La prematuridad es la principal causa de mortalidad perinatal y es responsable del 50% de la discapacidad en la infancia1. Cada año nacen en España alrededor de 30.000 niños prematuros. Entre ellos, un 10% tienen una edad gestacional (EG) ≤ 32 semanas o un peso de nacimiento (PN) ≤ 1.500g2,3.

El grupo de recién nacidos prematuros extremos (EG ≤ 28 semanas) y especialmente los nacidos en el límite de la viabilidad (23-25 semanas de EG) suponen un reto para los profesionales responsables de su cuidado y tratamiento. Debido a su gran inmadurez, algunos de estos pacientes pueden presentar situaciones médicas para las que no existe tratamiento curativo alguno, siendo necesario implementar cuidados paliativos. Esta toma de decisiones es un proceso largo y complejo, tanto para los profesionales como para las familias4. La dificultad radica en pronosticar de forma precisa el futuro de un paciente determinado.

Los modelos predictivos estiman la probabilidad o riesgo de que una condición ocurra en el futuro de un individuo tras la combinación de diferentes factores pronósticos5. Así, mientras el diagnóstico de una condición es esencial en la decisión clínica, el empleo de elementos pronósticos incorpora nuevas herramientas que permiten acotar mejor el futuro de esa condición y por tanto dirigir las decisiones para mejorarlo de manera individualizada6. Numerosos factores influyen en el pronóstico de una enfermedad más allá de sus diagnósticos. Por ejemplo, al analizar la EG en prematuros extremos, es posible predecir el nivel y la duración de los cuidados que van a recibir (intensivos, de alta dependencia y especiales), así como las probabilidades de muerte o alta a domicilio a lo largo de su ingreso7.

La prematuridad extrema es una situación con altas tasas de mortalidad cuyo riesgo cambia con relación a las complicaciones asociadas. Es importante, tanto para los clínicos y las familias de estos niños, poder establecer las probabilidades de muerte de forma individualizada en diferentes momentos de su evolución, preferentemente antes del nacimiento, las primeras horas de vida y durante el ingreso hospitalario. En el año 2011, Medlock et al.8 publicaron una revisión sistemática que contenía 41 estudios con modelos predictivos de mortalidad aplicables a prematuros extremos en alguno de estos momentos anteriormente citados.

El objetivo de este trabajo es realizar una revisión sistemática actualizada de los modelos predictivos de mortalidad en prematuros, desarrollados y validados durante los últimos 10años.

Se encontraron 7.744 referencias en la primera búsqueda y 1.435 en la segunda. Tras la lectura de título y resumen, se seleccionaron para lectura completa 31 trabajos publicados después del mes de mayo del 2010, excluyéndose 23. En este estudio se revisan los 8 nuevos modelos predictivos de mortalidad en prematuros publicados desde 201010-17 (fig. 1).

Figura 1.

Flujo de selección de artículos tras búsqueda bibliográfica completa.

(0.14MB).

Los datos poblacionales, el momento de aplicación y el desenlace de los 8 nuevos modelos predictivos se muestran en la tabla 1. De estos, 5 (62,5%) se han desarrollado en América del Norte (3 en Canadá), 2 (25%) en Europa (Holanda e Italia) y uno es multicéntrico afectando a diferentes países. Todos incluyen a prematuros con diferentes PN y EG de forma exclusiva excepto el modelo mexicano14, que también se puede utilizar para recién nacidos a término. El tamaño de muestra es muy variado, siendo los que han analizado más prematuros el italiano17 (Podda et al.., n=23.747), canadiense10 (Shah et al., n=17.048) y el de EE. UU.11 (Ambalavanan et al., n=13.085). Con relación al «momento de aplicación», 2 (25%) son prenatales13,16, 6 (62,5%) se valoran al nacimiento o durante el primer día de vida10-12,14,17 y 2 (25%) hacen valoraciones durante el ingreso en la UCIN11,15. De estos nuevos modelos destaca el modelo secuencial de Ambalavanan et al.11, que permite adaptar el pronóstico según la trayectoria del recién nacido ya ingresado en la Unidad Neonatal al realizar predicciones a los 7, 28 días de vida y 36 semanas de edad posmenstrual. El «desenlace» es diferente en todos los estudios, en 3 (37,5%) se valora muerte exclusiva durante diferentes momentos del ingreso13,14,17 y en el resto se combina la muerte o supervivencia a diferentes grados de morbilidad durante el ingreso o posterior10,15,16.

