achieved 97.47% (95% CI, 94.64-98.89) sensitivity, 76.68% (95% CI, 74.18-79.00) specificity, 48.65% (95% CI, 44.42-52.89) positive predictive value and 99.26% (95% CI, 98.41-99.67) negative predictive value. CONCLUSION: The 5MPB-Toledo score is useful for predicting bacteremia in patients with UTIs who visit the ED.

Aplicabilidad de modelos predictivos de falla renal en enfermedad renal crónica: una revisión de alcance / Usability of predictive models of kidney failure in chronic kidney disease: a scoping review

Resumen Introducción: la identificación de los pacientes con mayor riesgo de progresar a falla renal es fundamental para la planeación del tratamiento en la enfermedad renal crónica, pero no ha podido llevarse a cabo consistentemente. Los modelos de predicción podrían ser una herramienta útil, sin embargo, su usabilidad en la Enfermedad Renal Crónica es limitada hasta ahora y no se comprenden muy bien las barreras y limitaciones. Métodos: se desarrolló una revisión de alcance de la literatura disponible sobre modelos predictivos de falla renal o reglas de pronóstico en pacientes con Enfermedad Renal Crónica. Las búsquedas se realizaron sistemáticamente en Cochrane, Pubmed y Embase. Se realizó una revisión ciega e independiente por dos evaluadores para identificar estudios que informaran sobre el desarrollo, la validación o la evaluación del impacto de un modelo construido para predecir la progresión al estadio avanzado de la enfermedad renal crónica. Se realizó una evaluación crítica de la calidad de la evidencia proporcionada con el sistema GRADE (Grading of Recommendations Assessment, Development and Evaluation). Resultados: de 1279 artículos encontrados, fueron incluidos 19 estudios para la síntesis cualitativa final. La mayoría de los estudios eran primarios, con diseños observacionales retrospectivos y unos pocos correspondieron a revisiones sistemáticas. No se encontraron guías de práctica clínica. La síntesis cualitativa evidenció gran heterogeneidad en el desarrollo de los modelos, así como en el reporte de las medidas de desempeño global, la validez interna y la falta de validez externa en la mayoría de los estudios. La calificación de la evidencia arrojó una calidad global baja, con inconsistencia entre los estudios e importantes limitaciones metodológicas. Conclusiones: la mayoría de los modelos predictivos disponibles, no han sido adecuadamente validados y, por tanto, se consideran de uso limitado para evaluar el pronóstico individual del paciente con enfermedad renal crónica. Por lo tanto, se requieren esfuerzos adicionales para centrar el desarrollo e implementación de modelos predictivos en la validez externa y la usabilidad y disminuir la brecha entre la generación, la síntesis de evidencia y la toma de decisiones en el ámbito del cuidado del paciente.

Abstract Background: the identification of patients at higher risk of progressing to kidney failure is essential for treatment planning in chronic kidney disease, but it has not been possible to do this consistently. Predictive models could be a useful tool, however, their usability in chronic kidney disease is limited and the barriers and limitations are not well understood. Methods: a scoping review of the available literature on ESRD predictive models or prognostic rules in chronic kidney disease patients was developed. Searches were systematically executed on Cochrane, MEDLINE, and Embase. a blind and independent review was carried out by two evaluators to identify studies that reported on the development, validation, or impact assessment of a model constructed to predict the progression to an advanced stage of chronic kidney disease. A critical evaluation of the quality of the evidence provided with the GRADE system (Grading of Recommendations Assessment, Development and Evaluation) was made. Findings: of 1279 articles found, 19 studies were included for the final qualitative synthesis. Most of the studies were primary, with retrospective observational designs and a few corresponded to systematic reviews. No clinical practice guidelines were found. The qualitative synthesis showed high heterogeneity in the development of the models, as well as in the reporting of global performance measures, internal validity, and the lack of external validity in most of the studies. The evidence rating was of low overall quality, with inconsistency between studies and important methodological limitations. Conclusions: most of the available predictive models have not been adequately validated and, therefore, are of limited use to assess the individual prognosis of patients with chronic kidney disease. Therefore, additional efforts are required to focus the development and implementation of predictive models on external validity and usability and bridge the gap between generation, synthesis of evidence, and decision-making in the field of patient care.

