LA PERSPECTIVA CLINICA EN LA ESTRATIFICACION PRONOSTICA.
LOS SISTEMAS DE “ SCORE “ BASADOS EN LA CLINICA
Pilar Sampériz Legarre
Hospital Clínico Universitario “Lozano Blesa”
PRONOSTICO
“
Un diagnóstico de lo por venir
según un diagnóstico de lo
presente” (Laín Entralgo )
PRONOSTICO
El médico actual tiende a
evitar la discusión explícita del
pronóstico
La muerte habitualmente se
percibe como fallo
“ El médico “, El Greco
PRONOSTICO
•La actividad pronóstica ha
pasado de ser un proceso
“ impresionístico” a ser cada vez más
objetivo, basado en un
conjunto de métodos
científicos, totalmente
reproducibles
PRONOSTICO
INTERES:
 Para el propio paciente o familiares
 Identificar el riesgo de los pacientes
(estratificación del riesgo):

planificar la estrategia terapéutica más
adecuada

corregir factores que influyen en el
pronóstico
 En investigación, estratificación pronóstica de
los grupos analizados, que los haga
comparables entre sí.
PRONOSTICO




Curvas de supervivencia de
un grupo de pacientes afectos
de una enfermedad concreta:
historia natural de dicha
entidad nosológica, su
mortalidad global
Por otro lado, ayudan a
caracterizar el modelo de
mortalidad de la citada afección
Aislar diversos datos
pronósticos, al comparar las
curvas de supervivencia .
Determinar la eficacia de
determinados tratamientos
(Métodos actuariales: de Kaplan y Meier )
PRONOSTICO




Curvas de supervivencia de
un grupo de pacientes afectos
de una enfermedad concreta:
historia natural de dicha
entidad nosológica, su
mortalidad global
Por otro lado, ayudan a
caracterizar el modelo de
mortalidad de la citada afección
Aislar diversos datos
pronósticos, al comparar las
curvas de supervivencia .
Determinar la eficacia de
determinados tratamientos
(Métodos actuariales: de Kaplan y Meier )
PRONOSTICO




Curvas de supervivencia de
un grupo de pacientes afectos
de una enfermedad concreta:
historia natural de dicha
entidad nosológica, su
mortalidad global
Por otro lado, ayudan a
caracterizar el modelo de
mortalidad de la citada afección
Aislar diversos datos
pronósticos, al comparar las
curvas de supervivencia .
Determinar la eficacia de
determinados tratamientos
(Métodos actuariales: de Kaplan y Meier )
PRONOSTICO




Curvas de supervivencia de
un grupo de pacientes afectos
de una enfermedad concreta:
historia natural de dicha
entidad nosológica, su
mortalidad global
Por otro lado, ayudan a
caracterizar el modelo de
mortalidad de la citada afección
Aislar diversos datos
pronósticos, al comparar las
curvas de supervivencia .
Determinar la eficacia de
determinados tratamientos
(Métodos actuariales: de Kaplan y Meier )
PRONOSTICO

Variables potenciales predictoras,

Análisis univariante,
Regresión logística multivariable: predictores
independientes . ( coef.regres,Odd-R, Hazard-R)
Modelos pronósticos
- Fiabilidad
- Capacidad discriminativa*
Grupos pronósticos,



*El área bajo la curva (AUC)
PRONOSTICO
Sistemas de score facilmente aplicable
( los coeficientes de regresión ajustados del
modelo, se modifican, y se suman sus
Un sistema de score es de valor clínico, si funciona
puntos
)
transferido a otra población de la que ha derivado
 A cada categoría de score, le corresponde
un determinado riesgo.

(Bowy, Heart 2003;89;605-609 )
PRONOSTICO DE INSUFICIENCIA CARDIACA
Importancia del problema
IC pronóstico adverso, mortalidad al año
del 33-40%
 En nuestro medio supone un 9-11% de los
ingresos en MI , el motivo más frecuente
de ingreso en nuestro servicio
 Alto riesgo para readmisión en el hospital.
( 1/3 en los seis meses siguientes ).