La tabla 2 resume las características estadísticas de los 8 nuevos modelos predictivos. En el 87,5% se utilizan diferentes análisis de regresión logística múltiple y solo en el estudio más reciente17 se ha optado por un sistema de Neural Network. Las formas de mesurar el grado de discriminación entre poblaciones han sido la OR (75%) y el AUC (50%). El test de Hosmer-Lemeshow como medida de calibración, se ha utilizado en 3 estudios10,12,13 (37,5%) y el score de Brier que valora la precisión en 2 de ellos12,13 (25%). Las variables de entrada (dependientes) en los diferentes modelos han sido muy diferentes tanto en tipo como en número (tabla 2).

La «validación» de los modelos se ha realizado «internamente» en 5 trabajos11-14,17 (62,5%). Dos modelos (25%) mediante cohortes específicas diferentes de las utilizadas en la fase de desarrollo14,17, uno analizando una subpoblación del 30% de la muestra total11 (12,5%) y otros 2(25%) utilizando métodos de «bootstrap» en pequeñas subpoblaciones de análisis12,13. Además, 3 disponen de herramientas on line11,16,17.

Los otros 23 trabajos inicialmente seleccionados tras la lectura completa y que fueron excluidos (tabla 3) incluyen 12 estudios de validación externa de modelos predictivos previamente descritos en la literatura, 7 estudios de análisis de diferentes variables asociadas a mal pronóstico, un estudio de empleo de SNAP para predecir muerte o displasia broncopulmonar (DBP), uno de predicción de tiempo de ingreso, uno de comparación de resultados de diferentes cohortes de niños prematuros y otro de empleo del Respiratory Severity Score para predecir muerte o DBP.

Los métodos predictivos se basan en datos epidemiológicos poblacionales sobre el desenlace seleccionado mientras que los profesionales y las familias precisan datos específicos sobre el resultado individual de un niño concreto28. Así, la aplicabilidad del modelo puede verse disminuida por el hecho de que el mismo se desarrolle con base en datos que pueden estar obsoletos una vez el modelo ha sido validado. Al analizar modelos aparecidos tras la revisión de Medlock et al.8, se ve que algunos de ellos se basan en datos poblacionales de prematuros nacidos hasta 15 años antes de su publicación11,13,15,16. Además, algunos de estos modelos clásicos de predicción, como el CRIB19 o el de Draper20, fueron desarrollados con prematuros de la época anterior a la generalización del uso de surfactante, lo que puede condicionar su aplicabilidad actual.

Incluso en modelos recientes hay que considerar que el desarrollo en una determinada población puede no ser aplicable en otra. De ahí la importancia de modelos como el SAW o el SAWS21, diseñados para países en vías de desarrollo donde no tendría sentido aplicar otro tipo de variables. Es, por tanto, fundamental que un modelo predictivo conste no solo de validación interna, sino también de validación externa efectuada en poblaciones diferentes si se pretende que este sea generalizable más allá de la población original. De todos los modelos pronósticos desarrollados hasta la fecha en niños prematuros, menos de la mitad presentan validación interna y solo 4modelos han sido validados de manera externa en más de un estudio (NICHD, CRIB, SNAP II y SNAPPE II)8. Al analizar los 8 trabajos más recientes, la mitad de ellos han sido validados internamente12,17 sin que nos conste validación externa alguna, hecho que limita su aplicación en otras áreas geográficas.

En España, no existen en la actualidad modelos predictivos para niños prematuros basados en datos poblacionales propios, empleándose en la clínica diaria habitual el CRIB18 o el modelo NICHD de Tyson et al.22.

Para que la implementación del modelo sea mayor es útil disponer de herramientas «on line» fácilmente consultables e interpretables por los profesionales como sucede en algunos modelos11,16,17,22. Otro aspecto interesante sería el poder utilizar datos adaptables a las características concretas de un niño. En este sentido, cabe destacar el esfuerzo del modelo de NICHD 201211 para adaptar el pronóstico con base en diferentes sucesos que van ocurriendo durante el ingreso del niño prematuro, al ofrecer modelos predictivos secuenciales durante el nacimiento, 7 y 28 días de vida y 36 semanas posmenstruales. La mayoría de modelos existentes realizan predicciones en un momento determinado, predominando en el momento del nacimiento o en el primer día de ingreso10,12,14,16,17, lo cual limita su utilidad.

Otro aspecto importante es el desenlace o la variable dependiente evaluada. En los estudios más recientes aparte de la mortalidad o supervivencia en diferentes momentos (desde los 7 días de vida hasta el alta hospitalaria), hay estudios que valoran la morbilidad durante el ingreso12,16 o las alteraciones en el neurodesarrollo a los 18-22 meses11.

