Introducción

En México hubo un incremento de las intervenciones quirúrgicas en 15% de 2000 a 2005. Lo mismo ocurrió en el período de 2005 a 2010, en el cual la cantidad aumentó en 20%¹,². El aumento en las intervenciones es un indicador del incremento en la esperanza de vida, complicaciones, deterioro en la salud y el crecimiento poblacional³. Desde 2005 se han incrementado cada año en un promedio de 71,000, alcanzando alrededor de 640,000 intervenciones quirúrgicas entre 2005 y 2014, con una tasa promedio de crecimiento anual de 1.7%⁴. Por lo tanto, la evaluación perioperatoria de riesgos y la predicción de resultados están creciendo en importancia y alcance de aplicación a lo largo del proceso perioperatorio⁵.

Para ello, continúan en uso algunas evaluaciones de salud como la fisiología aguda y evaluación crónica de la salud (APACHE II), la puntuación simplificada de fisiología aguda (SAPS II), el índice de comorbilidad de Charlson (CCI), la puntuación operativa fisiológica y de gravedad para la enumeración de mortalidad y morbilidad (POSSUM) y el índice de riesgo cardíaco Goldman (GCRI), pero se han manifestado preocupaciones: su aplicación se documenta principalmente en unidades de cuidados intensivos o en pacientes estratificados como ASA V⁶. POSSUM, por ejemplo, evalúa sólo los factores intraoperatorios, SAPS y APACHE, por el contrario, carecen de consideraciones intraoperatorias importantes, el GCRI proporciona posibles complicaciones cardíacas durante la cirugía no cardíaca, y el CCI arroja una tasa de mortalidad basada en enfermedades del paciente⁷,⁸.

La clasificación de estado físico de la Sociedad Americana de Anestesiólogos (ASA-PS)⁹ ha sido postulada como un predictor potencial de morbilidad y mortalidad postoperatoria¹⁰,¹¹. Sin embargo, algunos autores han cuestionado la capacidad predictiva de mortalidad debido al componente de subjetividad por los evaluadores¹²,¹³.

Posteriormente, Gawande y su equipo describieron la puntuación de Apgar quirúrgico (sAs), una evaluación de 10 puntos basada en tres factores intraoperatorios: volumen de pérdida de sangre, frecuencia cardíaca y presión arterial media más baja durante la cirugía¹⁴. Contrario al ASA-PS, a medida que la puntuación de sAs aumenta, la mortalidad a los 30 días después de la cirugía es menos frecuente. Sin embargo, se han notificado inconsistencias cuando el sAs se aplica en cirugía de rodilla¹⁵, histerectomía¹⁶, cirugía de columna vertebral¹⁷, esófago¹⁸ y cirugía de cabeza y cuello¹⁹. Además, la escala no incorpora factores preoperatorios²⁰.

Por lo tanto, se hace necesario el diseño de una escala que combina elementos preoperatorios, intraoperatorios y postoperatorios.

Kinoshita y colaboradores postularon un nuevo sistema de clasificación que incluye factores preoperatorios e intraoperatorios. La nueva puntuación propuesta, llamada SASA²¹, resulta de combinar el sAs con el ASA-PS usando la siguiente ecuación: SASA = sAs + (6 - ASA-PS) × 2. Según Kinoshita, la puntuación ASA-PS se resta de 6 para que su puntuación signifique la misma tendencia de gravedad que el sAs y se multiplica por 2, para igualar la escala de puntos entre las puntuaciones del sAs y el ASA-PS, que luego se combinan. Los creadores de SASA postulan que la adición del sAs al ASA-PS incluye parámetros más objetivos y medibles y resta la influencia subjetiva durante la categorización que podría ocurrir con el ASA-PS.

El propósito de este estudio fue combinar la puntuación ASA-PS con el sAs y utilizar la puntuación resultante de SASA como un nuevo predictor de mortalidad a los 30 días del período postoperatorio aplicado en población quirúrgica de un hospital de tercer nivel en México.

Material y métodos

El estudio fue aprobado por los Comités de Ética e Investigación del Hospital de Especialidades del Centro Médico Nacional Siglo XXI, que pertenecen al Instituto Mexicano del Seguro Social IMSS con el número de registro: R-2017-3601-117.

Resultados

En total se reclutaron 425 pacientes; 54 fueron excluidos porque no completaron el seguimiento mediante entrevistas e inconsistencias sobre el desenlace en los registros médicos del hospital. Los 371 pacientes restantes fueron analizados, mostrando características demográficas y clínicas de la siguiente manera: el promedio de edad fue de 54 años (DE ± 16.45, rango 16-91), talla; 1.60 (DE ± 0.09 metros) y peso promedio; 72.16 (DE ± 15 kg). De la muestra, 53.9% (n = 200) fueron mujeres. Las patologías más frecuentes fueron: hipertensión arterial sistémica; 44.7% (n = 166), diabetes mellitus 32.9% (n = 122), enfermedades cardiovasculares 11.3% (n = 42). De los pacientes, 18.1% (n = 67) fueron categorizados con otras afecciones mal controladas, y 10% (n = 37) como controlados. Era posible que un paciente pudiera presentar una o la combinación de dos o más comorbilidades.