PRONOSTICO DE INSUFICIENCIA CARDIACA
Importancia del problema




Curso clínico y calidad de vida de los pacientes
es dificil de predecir
Tratamientos enlentecen, pero no paran su
progresión
Aunque es una entidad común, existen pocos
métodos para estimar cuantitativamente el
pronóstico.
Muchos de los factores pronósticos identificados
y de las tasas encontradas de los estudios
realizados, en la comunidad pueden ser
diferentes.
PRONOSTICO DE INSUFICIENCIA CARDIACA
dificultades - variables 



Más de 50 variables ( exámen univariable o
multivariable ) han mostrado ser razonables
predictores de mortalidad en IC.
No se han hecho estudios manejando todas
simultaneamente / multivariable / adecuado
número de pacientes / distintos grados de IC /
seguimiento suficientemente largo para validar
los hallazgos.
Heterogeneidad de los trabajos realizados
Muy difícil asignar a estas variables su rango de
importancia
PRONOSTICO DE INSUFICIENCIA CARDIACA
dificultades pacientes-enfermedad






IC aguda o estable
Fracción de eyección preservada / disfunción
sistólica
En estadíos tempranos o avanzados
Etiologia de la enfermedad
Edad
Comorbididad
PRONOSTICO DE INSUFICIENCIA CARDIACA
dificultades - end-point Mortalidad:
 Por IC progresiva o IC refractaria
 Por otros eventos cardiovasculares ( IAM,..)
 Multifactorial ( IC más al menos otra causa no
cardiovascular)
 Muerte súbita ( > 1/2 mueren de muerte súbita ).
Reingresos. Pacientes no ingresados, pero con
reagudizaciones
Transplante urgente
Pronóstico a corto, medio o largo plazo
PRONOSTICO DE INSUFICIENCIA CARDIACA



Tal vez la estimación del pronóstico y la
estratificación del riesgo sea un elemento clave
para el manejo de la IC.
Los modelos pronósticos existentes han tenido
una utilidad limitada en la práctica general.
Modelos simples de sistemas de score
pronósticos, no son necesariamente menos
válidos que otros más complejos
Modelos pronosticos
en IC avanzada
Modelos pronósticos
 Heart
Failure Survival Score
(HFSS)
( Aaronson KD, Circulation 1997)
Indice para predecir la supervivencia en 1 año,
Modelo no invasivo
en pacientes ambulatorios, enviados
para evaluación del transplante cardiaco 1. Cardiopatía isquémica




268 pacientes.
70 años
FE<40%
Alto-medio-bajo riesgo(43%-72%-93%)
Su fiabilidad predictiva ha sido
subóptima en otras validaciones
2. Frecuencia en reposo
3. LVEF (%)
4. TA media
5. QRS >= 0,12 seg
6. Peak O2
7. Sodio sangre
Modelo invasivo :
+ Presión capilar pulmonar
Modelos pronósticos

COWIE MR, et al ( Heart
2000;83:505-510)

Supervivencia en pacientes
con diagnóstico reciente de IC.

220 pacientes. 18 meses

Variables : Edad
TA sistólica
Creatinina
Crepitantes
En pacientes con diagnóstico reciente de IC, la
mortalidad es alta en los primeros meses del diagnóstico.
Estas variables clínicas identifican un grupo de pacientes
de alto riesgo de muerte.
76 años
Clase II-IV (68%)
82% disfunción
sistólica
COWIE
MR, et al ( Heart 2000;83:505-510)
Modelos
pronósticos
 Bowy score:
(Heart 2003;89;605-609 )





