Revisión sistemática de la calidad de los modelos predictivos de mortalidad en sepsis

Abstract

La sepsis es un trastorno orgánico secundario a una infección que tiene una elevada incidencia, constituyendo una de las principales causas de morbimortalidad en todo el mundo. Su identificación y manejo precoz son claves para mejorar la supervivencia, especialmente en los pacientes más graves. La estratificación de la gravedad de la sepsis mediante modelos de riesgo es primordial para adecuar el tratamiento con el fin de obtener unos mejores resultados. Existen multitud de modelos pronósticos, pero hay pocos implementados en la práctica clínica. Su uso es recomendable, pero puesto que van a tener un impacto clínico, es necesario que estos modelos estén desarrollados según las recomendaciones internacionales y que hayan sido validados en otras poblaciones. Además, es importante evaluar su aplicabilidad o potencial uso en la práctica clínica habitual. Nos propusimos realizar una revisión sistemática de modelos predictivos de mortalidad en pacientes con sepsis, acorde a las recomendaciones internacionales para este tipo de revisiones, como son las recomendaciones CHARMS (Critical Appraisal and Data Extraction for Systematic Reviews of Prediction Modelling Studies), y la guía PROBAST (Prediction model Risk Of Bias ASsessment Tool), con el objetivo de obtener un documento crítico que evalúe el desarrollo de los modelos existentes, su riesgo de sesgo, su validación externa, así como su aplicabilidad e integración de los mismos en la práctica clínica. En 2019 realizamos una revisión sistemática en MEDLINE, Scopus y EMBASE y seleccionamos artículos científicos que desarrollaran modelos pronósticos de mortalidad en pacientes con sepsis. De los artículos incluidos en la revisión extrajimos la información de los once dominios CHARMS y aplicamos la herramienta PROBAST, la cual valora tanto el riesgo de sesgo como la aplicabilidad de los modelos predictivos incluidos en una revisión sistemática. Realizamos un análisis descriptivo tanto de los dominios de CHARMS como de PROBAST. También revisamos si nuestros modelos habían sido validados externamente y comparamos nuestros resultados con estudios similares de otras patologías que utilizaban el checklist PROBAST. De los 3.397 estudios cribados se escogieron 14 para su análisis. Los trabajos seleccionados mostraron una gran variabilidad en los 11 dominios CHARMS. Tras realizar la lista de verificación de PROBAST, observamos que solo un trabajo presentaba una valoración positiva respecto a la aplicabilidad junto con un riesgo de sesgo incierto, por no indicar cómo se manejaron los datos perdidos. El resto de los estudios presentaron un riesgo de sesgo alto. La valoración de la aplicabilidad fue satisfactoria en 6 de los 14 modelos, y la mayoría de ellos, integraban predictores que son de uso común en la práctica clínica habitual. Evaluamos la discriminación de los modelos, con un área bajo la curva receiver operating characteristic (ROC) entre 0,59 y 0,955, y no observamos ninguna falta de calibración. Solo tres modelos fueron validados externamente por otros autores, habiendo sido sometido uno de ellos a múltiples estudios de validación. En los estudios consultados sobre otras enfermedades, al igual que en el nuestro, dentro de la lista PROBAST, el dominio que presentaba un mayor riesgo de sesgo fue el de Análisis. Hemos comprobado la importancia tanto de cumplir los estándares de calidad, como el rendimiento de los modelos y su validación externa. Podemos recomendar, aunque con cautela, la utilización de tres modelos, especialmente uno que ha sido sometido a múltiples estudios de validación externa. Con una validación externa adecuada, se podría considerar la implementación del resto de los modelos en la práctica clínica.