Nuevos modelos predictivos de bacteriemia en el servicio de urgencias: un paso adelante / New predictive models of bacteremia in the emergency department: a step forward

La atención de pacientes con sospecha de un proceso infeccioso en los servicios de urgencias hospitalarios(SUH) se haincrementado en la última década hasta suponer alrededor del15-20% de todas las atenciones diarias. En la valoración inicialde estos enfermos se toman muestras para los distintos estudios microbiológicos en un 45% de los casos, donde predomina la obtención de hemocultivos (HC), en el 14,6% de todosellos. La rentabilidad diagnóstica de estos HC es muy variable(2-20%). Los focos o procesos infecciosos más frecuentes sospechados o confirmados de las bacteriemias verdaderas(BV) enlos SUH son la infección del tracto urinario (45%) y la infecciónrespiratoria (25%). Por todo ello, la sospecha y confirmaciónde la BV tiene un relevante significado diagnóstico, pronósticoy obliga a cambiar algunas de las decisiones más importantesa tomar en el SUH. Entre otras, indicar el alta o ingreso, extraer HC y administrar el antimicrobiano adecuado y precoz.La intención de esta revisión es poner de manifiesto las evidencias científicas publicadas en los últimos cinco años, aclararlas controversias existentes actuales y comparar la capacidadpara predecir bacteriemia de los últimos modelos predictivospublicados desde el año 2017 con los ya existentes en esa fecha, año en el que se publicó una revisión que dejaba abierta lapropuesta de seguir buscando un modelo con un rendimientoadecuado para los SUH. Y así, a partir de ella, generar distintasrecomendaciones que ayuden a definir el papel que pueden tener estos modelos o escalas en la mejora de la indicación deobtención de los HC, así como en la toma inmediata de otrasdecisiones diagnóstico-terapéuticas (administración precozy adecuada del tratamiento antibiótico, solicitud de estudios complementarios y otras muestras microbiológicas, intensidaddel soporte hemodinámico, necesidad de ingreso, etc.) (AU)

The care of patients with a suspected infectious processin hospital emergency department (ED) has increased in thelast decade to account for around 15-20% of all daily care.In the initial evaluation of these patients, samples are takenfor the different microbiological studies in 45% of the cases,where obtaining blood cultures (BC) predominates, in 14.6%of all of them. The diagnostic yield of these BC is highly variable (2-20%). The most frequent suspected or confirmed focior infectious processes of true bacteremia (TB) in the ED areurinary tract infection (45%) and respiratory infection (25%).For all these reasons, the suspicion and confirmation of TB hasa relevant diagnostic and prognostic significance and requireschanging some of the most important decisions to be made inthe ED. Among others, indicate discharge or admission, extractBC and administer the appropriate and early antimicrobial. Theintention of this review is to highlight the scientific evidencepublished in the last five years, clarify the current controversies and compare the ability to predict bacteremia of the latest predictive models published since 2017 with those alreadyexisting on that date, year in which a review was publishedthat left open the proposal to continue searching for a modelwith adequate performance for ED. And so, based on it, generate different recommendations that help define the role thatthese models or scales can have in improving the indicationfor obtaining BC, as well as in the immediate making of otherdiagnostic-therapeutic decisions (administration early andappropriate antibiotic treatment, request for complementary studies and other microbiological samples, intensity of hemodynamic support, need for admission, etc.) (AU)

Predicting the response to methylprednisolone pulses in patients with SARS-COV-2 infection.

