Modelo de riesgo de mortalidad a largo plazo en pacientes con infección atendidos por servicios de emergencias prehospitalarios / Long-term risk of death in patients with infection attended by prehospital emergency services

Objetivo: Diseñar y validar un modelo de riesgo con variables determinadas a nivel prehospitalario para predecir el riesgo de mortalidad a largo plazo (1 año) en pacientes con infección. Métodos: Estudio multicéntrico, observacional prospectivo, sin intervención, en pacientes adultos con sospecha infección atendidos por unidades de soporte vital avanzado y trasladados a 4 hospitales españoles entre el 1 de junio de 2020 y el 30 de junio de 2022. Se recogieron variables demográficas, fisiológicas, clínicas y analíticas. Se construyó y validó un modelo de riesgo para la mortalidad a un año usando una regresión de Cox.Resultados: Se incluyeron 410 pacientes, con una tasa de mortalidad acumulada al año del 49%. La tasa de diagnóstico de sepsis (infección e incremento sobre el SOFA basal $ 2 puntos) fue del 29,2% en supervivientes frente a un 56,7% en no supervivientes. El modelo predictivo obtuvo un área bajo la curva de la característica operativa del receptor para la mortalidad a un año fue de 0,89, e incluyó: edad, institucionalización, índice de comorbilidad de Charlson ajustado por edad, presión parcial de dióxido de carbono, potasio, lactato, nitrógeno ureico en sangre, creatinina, saturación en relación con fracción inspirada de oxígeno y diagnóstico de sepsis.Conclusiones: El modelo desarrollado con variables epidemiológicas, analíticas y clínicas mostró una excelente capacidad predictiva, y permitió identificar desde el primer contacto del paciente con el sistema sanitario, a modo de evento centinela, casos de alto riesgo.(AU)

Objectives: To develop and validate a risk model for 1-year mortality based on variables available from earlyprehospital emergency attendance of patients with infection. Methods: Prospective, observational, noninterventional multicenter study in adults with suspected infection transferred to 4 Spanish hospitals by advanced life-support ambulances from June 1, 2020, through June 30, 2022. We collected demographic, physiological, clinical, and analytical data. Cox regression analysis was used to develop and validate a risk model for 1-year mortality. Results: Four hundred ten patients were enrolled (development cohort, 287; validation cohort, 123). Cumulative mortality was 49% overall. Sepsis (infection plus a Sepsis-related Organ Failure Assessment score of 2 or higher) was diagnosed in 29.2% of survivors vs 56.7% of nonsurvivors. The risk model achieved an area under the receiver operating characteristic curve of 0.89 for 1-year mortality. The following predictors were included in the model: age; institutionalization; age-adjusted Charlson comorbidity index; PaCO2; potassium, lactate, urea nitrogen, and creatinine levels; fraction of inspired oxygen; and diagnosed sepsis. Conclusions: The model showed excellent ability to predict 1-year mortality based on epidemiological, analytical, andclinical variables, identifying patients at high risk of death soon after their first contact with the health care system.(AU)

Modelo de riesgo de mortalidad precoz en pacientes ancianos con enfermedad aguda atendidos por servicios de emergencias prehospitalarias / Risk for early death in acutely ill older adults attended by prehospital emergency medical services

OBJETIVOS: Diseñar y validar un modelo predictivo de mortalidad hospitalaria precoz (≤ 48 horas) en pacientes $ 65 años y basado en variables determinadas a nivel prehospitalario. MÉTODO: Estudio multicéntrico de cohorte prospectivo y observacional. Se incluyeron pacientes $ 65 años atendi¬dos por unidades de soporte vital avanzado y trasladados a un servicio de urgencias hospitalario. Se recogieron va-riables demográficas, clínicas y analíticas. Se construyó y validó una escala de puntuación mediante la categoriza¬ción de las variables seleccionadas mediante regresión logística en función de la mortalidad en ≤ 48 horas. RESULTADOS: Se reclutaron 1.759 pacientes, la edad mediana fue de 79 años (RIC 72-85), 766 eran mujeres (43,5%), y fallecieron 108 pacientes (6,1%) en ≤ 48 horas. El modelo predictivo -escala POAWS (Prehospital Older Adults Warning Score)- incluyó la edad, presión arterial sistólica, temperatura, saturación de oxígeno en relación con la frac¬ción inspirada de oxígeno, escala de coma de Glasgow y ácido láctico en sangre venosa. El área bajo la curva de la característica operativa del receptor para la mortalidad en ≤ 48 horas fue de 0,853 (IC 95%: 0,80-0,91; p < 0,001). La mortalidad en los pacientes de alto riesgo (> 7 puntos en la escala) fue del 69%. CONCLUSIONES: La escala POAWS desarrollada en el presente estudio puede ser de utilidad para estratificar el riesgo de muerte de los patientes de 65 o más años durante las 48 horas siguientes a la atención en el ámbito prehospitalario

