Mendieta PMD, Bender BJE, Torres CV, González LI

Idioma: Español
Referencias bibliográficas: 19
Paginas: 312-325
Archivo PDF: 1125.42 Kb.

RESUMEN

Introducción: Las muertes por enfermedad cerebrovascular aguda son frecuentes en la tercera edad. Las escalas predictoras existentes se basan en la evaluación de la esfera neurológica, y predicen el pronóstico rehabilitador y de vida, pero no evalúan integralmente al paciente.
Objetivo: Elaborar una propuesta de escala predictora para estimar el riesgo de muerte en los pacientes con infarto cerebral isquémico agudo ingresados en los hospitales de Mayabeque.
Métodos: Se realizó un estudio exploratorio, de corte transversal, explicativo, y multicéntrico en los pacientes internados en el área hospitalaria. El universo estuvo constituido por750 pacientes con infarto cerebral agudo y la muestra por 300 pacientes que padecieron la enfermedad. Se aplicó un análisis multivariado de Componentes Principales Categórico, que permitió la selección de las variables a estudiar. La aplicación del escalonamiento óptimo a través del dendograma favoreció la creación de los grupos de riesgos.
Resultados: El análisis del impacto de las variables arrojó la media en 0 y la desviación estándar en 1. El índice de Alfa de Cronbach fue de 0.9. Se crearon los grupos de alto y bajo riesgo de muerte. La presencia de estupor o coma, neumonías, insuficiencia cardiaca, tromboembolismo pulmonar, desequilibrio hidroelectrolítico, cefalea, hipertensión arterial maligna, déficits neurológicos focales, edad mayor de 65 años, infarto cerebral previo, la glucemia elevada, antecedentes de hipertensión arterial, ataque transitorio de isquemia, diabetes mellitus, constituyeron la escala.
Conclusiones: La Escala de riesgo de Mortalidad de Mayabeque para el Infarto Cerebral Agudo propuesta permite estimar el riego de mortalidad con exactitud en los pacientes con infarto cerebral isquémico agudo.

REFERENCIAS (EN ESTE ARTÍCULO)

1. SIDCA [Internet]. Panamá: Universidad de Panamá; 2017 [citado 27 Ene 2020]. Disponible en: http://up-rid.up.ac.pa/1571/1/eyda%20escudero.pdf

2. Francia Santamaría E. Predicción de la mortalidad intrahospitalaria en Medicina Interna [Internet]. Barcelona: Universidad Autónoma de Barcelona, Departamento de Medicina; 2012 [citado 28 Ene 2020]. Disponible en: https://ddd.uab.cat/pub/tesis/2011/hdl_10803_108094/efs1de1.pdf

3. Piloto González R, Herrera Miranda GL, Ramos Aguila YC, Mujica González DB, Gutiérrez Pérez M. Caracterización clínica-epidemiológica de la enfermedad cerebrovascular en el adulto mayor. Rev Ciencias Médicas Pinar del Río [Internet]. 2015 [citado 28 Ene 2020];19(6). Disponible en: http://www.revcmpinar.sld.cu/index.php/publicaciones/article/view/2316/html_146

4. Ministerio de Salud Pública. Anuario estadístico de salud 2017 [Internet]. La Habana: MINSAP; 2018 [citado 7 Dic 2018]. Disponible en: files.sld.cu/dne/files/2018/04/Anuario-Electronico-Español-2017-ed-2018.pdf

5. Centro Nacional de Información de Ciencias Médicas, Biblioteca Médica Nacional. Accidente cerebrovascular: estadísticas mundiales. Factográfico de Salud [Internet]. 2017 Oct [citado 28 Ene 2020];3(12). Disponible en: http://files.sld.cu/bmn/files/2017/12/factografico-de-salud-diciembre-2017.pdf

6. Linting M. Nonparametric inference in nonlinear principal components analysis: exploration and beyond [Tesis]. Leiden: Leiden University; 2007 [citado 28 Ene 2020]. Disponible en: https://openaccess.leidenuniv.nl/handle/1887/12386

7. Young FW. Análisis cuantitativo de datos cualitativos. CEO [Internet]. 2005 [citado 28 Ene 2020];12. Disponible en: https://revistas.udea.edu.co/index.php/ceo/article/view/7489/6895