INTRODUCTION: Treating systemic inflammation caused by SARS-COV 2 (COVID-19) has become a challenge for the clinician. Corticosteroids have been the turning point in the treatment of this disease. Preliminary data from Recovery clinical trial raises hope by showing that treatment with dexamethasone at doses of 6mg/day shows a reduction on morbidity in patients requiring added oxygen therapy. However, both the start day or what kind of corticosteroid, are still questions to be clarified. Since the pandemic beginning, we have observed large differences in the type of corticosteroid, dose and initiation of treatment. Our objective is to assess the predictive capacity of the characteristics of patients treated with methylprednisolone pulses to predict hospital discharge. MATERIALS AND METHODS: We presented a one-center observational study of a retrospective cohort. We included all patients admitted between 03/06/2020 and 05/15/2020 because of COVID-19. We have a total number of 1469 patients, of whom 322 received pulses of methylprednisolone. Previous analytical, radiographic, previous disease data were analyzed on these patients. The univariant analysis was performed using Chi-squared and the T test of Student according to the qualitative or quantitative nature of the variables respectively. For multivariate analysis, we have used binary logistic regression and ROC curves. RESULTS: The analysis resulted statistically significant in dyspnea, high blood pressure, dyslipidemia, stroke, ischemic heart disease, cognitive impairment, solid tumor, C-reactive protein (CRP), lymphopenia and d-dimer within 5 days of admission. Radiological progression and FIO2 input are factors that are associated with a worst prognosis in COVID-19 that receive pulses of methylprednisolone. Multivariate analysis shows that age, dyspnea and C-reactive protein are markers of hospital discharge with an area below the curve of 0.816. CONCLUSIONS: In patients with methylprednisolone pulses, the capacity of the predictive model for hospital discharge including variables collected at 5 days was (area under the curve) 0.816.

Utilidad del modelo 5MPB-Toledo para predecir bacteriemia en el paciente anciano / Usefulness of the 5MPB-Toledo model to predict bacteremia in the elderly patient

Resumen Objetivo: Analizar la utilidad del modelo predictivo de bacteriemia (5MPB-Toledo) en los mayores de 65 años atendidos por infección en el servicio de urgencias (SU). Material y Método: Estudio observacional prospectivo y multicéntrico de los hemocultivos (HC) obtenidos en pacientes mayores de 65 años atendidos por infección en 66 SU españoles desde el 1 de diciembre de 2019 hasta el 30 de abril de 2020. Se analizó la capacidad predictiva del modelo con el área bajo la curva (ABC) de la característica operativa del receptor (COR) y se calculó el rendimiento diagnóstico de los puntos de corte (PC) del modelo elegido con los cálculos de la sensibilidad, la especificidad, el valor predictivo positivo y el valor predictivo negativo. Resultados: Se incluyeron 2.401 episodios de HC extraídos. De ellos, se consideró como bacteriemia verdadera a 579 (24,11%) y como HC negativo a 1.822 (75,89%). Entre los negativos, 138 (5,74%) se consideraron contaminados. Se categorizó a los pacientes en bajo (0-2 puntos), moderado (3-5 puntos) y alto (6-8 puntos) riesgo, con una probabilidad de bacteriemia de 1,2%, 18,1% y 80,7%, respectivamente. El ABC-COR del modelo tras remuestreo fue de 0,908 (IC 95%: 0,897-0,924). El rendimiento diagnóstico del modelo, considerando un PC ≥ 5 puntos, obtiene una sensibilidad de 94% (IC 95%:92-96), especificidad de 77% (IC 95%:76-79) y un valor predictivo negativo de 97% (IC 95%:96-98). Conclusión: El modelo 5MPB-Toledo es de utilidad para predecir bacteriemia en los mayores de 65 años atendidos en el SU por un episodio de infección.