Los métodos estadísticos utilizados en casi todos los modelos predictivos analizados en este trabajo durante la fase de desarrollo se basan en análisis de regresión logística multivariable10-16, a excepción del trabajo de Podda et al.17, que utiliza un sistema de «red neural». En la validación interna se han utilizado cohortes específicas14,17 y análisis internos por método de «bootstrap» en el mismo número de estudios12,13. La validación mediante cohortes diferentes tiene la ventaja de poder incluir un mayor número de pacientes y de comprobar si el modelo sigue siendo útil tras el paso del tiempo.

Siempre que se utilizan modelos predictivos se debe tener en cuenta el riesgo de caer en la paradoja de las «profecías autocumplidas»11. Al proporcionar a los profesionales la posibilidad de acceder a ellos, se pueden perpetuar las cifras del propio modelo, impidiendo desenlaces diferentes del ya validado en él. Por ejemplo, un hospital con cifras de supervivencia del 10% en niños de 23 semanas probablemente perpetuará esas cifras si las familias y los profesionales actúan con base en ese dato durante los próximos años. Es un hecho conocido que cuando el equipo de profesionales que atiende a un recién nacido tiene una idea pesimista de sus desenlaces, los resultados son peores23. Estas circunstancias obligan a revisar periódicamente los modelos y adaptarlos a los cambios que se observan en la supervivencia de estos pacientes tras el paso de los años, tal como han hecho la NICH11,22 o la red de Canadá10,12.

Es importante evaluar la calidad de cualquier nuevo modelo predictivo. En este sentido, el grupo Cochrane Collaboration Prognosis Reviews methods ha desarrollado una herramienta para la evaluación crítica y extracción de datos en revisiones sistemáticas de modelos predictivos. Esta herramienta, denominada CHARMS (Checklist for critical Appraisal and data extraction for systematic Reviews of prediction Modelling Studies) engloba una lista de elementos para evaluar críticamente cada modelo predictivo24, incluyendo aspectos como la fuente de los datos, pacientes incluidos, desenlaces medidos, predictores empleados, tamaño muestral, gestión de datos ausentes, desarrollo del propio modelo, rendimiento general, aplicabilidad y riesgo de sesgo. Recientemente, se ha publicado la herramienta PROBAST25 que evalúa el riesgo de sesgo y la aplicabilidad de un modelo en los estudios que desarrollan, validan o actualizan modelos predictivos mediante un total de 20 preguntas en 4 dominios (participantes, predictores, resultados y análisis).

Actualmente, no constan estudios sobre el impacto del empleo de modelos predictivos en la toma de decisiones en niños prematuros8 y tampoco existen estudios que señalen qué desenlaces serían los más importantes para las familias a la hora de la toma de decisiones, o cómo querrían estas visualizar los datos disponibles en una red26.

En el ámbito internacional, los principales modelos predictivos existentes en la actualidad11,17,19-22,27-31 se describen en la tabla 4, algunos de ellos desarrollados en poblaciones de más de 2 décadas19,20 y la mayoría no validados en otras poblaciones8.

En nuestro país, la red SEN 1500 recoge datos de los recién nacidos de EG inferior a 30 semanas o PN ≤ 1.500g desde el año 200232,33. Sus objetivos son conocer y contrastar la calidad de la asistencia neonatal en los recién nacidos de muy bajo peso nacidos en España, así como proporcionar datos a los profesionales para poder comparase con otras poblaciones34 y desarrollar proyectos de mejora específicos en sus centros de trabajo35-38. Sin lugar a dudas, esta red constituye una fuente ideal para el desarrollo de modelos predictivos de mortalidad y morbilidad en este grupo poblacional y en España.

Una fortaleza del estudio es que se han realizado 2 búsquedas bibliográficas complementarias en poblaciones de prematuros en los que el desenlace es muerte o supervivencia. Una búsqueda ha seguido criterios predominantemente clínicos y la otra se ha centrado más en métodos estadísticos. Una posible limitación podría ser que los 2criterios de búsqueda se han centrado en la plataforma PubMed exclusivamente.

En conclusión, la toma de decisiones basada en modelos predictivos permite una mayor individualización de la atención recibida por un niño y una mejor utilización de los recursos disponibles. Es importante conocer los riesgos inherentes al empleo de estos modelos. En la actualidad, no existen modelos externos validados sobre los desenlaces de niños prematuros en España, ni modelos desarrollados y validados con datos propios. La red SEN 1500 ofrece una oportunidad para desarrollar modelos de predicción de mortalidad en prematuros españoles aplicados en diferentes momentos de su evolución.

Los autores declaran no tener ningún conflicto de intereses.