8. Portillo F, Mar C, Martínez T. Métodos no lineales de escalado óptimo: una aplicación al análisis del empleo en la compañía ferroviaria MZA. Doc de Trabajo del Departamento de Economía y Empresa [Internet]. 2007 [citado 28 Ene 2020];2. Disponible en: https://publicaciones.unirioja.es/ojs/index.php/dtdee/article/view/669/632

9. Torres V, Ramos N, Lizazo D, Monteagudo F, Noda A. Modelo estadístico para la medición del impacto de la innovación o transferencia tecnológica en la rama agropecuaria. Revista Cubana de Ciencia Agrícola [Internet]. 2008 [citado 27 Ene 2020];42(2):133-9. Disponible en: https://www.redalyc.org/articulo.oa?id=193015494003

10. Steel RG, Torrie IH. Bioestadística principios y procedimientos. México: McGraw-Hill Interamericana; 1998. p.740.

11. Guerra W, Herrera M Fernández L, Rodríguez Álvarez N. Modelo de regresión categórica para el análisis e interpretación de la potencia estadística. Cuban J Agric Sci [Internet]. 2019 [citado 27 Ene 2020];53(1):13-20. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2079-34802019000100013&lng=es&nrm=iso&tlng=es

12. López González E, Hidalgo Sánchez R. Escalamiento Multidimensional No Métrico. Un ejemplo con Rempleando el algoritmo SMACOF. Estudios sobre Educación [Internet]. 2010 [citado 16 Ene 2020];18:9-35. Disponible en: https://revistas.unav.edu/index.php/estudios-sobre-educacion/article/view/4650

13. Cascaes da Silva F, Gonçalves E, Valdivia Arancibia BA, Bento Gisele G, Silva Castro TL da, Soleman Hernandez SS, et al. Estimadores de consistencia interna en las investigaciones en salud: el uso del coeficiente alfa. Rev Perú Med Exp Salud Pública [Internet]. 2015 [citado 16 Ene 2020];32(1):129-38. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1726-46342015000100019

14. Contreras Espinoza S, Novoa-Muñoz F. Ventajas del alfa ordinal respecto al alfa de Cronbach ilustradas con la encuesta AUDIT-OMS. Rev Panam Salud Pública [Internet]. 2018 [citado 16 Ene 2020];42:e65. Disponible en: https://www.scielosp.org/article/rpsp/2018.v42/e65#

15. Mittal S, Govil T. Identification of mortality-related predictive factors in hospitalized patients with ischemic stroke. N Downloaded [Internet]. 2015 [citado 15 Ene 2020];1(4). Disponible en: http://www.astrocyte.in/temp/Astrocyte14272-5209521_142815.pdf

16. Almeida Sara RM, Bahia Mariana M, Lima Fabrício O, Paschoal Ilma ., Cardoso Tânia AM , Min Li . Predictors of pneumonia in acute stroke in patients in an emergency unit. Arq. Neuro-Psiquiatr [Internet]. 2015 May [citado 11 Ago 2020];73(5):415-419. Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0004-282X2015000500008&lng=en

17. Şimşek BK, Özer G. Evaluation of stroke mortality and related risk factors: A single-center cohort study from Gaziantep, Turkey. J Surg Med [Internet]. 2019 [citado 15 Ene 2020];3(3):231-34. Disponible en: http://jsurgmed.com/en/download/article-file/665137

18. Gala Błądzińska A, Czarnot J,Kaczorowski R, Braun M, Gargasz K, Bartosik-Psujek H. Mild hyponatremia discovered within the first 24 hours of ischemic stroke is a risk factor for early post stroke mortality. Adv Clin Exp Med [Internet]. 2019 [citado 8 Ene 2020];28(10). Disponible en: http://www.advances.umed.wroc.pl/pdf/2019/28/10/1321.pdf

19. Fekadu G, Chelkeba L, Kebede A. Risk factors, clinical presentations and predictors of stroke among adult patients admitted to stroke unit of Jimma university medical center, south west Ethiopia: prospective observational study. BMC Neurology [Internet]. 2019 [citado 15 Ene 2020];19(1):187. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6685251/pdf/12883_2019_Article_1409.pdf