Abstract Objective: To analyse a risk score to predict bacteremia (MPB5-Toledo) in the patients aged older 65 years seen in the emergency departments (ED) due to infections. Patients and Methods: Prospective and multicenter observational cohort study of the blood cultures (BC) ordered in 66 Spanish ED for patients aged older 65 years seen from December 1, 2019, to April 30, 2020. The predictive ability of the model was analyzed with the area under the Receiver Operating Characteristic curve (AUC-ROC). The prognostic performance for true bacteremia was calculated with the cut-off values chosen for getting the sensitivity, specificity, positive predictive value and negative predictive value. Results: A total of 2.401 blood samples wered cultured. True cases of bacteremia were confirmed in 579 (24.11%). The remaining 1.822 cultures (75.89%) wered negative. And, 138 (5.74%) were judged to be contaminated. Low risk for bacteremia was indicated by a score of 0 to 2 points, intermediate risk by 3 to 5 points, and high risk by 6 to 8 points. Bacteremia in these 3 risk groups was predicted for 1.2%, 18.1%, and 80.7%, respectively. The model´s area under the receiver ope rating characteristic curve was 0.908 (95% CI, 0.897-0.924). The prognostic performance with a model´s cut-off value of ≥ 5 points achieved 94% (95% CI: 92-96) sensitivity, 77% (95% CI: 76-79) specificity, and negative predictive value of 97% (95% CI: 96-98). Conclusion: The 5MPB-Toledo score is useful for predicting bacteremia in the patients aged older 65 years seen in the emergency departments due to infections.

Riesgo quirúrgico tras resección pulmonar anatómica en cirugía torácica. Modelo predictivo a partir de una base de datos nacional multicéntrica / Surgical Risk Following Anatomic Lung Resection in Thoracic Surgery: A Prediction Model Derived from a Spanish Multicenter Database

Introducción: El objetivo es obtener un modelo predictor de riesgo quirúrgico en pacientes sometidos a resecciones pulmonares anatómicas a partir del registro del Grupo Español de Cirugía Torácica Videoasistida. Métodos: Se recogen datos de 3.533 pacientes sometidos a resección pulmonar anatómica por cualquier diagnóstico entre el 20 de diciembre de 2016 y el 20 de marzo de 2018.Definimos una variable resultado combinada: mortalidad o complicación Clavien Dindo IV a 90 días tras intervención quirúrgica. Se realizó análisis univariable y multivariable por regresión logística. La validación interna del modelo se llevó a cabo por técnicas de remuestreo. Resultados: La incidencia de la variable resultado fue del 4,29% (IC 95%: 3,6-4,9). Las variables que permanecen en el modelo logístico final fueron: edad, sexo, resección pulmonar oncológica previa, disnea (mMRC), neumonectomía derecha y DLCOppo. Los parámetros de rendimiento del modelo, ajustados por remuestreo, fueron: C-statistic 0,712 (IC 95%: 0,648-0,750), Brier score 0,042 y Booststrap shrinkage 0,854. Conclusiones: El modelo predictivo de riesgo obtenido a partir de la base de datos Grupo Español de Cirugía Torácica Videoasistida es un modelo sencillo, válido y fiable, y constituye una herramienta muy útil a la hora de establecer el riesgo de un paciente que se va a someter a una resección pulmonar anatómica. (AU)

Introduction: The aim of this study was to develop a surgical risk prediction model in patients undergoing anatomic lung resections from the registry of the Spanish Video-Assisted Thoracic Surgery Group (GEVATS). Methods: Data were collected from 3,533 patients undergoing anatomic lung resection for any diagnosis between December 20, 2016 and March 20, 2018.We defined a combined outcome variable: death or Clavien Dindo grade IV complication at 90 day.s after surgery. Univariate and multivariate analyses were performed by logistic regression. Internal validation of the model was performed using resampling techniques. Results: The incidence of the outcome variable was 4.29% (95% CI 3.6-4.9). The variables remaining in the final logistic model were: age, sex, previous lung cancer resection, dyspnea (mMRC), right pneumonectomy, and ppo DLCO. The performance parameters of the model adjusted by resampling were: C-statistic 0.712 (95% CI 0.648-0.750), Brier score 0.042 and bootstrap shrinkage 0.854. Conclusions: The risk prediction model obtained from the GEVATS database is a simple, valid, and reliable model that is a useful tool for establishing the risk of a patient undergoing anatomic lung resection. (AU)

[Translated article] Surgical Risk Following Anatomic Lung Resection in Thoracic Surgery: A Prediction Model Derived From a Spanish Multicenter Database / Riesgo quirúrgico tras resección pulmonar anatómica en cirugía torácica. Modelo predictivo a partir de una base de datos nacional multicéntrica