OBJECTIVE: To develop and validate a prehospital risk model to predict early in-hospital mortality (󖽀 hours) in patients aged 65 years or older. METHODS: Prospective multicenter observational study in a cohort of patients aged 65 years or older attended by advanced life support emergency services and transferred to 5 Spanish hospitals between April 2018 and July 2019. We collected demographic, clinical and laboratory variables. A risk score was constructed and validated based on the analysis of prehospital variables associated with death within 48 hours. Predictors were selected by logistic regression. RESULTS: A total of 1759 patients were recruited. The median age was 79 years (interquartile range, 72-85 years), and 766 (43.5%) were women. One hundred eight patients (6.1%) died within 48 hours. Predictors in the Prehospital Older Adults Warning Scale (POAWS) were age, systolic blood pressure, temperature, the ratio of oxygen saturation to the fraction of inspired oxygen, score on the Glasgow coma scale, and lactic acid concentration in venous blood. The area under the receiver operating characteristic curve of the model to predict early mortality was 0.853 (95% CI, 0.80-0.91; P < .001). Mortality in patients at high risk (POAWS score, > 7) was 69%. CONCLUSIONS: The prehospital POAWS score can be used to stratify risk for death within 48 hours in patients aged 65 years or older

Valor predictivo del preNEWS2-L (Pre-hospital National Early Warning Score 2 Lactate) para la detección de la mortalidad precoz en el ámbito prehospitalario / Predictive value of the prehospital NEWS2-L -National Early Warning Score 2 Lactate- for detecting early death after an emergency

Objetivos: Evaluar la capacidad de la escala Pre-hospital National Early Warning Score 2 lactate (preNEWS2-L) para predecir la mortalidad precoz (antes de 48 h) desde el suceso índice. Además, como objetivo secundario, analizar el rendimiento de la nueva escala para la mortalidad a 7 y 30 días por cualquier causa. Método: Estudio observacional, prospectivo y longitudinal de pacientes que son atendidos por unidades móviles de emergencias y trasladados a los servicios de urgencias de su hospital de referencia. Se recogieron variables demográficas, fisiológicas, clínicas, analíticas y de diagnóstico principal. La variable de resultado principal fue la mortalidad por cualquier causa. Resultados: Se incluyeron 707 pacientes. La mortalidad precoz tras el suceso índice antes de las primeras 48 h fue de 37 pacientes (5,2%). La escala preNEWS2-L obtuvo un área bajo la curva (ABC) de la característica operativa del receptor (COR) de 0,91 (IC 95%: 0,83-0,96; p < 0,001), 0,86 (IC 95%: 0,79-0,92; p < 0,001) y 0,82 (IC 95%: 0,760,87; p < 0,0017) para la mortalidad a 2, 7 y 30 días, respectivamente. Su capacidad de valorar la mortalidad desciende prácticamente un 10% entre el ABC-ROC a los 2 días y el ABC a los 30 días. Conclusiones: La escala generada, denominada preNEWS2-L, puede ser considerada una herramienta pronóstico muy útil para ser usada en el medio prehospitalario, por facilidad de manejo, rápida obtención y capacidad de predicción

Objectives: To evaluate the ability of the prehospital National Early Warning Score 2 Lactate (preNEWS2-L) to predict early mortality, defined as death within 48 hours of the index event. We also explored the predictive capacity of the score for 7- and 30-day all-cause mortality. Methods: Prospective, observational longitudinal study in patients attended by ambulance responders and transferred to the emergency departments of reference hospitals. We collected demographic, physiologic, clinical, and analytical data and the main diagnosis. The main outcome measure was all-cause mortality. Results: A total of 707 patients were included. Thirty-seven patients (5.2%) died within 48 hours of the index event. The area under the receiver operating characteristic curve (AUC) for the preNEWS2-L score's prediction of early death was 0.91 (95% CI, 0.83-0.96). The AUCs for death within 7 and 30 days were 0.86 (95% CI, 0.79-0.92) and 0.82 (95% CI, 0.76-0.87), respectively, showing that the score's ability to predict death decreases by almost 10% between 48 hours and 30 days. Conclusion: The preNEWS2-L is a useful prognostic tool that can be assessed quickly and easily in prehospital settings

