Aplicación de una metodología de árboles de decisión para predecir el reingreso hospitalario urgente tras resección pulmonar mayor

Abstract

El reingreso hospitalario (RH) sería aquella hospitalización producida durante un cierto tiempo tras un ingreso previo (ingreso o episodio índice). Es un hecho frecuente que supone un sustancial incremento del gasto sanitario y una merma en la calidad asistencial. El RH es una variable sumamente heterogénea y escasamente estudiada en Cirugía Torácica. Su análisis multivariante presenta ciertas limitaciones, por lo que nos planteamos si sería posible predecir el riesgo de reingreso hospitalario urgente en pacientes sometidos a resección pulmonar mayor (lobectomía, bilobectomía o neumonectomía) mediante una metodología de árboles de clasificación y regresión, comprobando si la utilización de un grupo de variables pre y postoperatorias mejora los resultados obtenidos por esta misma metodología sobre un conjunto de variables exclusivamente preoperatorias. Estudiamos 964 casos entre Enero 1994 y Agosto 2005, siendo la tasa de RH del 6% y su causa principal el empiema pleural (38%). Las variables preoperatorias relevantes fueron el FEV1 estimado postoperatorio (FEV1ppo), FEV1 preoperatorio, índice de masa corporal, edad , tipo de resección programada, diagnóstico y sexo ; las postoperatorias: FEV1 preoperatorio, FEV1 ppo, morbilidad postoperatoria, edad, empiema pleural, sexo y necesidad de reintervención quirúrgica. El modelo con variables preoperatorias predice correctamente el reingreso en un 50,9% de casos, frente al 43,63% del modelo con variables pre y postoperatorias. Por tanto, la aplicación de dicha metodología sobre un conjunto de variables pre y postoperatorias medidas en pacientes sometidos a resección pulmonar mayor, no predice el reingreso hospitalario urgente con mayor exactitud que al aplicarla sobre un conjunto de variables exclusivamente preoperatorias.