Introduction: The aim of this study was to develop a surgical risk prediction model in patients undergoing anatomic lung resections from the registry of the Spanish Video-Assisted Thoracic Surgery Group (GEVATS). Methods: Data were collected from 3,533 patients undergoing anatomic lung resection for any diagnosis between December 20, 2016 and March 20, 2018.We defined a combined outcome variable: death or Clavien Dindo grade IV complication at 90 day.s after surgery. Univariate and multivariate analyses were performed by logistic regression. Internal validation of the model was performed using resampling techniques. Results: The incidence of the outcome variable was 4.29% (95% CI 3.6-4.9). The variables remaining in the final logistic model were: age, sex, previous lung cancer resection, dyspnea (mMRC), right pneumonectomy, and ppo DLCO. The performance parameters of the model adjusted by resampling were: C-statistic 0.712 (95% CI 0.648-0.750), Brier score 0.042 and bootstrap shrinkage 0.854. Conclusions: The risk prediction model obtained from the GEVATS database is a simple, valid, and reliable model that is a useful tool for establishing the risk of a patient undergoing anatomic lung resection. (AU)

Introducción: El objetivo es obtener un modelo predictor de riesgo quirúrgico en pacientes sometidos a resecciones pulmonares anatómicas a partir del registro del Grupo Español de Cirugía Torácica Videoasistida. Métodos: Se recogen datos de 3.533 pacientes sometidos a resección pulmonar anatómica por cualquier diagnóstico entre el 20 de diciembre de 2016 y el 20 de marzo de 2018.Definimos una variable resultado combinada: mortalidad o complicación Clavien Dindo IV a 90 días tras intervención quirúrgica. Se realizó análisis univariable y multivariable por regresión logística. La validación interna del modelo se llevó a cabo por técnicas de remuestreo. Resultados: La incidencia de la variable resultado fue del 4,29% (IC 95%: 3,6-4,9). Las variables que permanecen en el modelo logístico final fueron: edad, sexo, resección pulmonar oncológica previa, disnea (mMRC), neumonectomía derecha y DLCOppo. Los parámetros de rendimiento del modelo, ajustados por remuestreo, fueron: C-statistic 0,712 (IC 95%: 0,648-0,750), Brier score 0,042 y Booststrap shrinkage 0,854. Conclusiones: El modelo predictivo de riesgo obtenido a partir de la base de datos Grupo Español de Cirugía Torácica Videoasistida es un modelo sencillo, válido y fiable, y constituye una herramienta muy útil a la hora de establecer el riesgo de un paciente que se va a someter a una resección pulmonar anatómica. (AU)

Validación del modelo predictivo de bacteriemia (5MPB-Toledo) en los pacientes atendidos en el servicio de urgencias por infección / Validation of a predictive model for bacteraemia (MPB5-Toledo) in the patients seen in emergency departments due to infections

ObjetivoValidar un modelo sencillo de riesgo para predecir bacteriemia (5MPB-Toledo) en los pacientes atendidos en los servicios de urgencias hospitalarios (SUH) por un episodio de infección.MétodosEstudio observacional de cohortes prospectivo y multicéntrico de los hemocultivos (HC) obtenidos en 74 SUH españoles en los pacientes adultos (≥18 años) atendidos por infección desde el 1 de octubre de 2019 hasta el 29 de febrero de 2020. Se analizó la capacidad predictiva del modelo con el área bajo la curva (ABC) de la característica operativa del receptor (COR) y se calculó el rendimiento diagnóstico de los puntos de corte (PC) del modelo elegidos con los cálculos de la sensibilidad, la especificidad, el valor predictivo positivo y el valor predictivo negativo.ResultadosSe incluyeron 3.843 episodios de HC extraídos. De ellos, se consideraron como bacteriemias verdaderas 839 (21,83%) y como HC negativos 3.004 (78,17%). Entre los negativos, 172 (4,47%) se consideraron contaminados. Se categorizó a los pacientes en bajo (0-2 puntos), moderado (3-5 puntos) y alto (6-8 puntos) riesgo, con una probabilidad de bacteriemia de 1,5, 16,8 y 81,6%, respectivamente. El ABC-COR del modelo tras remuestreo fue de 0,930 (IC 95%: 0,916-0,948). El rendimiento diagnóstico del modelo con un PC≥5 puntos consigue una sensibilidad del 94,76% (IC 95%: 92,97-96,12), especificidad del 81,56% (IC 95%: 80,11-82,92) y un valor predictivo negativo del 98,24% (IC 95%: 97,62-98,70).ConclusiónEl modelo 5MPB-Toledo es de utilidad para predecir bacteriemia en los pacientes atendidos en el SUH por un episodio de infección.