70 años (37-91).
Prospectivo.
2/3 mujeres.
152 pac ambulatorios más frecuente fue la isquémica,
con B-Bloq
e ingresados. 1/3
Mortalidad 17%-28%-34%,respectivamente
Moderada a severa IC área bajo la curva 0.84, IC 95% 0.7-0.9
Mortalidad a los 6 -12 - 18 meses
Variables: Edad, sexo, clase NYHA III-IV,
diabetes, disfunción renal, bajo peso,
bajaTA, edemas en piernas, y uso de Bbloqueantes.
•Una combinación de variables facilmente
obtenidas, predice la mortalidad a los 18 meses.
(Bowy, Heart 2003;89;605-609 )
VALIDACIÓN DE MODELOS EN IC AVANZADA
.
Modelos pronósticos
 VALIDACIÓN
DE MODELOS
PRONÓSTICOS EN IC AVANZADA.
(FRANKEL, J Cardiol Fail, 2006; 12:430-438)







280 pacientes ( WHARF trial)
Multicéntrico randomizado.
Después del alta de hospital.
Mortalidad o transplante
De 13 modelos de pronóstico en IC
4 años de seguimiento
avanzada, seleccionados 4:
menos un año de seguimiento
IC avanzada (III-IV NYHA). al
mortalidad como end point primario
al menos cuatro citaciones en la
FE </=35%.
literatura; 4 estudios (Aaronson,
Alla, Cowie, Bouvy )
Modelos pronósticos





Los factores que se hallaron más fuertes en
predecir la mortalidad en sus respectivos
modelos fueron:
edad,
cardiomiopatía isquémica,
conocida cardiomiopatía
ausencia de Beta -bloqueantes.
(FRANKEL, J Cardiol Fail, 2006; 12:430-438)
•Edad 59 años,
•FE 21%.73%
clase III.99% tratados.
•excluidos con creat >4mg/dl, y
supervivencia prevista menor de 6
meses
Modelos pronósticos

CONCLUSIONES:
Estos modelos no son adecuados para
predecir el seguimiento en esta población
de pacientes con IC avanzada y baja FE,
tienen defectos significativos, y han
quedado menos útiles, por los
tratamientos actuales.

(FRANKEL, J Cardiol Fail, 2006; 12:430-438)
Modelos pronósticos
LIMITACIONES
 Necesarios estudios en IC menos avanzada.
 Utilizando variables no contempladas en éstos
 No se validaron otros modelos existentes.
 Algunas variables se sustituyeron por otras.
 No incluidas algunas comorbididades (cáncer,
cirrosis, EPOC)

(FRANKEL, J Cardiol Fail, 2006; 12:430-438)
Modelos pronosticos
en hospitalizados
Modelos pronósticos
pacientes hospitalizados

EFFECT Heart Failure Risk Scoring System

Retrospectivo .
4031(2624/1407) pacientes primer episodio de IC ( estudio EFFECT).
Datos recogidos al ingreso en el hospital ( primeras 24 horas ).
Riesgo de mortalidad global a los 30 días y 1 año
Variables: -demográficas:
edad,
-clínicas/analíticas: TA sistólica, frecuencia respiratoria,
hiponatremia <136,
BUN,
Hbna*.
-comorbididad:
enfermedad cerebrovascular, demencia,
EPOC ,
cirrosis, cáncer




( *Hbna predictora al año, no a los 30 días).
(
Lee DS,et al.JAMA 2003,290:2581-7)
Factores identificables en las primeras horas de
hospitalización predecían el riesgo de mortalidad
a los 30 días y un año.
•76.3 años. Mitad mujeres.
•Mitad FE <40%.
•Mortalidad a los 30 días
10.7%,
a 1 año 32.9%
•Estratificación por quintiles
del score de riesgo.
•El área bajo la curva ROC
fue 0.80 para la mortalidad a
los 30 días, y 0.77 la de un
año.
EFFECT Heart Failure Risk Scoring System
( Lee DS,et al.JAMA 2003,290:2581-7 )
www.ccort.ca/chfriskmodel.asp
Modelos pronósticos
Ancianos hospitalizados
 Huynh BC, et al






Prospectivo, randomizado
282 pacientes,ancianos,
Hospitalizados por IC agudizada.
Seguimiento de 14 años.
Datos en el momento de la admisión.
Mortalidad a 6m- 12m -5
años
edad
79,2+/-6.1 años
( Arch Intern Med 2006;166:1892-98)
95% fallecieron (supervivencia media fue
894 días)
Su capacidad predictiva : 0.84, 0.79, y 0.75
Modelos pronósticos
Ancianos hospitalizados
Huynh BC, et al
 Variables:
Edad, TA sistólica, sodio menor de 135,
nitrógeno ureico, enf coronaria, demencia,
enf vascular periférica.


