Creació i validació d'un model de predicció per al càlcul del temps d'angioplàstia primària en pacients amb infart agut de miocardi que són traslladats a un hospital amb disponibilitat d'hemodinàmica

Abstract

Introduction: Achieving optimal times of reperfusion in STEMI patients transferred for primary percutaneos coronary intervention (PCI) remains a challenge, particularly in geographically disperse regions. Our goal was to create a prediction model of STEMI diagnosis - wire crossing time and perform an internal validation. Methods: Prospective cohort study of patients admitted to the critical care unit (2007-2018) diagnosed with STEMI who required to be transferred to PCI center. An analysis was carried out to identify the predictive variables leading to a delay in STEMI diagnosis -wire crossing times. Afterwards, a prediction model was created and an internal validation of this model was performed. Results: A total of 1.049 patients were included during the study period. The delaying predictive factors were: severe Killip on admission (Killip ≥3) (OR 1,100 IC 95% (1,048-1,155) p=0,0001), coronary artery bypass grafting (OR 1,241 IC 95% (1,119-1,377) p <0,001), out-of-hospital cardiac arrests (OR 1,150 IC 95% (1,078-1,228) p <0,001), lateral ischemia (OR 1,065 IC 95% (1,030-1,102) p=0,0002), first medical contact in a non-PCI center (OR 1,225 IC 95% (1,174-1,279) p<0,001), primary healthcare center (OR 1,183 IC 95% (1,131-1,238) p<0,001), home care (OR 1,077 IC 95% (1,026-1,131) p=0,003) and distance (Km) from PCI center; < 40 Km (OR 1,034 IC 95% (1,026-1,043) p<0,001) and >40 Km (OR 1.079 IC 95% (1,066-1,092) . Internal validation showed a square R of 0.355 and a correlation of 0.6. The area under the curve to predict time >120 minutes was 0.785. Conclusions: STEMI diagnosis-wire crossing time predictor variables were identified and included in a prediction model. Internal validation was success. This tool could be useful in clinical practice when taking relevant decisions in STEMI patients

Introducció: És difícil aconseguir temps òptims d´angioplàstia primària (AP) en un percentatge de pacients amb IAMEST procedents del medi extra-hospitalari o d'hospitals sense programa d'AP. Disposar d'una eina de predicció del temps d'AP desde el diagnòstic podria ser útil. El nostre objectiu va ser crear un model de predicció del temps d'ECG diagnòstic-pas de guia i realitzar una validació d'aquest model. Mètode Estudi de cohorts prospectiu de pacients ingressats a la unitat de cures crítiques cardiològiques (2007-2018) amb IAMEST, tractats amb AP i que van requerir ser traslladats a un centre amb disponibilitat d'hemodinàmica. Es va realitzar un anàlisi per identificar les variables predictores de demora de l'ECG diagnòstic- pas de guia, es va crear un model de predicció d'aquest temps i una validació interna del model. Resultats Es van incloure un total de 1.049 pacients en l'estudi. Les variables incloses en el model de predicció van ser la insuficiència cardíaca greu a l'ingrés (Killip ≥3) (OR 1,100 IC 95% (1,048-1,155) p = 0,0001), la cirurgia cardíaca prèvia de bypass (OR 1,241 IC 95% (1,119-1,377) p <0,001), la mort sobtada extrahospitalària (OR 1,150 IC 95% (1,078-1,228) p <0,001), la localització lateral de l'IAM (OR 1,065 IC 95% (1,030-1,102) p = 0, 0002), el primer contacte amb hospital sense disponibilitat d'hemodinàmica (OR 1,225 IC 95% (1,174-1,279) p <0,001), centre d'atenció primària (OR 1,183 IC 95% (1,131-1,238) p <0,001), domicili ( OR 1,077 IC 95% (1,026-1,131) p = 0,003) i finalment la distància al centre amb hemodinàmica; <40 Km (OR 1,034 IC 95% (1,026-1,043) p <0,001) i> 40 km (OR 1.079 IC 95% (1,066-1,092) p <0,001). La validació interna va mostrar un R quadrat de 0,355 i una correlació de 0,6. L'àrea sota la corba per a temps superiors a 120 minuts va ser de 0,785. Conclusions Identificades les variables predictores del temps ECG diagnòstic-pas de guia es va crear un model de predicció, amb una validació interna satisfactòria, que pot ser útil en la presa de decisions clíniques en el IAMEST