ObjectiveTo validate a simple risk score to predict bacteremia (MPB5-Toledo) in patients seen in the emergency departments (ED) due to infections.MethodsProspective and multicenter observational cohort study of the blood cultures (BC) ordered in 74 Spanish ED for adults (aged 18 or older) seen from from October 1, 2019, to February 29, 2020.The predictive ability of the model was analyzed with the area under the Receiver Operating Characteristic curve (AUC-ROC). The prognostic performance for true bacteremia was calculated with the cut-off values chosen for getting the sensitivity, specificity, positive predictive value and negative predictive value.ResultsA total of 3.843 blood samples wered cultured. True cases of bacteremia were confirmed in 839 (21.83%). The remaining 3.004 cultures (78.17%) were negative. Among the negative, 172 (4.47%) were judged to be contaminated. Low risk for bacteremia was indicated by a score of 0 to 2 points, intermediate risk by 3 to 5 points, and high risk by 6 to 8 points. Bacteremia in these 3 risk groups was predicted for 1.5%, 16.8%, and 81.6%, respectively. The model's area under the receiver operating characteristic curve was 0.930 (95% CI, 0.916-0.948). The prognostic performance with a model's cut-off value of ≥ 5 points achieved 94.76% (95% CI: 92.97-96.12) sensitivity, 81.56% (95% CI: 80.11-82.92) specificity, and negative predictive value of 98.24% (95% CI: 97.62-98.70).ConclusionThe 5MPB-Toledo score is useful for predicting bacteremia in patients attended in hospital emergency departments for infection.

Validation of a predictive model for bacteraemia (MPB5-Toledo) in the patients seen in emergency departments due to infections.

OBJECTIVE: To validate a simple risk score to predict bacteremia (MPB5-Toledo) in patients seen in the emergency departments (ED) due to infections. METHODS: Prospective and multicenter observational cohort study of the blood cultures (BC) ordered in 74 Spanish ED for adults (aged 18 or older) seen from October 1, 2019, to February 29, 2020. The predictive ability of the model was analyzed with the area under the Receiver Operating Characteristic curve (AUC-ROC). The prognostic performance for true bacteremia was calculated with the cut-off values chosen for getting the sensitivity, specificity, positive predictive value and negative predictive value. RESULTS: A total of 3.843 blood samples wered cultured. True cases of bacteremia were confirmed in 839 (21.83%). The remaining 3.004 cultures (78.17%) were negative. Among the negative, 172 (4.47%) were judged to be contaminated. Low risk for bacteremia was indicated by a score of 0-2 points, intermediate risk by 3-5 points, and high risk by 6-8 points. Bacteremia in these 3 risk groups was predicted for 1.5%, 16.8%, and 81.6%, respectively. The model's area under the receiver operating characteristic curve was 0.930 (95% CI, 0.916-0.948). The prognostic performance with a model's cut-off value of ≥5 points achieved 94.76% (95% CI: 92.97-96.12) sensitivity, 81.56% (95% CI: 80.11-82.92) specificity, and negative predictive value of 98.24% (95% CI: 97.62-98.70). CONCLUSION: The 5MPB-Toledo score is useful for predicting bacteremia in patients attended in hospital emergency departments for infection.

A dynamic simulation model to support reduction in illegal trade within legal wildlife markets.