Se construyó un score de riesgo con las 7
variables ( un punto a cada una). Bajo de 0-1
factor de riesgo, moderado (2-3), alto (>= 4)
Modelos pronósticos
Ancianos hospitalizados
Huynh BC, et al
 Variables:
Edad, TA sistólica, sodio menor de 135,
nitrógeno ureico, enf coronaria, demencia,
enf vascular periférica.


Se construyó un score de riesgo con las 7
variables ( un punto a cada una). Bajo de 0-1
factor de riesgo, moderado (2-3), alto (>= 4)
MODELOS EN PACIENTES
AMBULATORIOS
Modelos pronósticos
Pacientes ambulatorios
The Seattle Heart Failure Model

11.000 pacientes .(1125 con IC del PRAISE1). Validado
prospectivamente en 5 cohortes adicionales, (9942 pacientes: ELITE2,
Val-HeFT, UWRENAISSANCE, IN-CHF).



Pacientes ambulatorios
Supervivencia a 1, 2 y 3 años.
Variables: datos clínicos facilmente obtenibles,
datos de laboratorio, medicaciones para IC y
dispositivos.
( Levy WC, et al Circulation,2006; 113:1424-33
).
•65 años, predominantemente con
disfunción sistólica,
•NYHA III-IV.
( La validación en todas las edades, clases
funcionales, FE, 46 paises)
•Supervivencia 88.2% - 77.6% - 68.0% .
r:0.97 ; AUC: 0.72. (95%IC,0.71-0.74)
Modelos pronósticos
Pacientes ambulatorios
The Seattle Heart Failure Model
Variables:





Clase NYHA
etiología isquémica
dosis de diuréticos
fracción de eyección
TA sistólica





sodio sangre
hemoglobina
% linfocitos
ac.úrico
colesterol
• Incorporación del uso de medicaciones y
dispositivos ( predice el cambio de supervivencia
asociado ).
Modelos pronósticos
Pacientes ambulatorios

The Seattle Heart Failure Model
UTILIDAD
Estimar el pronóstico, aumentar la adherencia al tto, y aumento del uso
de medicaciones y dispositivos que mejoran supervivencia.
LIMITACIONES: no puede ser generalizado a pacientes hospitalizados,
o con comorbididad importante
El score debería ser recalculado después de cambios
clínicos o en la medicación o dispositivos.
WWW.seatleheartfailuremodel.org:
MODELOS EN PACIENTES
SIN INSUFICIENCIA CARDIACA
Modelos pronósticos
 Heart
Failure Score (HFS)
(Lewis EF et al, Am Heart J,2006;151:699-705)



1257 pacientes (del MOST:Mode Selection Trial).
Edad media 74 años. 47% mujeres. 220 tenían hª previa de IC.Con
disfunción sinusal, pero sin clínica de IC
Multicéntrico. Prospectivo.Seguimiento de 33 meses.

