Los puntos clave no están disponibles para este artículo en este momento.
ANTECEDENTES: El presente estudio exploró una variedad de variables para identificar predictores de mortalidad y morbilidad y para desarrollar modelos de predicción basados en estas variables. MÉTODOS: Se desarrollaron herramientas para predecir la mortalidad, la duración de la estancia hospitalaria y el destino de un paciente después del alta hospitalaria utilizando la regresión logística en un conjunto de datos (diseño) y se evaluó su rendimiento predictivo en un conjunto de datos separado (validación). El rendimiento del modelo de mortalidad se comparó con el trauma y el puntaje de gravedad de las lesiones (TRISS) y una caracterización de gravedad del trauma (ASCOT). RESULTADOS: El perfil de variables que contribuyeron a los modelos de predicción finales desarrollados a partir del conjunto de datos de diseño varió según los diferentes resultados de interés, aunque la edad, el puntaje de gravedad de la lesión, el desarrollo de complicaciones y la categoría de triaje fueron predictores comunes de los tres resultados. El rendimiento del nuevo modelo de predicción de mortalidad fue superior tanto al TRISS como al ASCOT en el conjunto de datos de validación. En general, los nuevos modelos no cumplieron con los criterios de rendimiento preespecificados. CONCLUSIONES: El presente estudio identificó predictores clave de mortalidad y morbilidad (duración de la estancia hospitalaria y destino de alta). El nuevo modelo de mortalidad desarrollado superó los métodos de puntuación de trauma publicados. Sin embargo, se requiere un mayor desarrollo y prueba de los nuevos modelos de predicción antes de que se pueda recomendar su implementación como herramientas definitivas de auditoría y comparación.
Gabbe et al. (Mon,) estudiaron esta pregunta.