Sustainable wildlife trade is critical for biodiversity conservation, livelihoods, and food security. Regulatory frameworks are needed to secure these diverse benefits of sustainable wildlife trade. However, regulations limiting trade can backfire, sparking illegal trade if demand is not met by legal trade alone. Assessing how regulations affect wildlife market participants' incentives is key to controlling illegal trade. Although much research has assessed how incentives at both the harvester and consumer ends of markets are affected by regulations, little has been done to understand the incentives of traders (i.e., intermediaries). We built a dynamic simulation model to support reduction in illegal wildlife trade within legal markets by focusing on incentives traders face to trade legal or illegal products. We used an Approximate Bayesian Computation approach to infer illegal trading dynamics and parameters that might be unknown (e.g., price of illegal products). We showcased the utility of the approach with a small-scale fishery case study in Chile, where we disentangled within-year dynamics of legal and illegal trading and found that the majority (∼77%) of traded fish is illegal. We utilized the model to assess the effect of policy interventions to improve the fishery's sustainability and explore the trade-offs between ecological, economic, and social goals. Scenario simulations showed that even significant increases (over 200%) in parameters proxying for policy interventions enabled only moderate improvements in ecological and social sustainability of the fishery at substantial economic cost. These results expose how unbalanced trader incentives are toward trading illegal over legal products in this fishery. Our model provides a novel tool for promoting sustainable wildlife trade in data-limited settings, which explicitly considers traders as critical players in wildlife markets. Sustainable wildlife trade requires incentivizing legal over illegal wildlife trade and consideration of the social, ecological, and economic impacts of interventions.

Un Modelo Dinámico de Simulación para Asistir en la Reducción del Comercio Ilegal dentro de Mercados Legales de Vida Silvestre Resumen El comercio sustentable de vida silvestre es crítico para la conservación de la biodiversidad, los medios de subsistencia y la seguridad alimentaria. Son necesarios marcos regulatorios para asegurar estos diversos beneficios del comercio sustentable de vida silvestre. Sin embargo, las regulaciones que limitan el comercio pueden ser contraproducentes, generando un mercado ilegal si la demanda no se suple solamente con el comercio legal. El análisis de cómo las regulaciones afectan a los incentivos de los participantes del comercio de vida silvestre es de suma importancia para controlar el comercio ilegal. Mientras que muchas investigaciones se han centrado en analizar cómo las regulaciones afectan tanto a quienes consumen como quieren proveen visa silvestre, , poco se ha hecho para entender los incentivos de los intermediarios. Construimos un modelo dinámico de simulación para asistir en la reducción del comercio ilegal de vida silvestre dentro de los mercados legales, enfocándonos en los incentivos que enfrentan los intermediarios para comercializar productos legales o ilegales. Usamos un enfoque de Computación Bayesiana Aproximada para inferir las dinámicas del comercio ilegal y los parámetros que podrían ser desconocidos (p. ej.: el precio de los productos ilegales). Demostramos la utilidad del modelo mediante el caso de estudio de una pesquería de pequeña escala en Chile, en donde desentrañamos las dinámicas del comercio legal e ilegal y estimamos que la mayor parte del pescado comercializado es ilegal. Utilizamos el modelo para analizar el efecto de intervenciones para mejorar la sustentabilidad de la pesquería y para explorar los trade-offs entre metas ecológicas, económicas y sociales. Las simulaciones de escenarios mostraron que incluso incrementos significativos (más del 200%) de parámetros que recreaban intervenciones permitieron solamente mejoras moderadas en la sustentabilidad ecológica y social de la pesquería a un costo económico sustancial. Estos resultados exponen cuán desequilibrados están los incentivos de los intermediarios hacia el comercio de productos ilegales por encima de los legales en esta pesquería. Nuestro modelo proporciona una herramienta innovadora para la promoción del comercio sustentable de vida silvestre en entornos con datos limitados, y considera explícitamente a los intermediarios como actores críticos dentro del comercio de vida silvestre. El comercio sustentable de vida silvestre requiere incentivar el comercio legal sobre el ilegal y la consideración del impacto social, ecológico y económico de las intervenciones.