Derivación y validación de nuevos fenotipos prehospitalarios en pacientes adultos con enfermedad por COVID-19 / Derivation and validation of new prehospital phenotypes for adults with COVID-19

Objetivos. Desarrollar un fenotipado prehospitalario de pacientes con COVID-19 que permita una identificación temprana de los grupos de riesgo.Método. Estudio observacional de cohorte retrospectivo multicéntrico, sin intervención con 3.789 pacientes y 52 variables prehospitalarias. Las variables de resultado principal fueron las cuatro agrupaciones prehospitalarios obtenidos, #1, #2, #3 y #4. Los resultados secundarios fueron: ingreso hospitalario, ventilación mecánica, ingreso en unidad de cuidados intensivos y mortalidad acumulada a los 1, 2, 3, 7, 14, 21 y 28 días desde el ingreso hospitalario (hospitalaria y extrahospitalaria).Resultados. Por medio de una descomposición en componentes principales/correspondencia múltiple de datos mixtos (continuos y categóricos), seguido de una descomposición en agrupaciones, se obtuvo cuatro agrupaciones/fenotipos #1, #2, #3 y #4 de 1.090 (28,7%), 1.420 (37,4%), 250 (6,6%) y 1.029 (27,1%) pacientes, respectivamente. El grupo #4, compuesto por los pacientes de mayor edad, baja saturación de oxígeno e institucionalización es el que presenta la mayor mortalidad (44,8% de mortalidad a 28 días). El grupo #1, compuesto de pacientes de menor edad, con mayor porcentaje de tabaquismo, fiebre y necesidades de ventilación mecánica, es el de pronóstico más favorable con la menor tasa de mortalidad.Conclusiones. Los pacientes con COVID-19 valorados por los servicios médicos de emergencias y transferidos al servicio de urgencias hospitalario se pueden clasificar en 4 fenotipos con diferentes consideraciones clínicas, terapéuticas y de pronóstico, y permite a los profesionales sanitarios discriminar rápidamente el nivel de riesgo futuro del paciente y ayuda por lo tanto en el proceso de toma de decisiones. (AU)

Objective. To characterize phenotypes of prehospital patients with COVID-19 to facilitate early identification of at-risk groups.Methods. Multicenter observational noninterventional study of a retrospective cohort of 3789 patients, analyzing 52 prehospital variables. The main outcomes were 4 clusters of prehospital variables describing the phenotypes. Secondary outcomes were hospitalization, mechanical ventilation, admission to an intensive care unit, and cumulative mortality inside or outside the hospital on days 1, 2, 3, 7, 14, 21, and 28 after hospitalization and after start of prehospital care.Results. We used a principal components multiple correspondence analysis (factor analysis) followed by decomposition into 4 clusters as follows: cluster 1, 1090 patients (28.7%); cluster 2, 1420 (37.4%); cluster 3, 250 (6.6%), and cluster 4, 1029 (27.1%). Cluster 4 was comprised of the oldest patients and had the highest frequencies of residence in group facilities and low arterial oxygen saturation. This group also had the highest mortality (44.8% at 28 days). Cluster 1 was comprised of the youngest patients and had the highest frequencies of smoking, fever, and requirement for mechanical ventilation. This group had the most favorable prognosis and the lowest mortality.Conclusions. Patients with COVID-19 evaluated by emergency medical responders and transferred to hospital emergency departments can be classified into 4 phenotypes with different clinical, therapeutic, and prognostic characteristics. The phenotypes can help health care professionals to quickly assess a patient’s future risk, thus informing clinical decisions. (AU)

Respuesta de los autores: 'Compresión extrínseca dinámica de las arterias coronarias' en lugar de 'fenómeno de ordeñado' / Authors’ reply: Advisability of not using a literal translation of ‘milking phenomenon’

No disponible

Fenómeno de ordeñado (milking) como causa de dolor torácico. A propósito de 4 casos / Myocardial bridging, or milking, as a cause of chest pain: report of 4 cases