Objetivo: valorar el impacto pronóstico del
HFS como una medida alternativa de la
severidad de IC en pacientes ancianos sin
IC

Es un sistema de scoring que cuantifica la presencia de síntomas de
disnea, signos de IC, y tratamientos usados por la presencia de IC. De 014, representando los más altos, más grado de enfermedad.
Heart Failure Score
puntos
disnea
Izqdo
derecho TTo
médico
1
Disnea
Iigera a
moderada
>20 resp/min
2
DPN
o severa de
ejercicio
Crepitantes
Edema
en bases o 3º maleolar
ruido
Aumento del
tto de IC
3
ortopnea
crepitantes
Hospitalización
y uso de
diuréticos IV
4
Disnea de
reposo
----
---Edema
pulmonar
-----
Nuevo Tto
médico para
IC
Vasodilatado
res
Heart Failure Score (HFS)
(Lewis EF. Am Heart J,2006 )
MODELOS PRONOSTICOS
EN LA PRACTICA CLINICA
PRONOSTICO DE INSUFICIENCIA CARDIACA
Limitaciones de scores clinicos






Estudios pequeños
Poblaciones
seleccionadas.
No comorbididad;
Diferentes variables
recogidas en cada base
de datos,
No disponibles en todos
los medios
Diferentes técnicas de
medida




No asumir que las mismas
variables estarán asociadas
con mortalidad igual en las
fases tempranas de la
enfermedad como en las
avanzadas
En pocos se ha contemplado la
FE preservada
El aumento en el uso de Bbloqueantes, puede hacer las
conclusiones de estudios
previos , menos relevantes.
Pocos trabajos se han hecho
contemplando ya el uso de
todos los tratamientos que han
mostrado su eficacia.
PRONOSTICO DE INSUFICIENCIA CARDIACA
Utilización de scores clinicos

Para la correcta utilización de un modelo,
es conveniente saber cómo ha sido
obtenido, a qué población se aplica, sus
posibilidades y también sus deficiencias.

Es posible que distintos sets de variables
sean necesarias en distintos niveles de
asistencia.
PRONOSTICO DE INSUFICIENCIA CARDIACA
Utilización de scores clinicos

Existe todavía la necesidad de un modelo
clínicamente más relevante desde una
población de pacientes tratados
adecuadamente de acuerdo a las actuales
guías de IC, aplicable a todas las
etiologías de IC, y que use sólo variables
facilmente disponibles .
(FRANKEL, J Cardiol Fail, 2006; 12:430-438)
PRONOSTICO DE INSUFICIENCIA CARDIACA
Utilización de scores clinicos

En esta época de alta tecnología sigue
siendo útil mantener una mentalidad
analítica y crítica sobre nuestros
conocimientos y recordar que casi
siempre los modelos, sobre todo si son
estadísticos, sólo son un paso más en el
proceso de conocimiento.
La
más valiosa información pronóstica de un
paciente con IC nos la da la realización de una
cuidadosa anamnesis y exploración física, y medir
la fracción de eyección del ventrículo izquierdo.
El
aspecto más importante del manejo, es la
exclusión de causas potencialmente reversibles de
IC, y la utilización de aquellas medidas
terapeúticas que han demostrado prolongar la
supervivencia y mejorar la calidad de vida.
(Eichhorn,Am.J.Med 2001)
BNP puede aumentar precisión pronóstica si se utiliza
añadido a otras variables
GRACIAS POR SU ATENCION
Modelos pronósticos
Pocock SJ (Predictors of mortality and
morbidity in patients with chronic heart
failure
European Heart Journal (2006) 27, 65–75 del CHARM
7599 pacientes.seguimiento 38 meses
Muertes de causa cardiovascular, muerte de todas
las causas/ hospitalizaciones por IC
21 variables . El predictor más fuerte fue edad
( >60a) Diabetes M. , FE ( <45%),
Aportaba que estaban tratados, y que tenían FE
preservada (1/4), y no.
Predictores de mortalidad en IC
con FE preservada
Jones et al (J Am Coll Cardiol 2004)
 988 pacientes ambulatorios,con FE
preservada y ritmo sinusal ( del DIG trial).
Multicéntrico. Mortalidad y hospitalización
por IC. 3.5 años
 Predictores importantes de mortalidad:
función real alterada (MDRD),
empeoramiento de la clase funcional,
género masculino, mayor edad.

Descargar

3) La perspectiva clínica en la estratificación pronóstica. Los