El procedimiento más frecuente fue la cirugía oftalmológica 24.3% (n = 90), de estos pacientes, 54.7% (n = 203) tuvieron un ASA-PS/III antes de la cirugía, lo que indicaba una enfermedad incapacitante. En general, la puntuación más común para el sAs y SASA fue de ocho (29.9%, n = 111) y 14 (22.8%, n = 82), respectivamente. La mortalidad postoperatoria encontrada a los 30 días en nuestra muestra fue de 2.96% (n = 11), seis de ellos (54.6%) correspondieron a un ASA IV (χ² = p < 0.001). La Tabla 1 proporciona más detalles en las características clínicas y la Tabla 2 indica la distribución de las muertes de acuerdo con las puntuaciones del ASA-PS, el sAs y SASA.

La construcción individual de la curva ROC (Figura 1) para cada escala mostró el mejor punto de corte de la siguiente manera: ASA-PS: 2, [sensibilidad; 81.82% (IC de 95%: 48.2-97.72), especificidad; 40.56% (IC de 95%: 35.4445.83)], sAs: seis, [sensibilidad; 81.82% (IC de 95%: 48.2-97.72%), especificidad; 77.5% (IC de 95%: 72.83-81.71)], y finalmente para SASA: 10, [sensibilidad; 81.82% (IC de 95%: 48.2-97.72), especificidad; 83.6% (IC de 95%: 78.77-86.78)]. Los resultados del análisis univariado para obtener el riesgo estimado de mortalidad se muestran en la Tabla 3.

Figura 1: Curvas ROC de las tres escalas y la mortalidad a los 30 días. 

El riesgo de mortalidad fue mayor cuando se obtuvieron puntuaciones más altas en la escala ASA-PS. Lo contrario sucede con el sAs y SASA, donde la puntuación más baja indica condiciones más graves en el paciente y la mortalidad tiende a aumentar significativamente. Sin embargo, en este análisis de riesgo (OR), la peor escala fue ASA-PS, ya que no obtuvo un valor de p significativo, y el intervalo de confianza se encontró a ambos lados de la unidad. Las curvas ROC demostraron individualmente que ASA-PS, el sAs y SASA fueron válidas para estimar la mortalidad a los 30 días del postoperatorio; pese a ello, el sAs obtuvo el área más pequeña bajo la curva con un valor de p no significativo. Los valores exactos y en relación con el área bajo la curva se presentan en la Tabla 4.

Discusión

Observamos un aumento en la mortalidad tomando en cuenta como punto de corte el ASA-PS/II, y esta mortalidad se incrementa en tanto la categorización asciende. Sin embargo, nuestro punto de corte fue diferente de un metaanálisis realizado por Koo y colegas que incluyó 77 estudios y 165,705 pacientes, donde la mortalidad relacionada con el ASA-PS aumenta exponencialmente desde un punto de corte mayor de III. No obstante, ese estudio reportó un área bajo la curva de 0.76, similar a nuestros resultados. Nosotros como Koo y colegas llegamos a la conclusión de que la escala ASA-PS sigue siendo subjetiva para algunos observadores, principalmente cuando se asigna un ASA-PS/II o III²³. Como era de esperarse, el grupo de pacientes catalogados como ASA-PS/IV tuvieron la mayor mortalidad²⁴.

Con respecto al sAs con fines de predicción sigue sin estar claro. En nuestro estudio, el sAs tuvo mayor tendencia de gravedad hacia la mortalidad postoperatoria, ya que la puntuación obtenida durante el procedimiento quirúrgico disminuyó por debajo del valor de seis. Sin embargo, este punto de corte no obtuvo un valor de p significativo. Del mismo modo, Miki Y y colaboradores incluyeron en su estudio a pacientes sometidos a gastrectomía con el fin de evaluar la capacidad predictora del sAs con respecto a las complicaciones postquirúrgicas, los autores concluyeron que las complicaciones aumentan exponencialmente por debajo de una puntuación de seis y lo mismo que nuestro estudio, reportaron un área bajo la curva ROC de 0.65 con el mejor punto de corte entre seis y siete, donde detectaron la máxima sensibilidad y especificidad; sin embargo, tampoco obtuvieron un valor de p estadísticamente significativo en relación con la asociación de complicaciones. Debido a este resultado, los autores propusieron una escala de Apgar quirúrgico modificado (msAs) que resultó ser estadísticamente significativa con mayor grado de sensibilidad y especificidad para la estimación de complicaciones postquirúrgicas²⁵. También Thorn y colegas encontraron discrepancias en la capacidad predictiva para cirugías electivas cuando informaron un mejor punto de corte de siete con un valor de área bajo la curva ROC de 0.66, que se elevó a 0.72 al evaluar escenarios de cirugía general y vascular usando sAs²⁶.

