Hacia una medicina basada en la precisión en entornos de rehabilitación: evaluación del estado nutricional y la sarcopenia en pacientes con enfermedades crónicas = Towards a precision-based rehabilitation medicine: asssessment of nutritional status and sarcopenia in patients with chronic diseases referred to rehabilitation

Abstract

Esta tesis aborda la malnutrición y la sarcopenia en pacientes con enfermedades crónicas, centrándose en la enfermedad pulmonar obstructiva crónica (EPOC) y la enfermedad renal crónica. Utilizando los criterios de la Global Leadership Initiative for Malnutrition (GLIM) y los criterios EWGSOP2, se evaluó la prevalencia de la malnutrición en pacientes con EPOC estable y candidatos a trasplante de riñón, así como la utilidad de Redes Neuronales Artificiales (ANN) para identificar factores pronósticos en receptores de trasplante pulmonar (TP). En el estudio de pacientes con EPOC (1), se encontró una prevalencia del 45% de malnutrición según GLIM, asociada a un riesgo significativamente mayor de mortalidad y hospitalización. En el estudio de trasplante de riñón (2), la malnutrición se asoció con un mayor riesgo de hospitalizaciones durante el primer año en la lista de espera. En receptores de TP (3), el 41.4% experimentó una alta tasa de pérdida de datos, siendo el bajo índice de masa corporal el factor más influyente, seguido por la indicación del trasplante, baja calidad de vida y fuerza de agarre reducida. Estos hallazgos destacan la importancia de abordar la malnutrición y la sarcopenia en pacientes con enfermedades crónicas, identificando factores de riesgo y proponiendo estrategias de intervención.

This thesis addresses malnutrition and sarcopenia in patients with chronic diseases, focusing on chronic obstructive pulmonary disease (COPD) and chronic kidney disease. Using the criteria from the Global Leadership Initiative for Malnutrition (GLIM) and EWGSOP2 criteria, the prevalence of malnutrition was assessed in stable COPD patients and kidney transplant candidates, along with the utility of Artificial Neural Networks (ANN) in identifying prognostic factors in lung transplant recipients (TP). In the COPD patient study (1), a 45% prevalence of malnutrition according to GLIM was found, associated with a significantly higher risk of mortality and hospitalization. In the kidney transplant study (2), malnutrition was associated with an increased risk of hospitalizations during the first year on the waiting list. In TP recipients (3), 41.4% experienced a high data loss rate, with a low body mass index being the most influential factor, followed by transplant indication, low quality of life, and reduced grip strength. These findings underscore the importance of addressing malnutrition and sarcopenia in patients with chronic diseases, identifying risk factors, and proposing intervention strategies.