La existencia de puentes miocárdicos en las arterias coronarias epicárdicas puede producir un efecto de compresión durante la sístole, siendo la arteria descendente anterior la más afectada. Este fenómeno se denomina fenómeno de milking. El espectro clínico es variado: puede no producir clínica o bien ser causa de dolor torácico tanto de esfuerzo como de reposo con las diferentes variantes que ello conlleva. Presentamos 4 casos de pacientes vistos en el servicio de urgencias de un hospital que presentaban fenómeno de milking, dado que creemos importante estar familiarizado con este concepto a fin de conocer las peculiaridades de manejo e implicaciones del mismo (AU)

Myocardial bridging of epicardial coronary arteries can cause a compression effect during systole. The anterior descending artery is the most commonly affected. This phenomenon is also known as milking. The clinical spectrum is varied. The patient may be symptom-free or experience varying degrees of chest pain during exercise or rest. We describe 4 patients treated for myocardial bridging in a hospital emergency department. Physicians should become familiar with this phenomenon in order to understand its management and implications (AU)

Modelo de riesgo de mortalidad en pacientes con sospecha de enfermedad por COVID-19 basado en información del centro coordinador de urgencias / Mortality risk model for patients with suspected COVID-19 based on information available from an emergency dispatch center

Objetivo: Derivar y validar una escala basada en variables recogidas durante la llamada a un centro coordinador de urgencias (CCU) que permita estratificar el riesgo de mortalidad a 2 días en pacientes con sospecha de enfermedad por COVID-19. Método: Estudio multicéntrico retrospectivo que incluyó a los pacientes consecutivos $ 18 años durante 3 meses, catalogados como caso sospechoso de COVID-19 después de la entrevista telefónica del CCU y que precisaron evacuación. Se analizaron variables clínico-epidemiológicas, comorbilidades y resultado de muerte a los 2 días. Se derivó una escala con las variables categóricas asociadas de forma independiente con la mortalidad a 2 días mediante regresión logística, en la cohorte de derivación. La escala se validó mediante una cohorte de validación y otra de revalidación obtenida en una provincia distinta.Resultados. Se incluyeron 2.320 pacientes (edad mediana 79 años, 49,8% mujeres). La mortalidad global fue del 22,6% (376 casos en pacientes con SARS-CoV-2). El modelo incluyó edad, localización (zona rural como variable protectora), institucionalización, desaturación, roncus, taquipnea y alteración del nivel de conciencia. El área bajo la curva (ABC) para la mortalidad a 2 días fue de 0,763 (IC 95%: 0,725-0,802; p < 0,001). La mortalidad en los pacientes de alto riesgo (> 2,4 puntos) fue del 60%. Conclusiones: La escala, derivada a través de información obtenida con datos del CCU, es aplicable a pacientes con sospecha de infección por COVID-19, estratifica el riesgo de mortalidad precoz (menos de 2 días) y puede ser una herramienta que ayude en la toma de decisiones, referidas a su evacuación, destino o vector de transporte. (AU)

Objectives: To develop and validate a scale to stratify risk of 2-day mortality based on data collected during calls to an emergency dispatch center from patients with suspected coronavirus disease 2019 (COVID-19). Material and methods: Retrospective multicenter study of consecutive patients over the age of 18 years with suspected COVID-19 who were transported from home over the course of 3 months after telephone interviews with dispatchers. We analyzed clinical and epidemiologic variables and comorbidities in relation to death within 2 days of the call. Using data from the development cohort, we built a risk model by means of logistic regression analysis of categorical variables that were independently associated with 2-day mortality. The scale was validated first in a validation cohort in the same province and then in a cohort in a different province. Results: A total of 2320 patients were included. The mean age was 79 years, and 49.8% were women. The overall 2-day mortality rate was 22.6% (376 deaths of patients with severe acute respiratory syndrome coronavirus 2 infection). The model included the following factors: age, location (rural location as a protective factor), institutionalization, desaturation, lung sounds (rhonchi), and altered mental status. The area under the receiver operating characteristic curve for death within 2 days was 0.763 (95% CI, 0.725-0.802; P .001). Mortality in patients at high risk (more than 2.4 points on the scale) was 60%. Conclusion: This risk scale derived from information available to an emergency dispatch center is applicable to patients with suspected COVID-19. It can stratify patients by risk of early death (within 2 days), possibly helping with decision making regarding whether to transport from home or what means of transport to use, and destination. (AU)