Nuestros datos mostraron que las tres escalas aplicadas de manera individual posiblemente tienen un rendimiento predictivo; sin embargo, encontramos una mayor discrepancia en la predicción con el uso del sAs, a diferencia de los hallazgos de Kinoshita en la publicación original.

Una limitación importante del estudio es que incluimos una variedad de cirugías electivas y no se consideró la cirugía urgente. Esta limitación puede explicar las divergencias en el comportamiento de sAs con respecto a otra literatura. Por esta razón, debemos tomar estos resultados con cautela. Además, sería útil considerar una escala modificada de sAs (msAs) para la inclusión de cirugía electiva y de emergencia en estudios posteriores.

Otra limitación fue que una cuarta parte del tamaño de la muestra tuvo procedimientos oftalmológicos, cirugía que presumiblemente no incrementa el riesgo en muchos pacientes. Sin embargo, consideramos que una escala aplicada en un solo tipo de población quirúrgica generaría homogeneización con pocos resultados reproducibles. En consecuencia, sería aconsejable utilizar una escala que pueda ser heterogénea y funcional para cualquier tipo de cirugía en la que se pueda realizar una validación externa, ya que el uso de diferentes poblaciones beneficia la reproducibilidad. Para examinar el valor predictivo positivo de la herramienta (lo que se logra con la validez interna) se requiere metodología y la comparación entre las herramientas estándar de oro, en este caso, el ASA-PS y el sAs.

La ecuación de SASA implica la inclusión del ASA-PS que se basa sólo en patologías preexistentes y no evalúa el tipo o complejidad de la cirugía. Como resultado, los factores preoperatorios determinan la gravedad y los resultados de las escalas en pacientes oftalmológicos debido a la propensión a tener múltiples afecciones mórbidas y mayor riesgo cardiovascular. No obstante, con una variedad de cirugías las tres escalas todavía podrían compararse a medida que evalúan criterios establecidos o fijos; por lo tanto, la estimación será la misma independientemente del evaluador o del tipo de cirugías analizadas. La heterogeneidad en la población nos dio los diferentes puntos de corte de cada escala para nuestros pacientes. Este punto ofrece particularmente un valor agregado a nuestro estudio. A diferencia de la población hospitalaria en Japón, los pacientes atendidos en un hospital de tercer nivel en México se asocian a otras comorbilidades, con predominio de enfermedades crónico-degenerativas por lo regular mal controladas debido a múltiples factores, dígase cultura, idiosincrasia o el mismo sistema de salud; eso explica el mayor ingreso catalogado como ASA III y IV.

Normalmente, con las herramientas de predicción se busca la réplica y exploración. Utilizar diferentes poblaciones resulta útil y beneficia la reproducibilidad, lo que traduce la validez externa del instrumento y por ello citaremos unas líneas plasmadas de los creadores de SASA en su artículo original: Although the SASA originates from Japan, we hope that wide international validation will follow.

Consideramos este estudio como preliminar que otorga más información y un aprendizaje significativo. Un análisis univariado fue suficiente para explorar nuestro objetivo principal, que era identificar los valores de corte así como la eficiencia de cada una de las escalas asociándolas con riesgo de mortalidad a los 30 días de una cirugía²⁷. Estudios posteriores que incluyan una mayor cantidad de pacientes y un análisis multivariado, podrían explorar con mayor detalle la variabilidad de los resultados y documentar qué factores tienen más impacto en la mortalidad, este último punto no era el objetivo del estudio.

El estudio fue realizado en una institución pública de seguridad social, por ello, los resultados deben ser interpretados con cautela y no deben ser generalizados a toda la población mexicana, dado que el tamaño muestral es acorde con la totalidad de nuestra población quirúrgica, misma que no es representativa en el país. A pesar de las limitaciones, SASA mostró una alta capacidad para estimar la mortalidad con valores adecuados (sensibilidad y especificidad), del mismo modo que el estudio original. Este resultado es el esperado, ya que la combinación del estatus preoperatorio con los aspectos intraoperatorios puede proporcionar una capacidad predictiva más notable del riesgo postoperatorio.

Conclusiones

Para la predicción de la mortalidad postoperatoria a los 30 días en pacientes atendidos en un hospital de tercer nivel en México, el cálculo de SASA obtuvo la misma sensibilidad, pero mejor especificidad y área bajo la curva ROC que ASA-PS y el sAs cuando ambas escalas se utilizaron individualmente para cirugía electiva.