Escore Prognóstico para Unidade Semi-Intensiva Pós-Operatória.

Transcrição

1 Escore Prognóstico para Unidade Semi-Intensiva Pós-Operatória. Prognostic Score for Surgical Intermediate Care Unit. Rocco, J.R.; Rocco, P.R.M.; Noé, R.M.; David, C.M.N. Abstract The aim of this study is to develop and validate a model to estimate the probability of hospital mortality for intermediate care unit patients. A prospective cohort of 450 patientes admitted in a surgical intermediate care unity (ECI) of Clementino Fraga Filho University Hospital of Federal University of Rio de Janeiro was conducted, from may to december 97 and april to october 98. We collected demographics data and parameters necessary to compute APACHE II score. Multiple logistic regression (MLR) (stepwise approach) were used to develop the prognostic model and patients were randomly divided into development (300 patients - 66%) and validation (150 patients - 33%) samples (split-sample technique). The prognostic model developed through MLR was called ECI model and included: age (years), APACHE II probability of death (%) and the use of mechanical ventilation (yes/no). The indices of calibration (goodness-of-fit) and discrimination (area under ROC curve) showed better performance in ECI than APACHE II model, with excelent levels of discrimination and calibration [(area under ROC curve - ECI = ± versus APACHE II = ± ; p=0.04); calibration (ECI: C = 0.82; p=0.99 versus APACHE II: H = 12.59; p=0.24)]. After external validation the ECI model can be a useful adjunct for clinical trials. Keywords: Prognostic Score; Surgical Intermediate Care; Mortality; Logistic Regression; Probabilistic Model. A s predições sobre o prognóstico de doenças e tratamentos fazem parte dos cuidados médicos. Os médicos necessitam conhecer os mecanismos da doença, sua história natural e os benefícios da terapêutica para recomendar a conduta a seguir, bem como compartilhar decisões com pacientes e familiares. Ademais, os administradores de saúde baseiam suas decisões no conhecimento do prognóstico da doença. O domínio desse conhecimento em muito se relaciona com a arte da prática médica e vem determinando mais objetividade, no que tange aos cuidados com o paciente (1,2). Durante muitos anos, os médicos dispunham de sistemas prognósticos simples como o escore Apgar (3) para antecipar problemas no recém-nato, classificação de Child (4) para pacientes que iriam se submeter a shunts porto-sistêmicos e critérios de Ranson (5) para predizer a sobrevida na pancreatite aguda. O sucesso desses índices preditivos, naturalmente, levou ao desenvolvimento de modelos prognósticos em outros campos da medicina, especialmente para os fisiologicamente complexos pacientes gravemente enfermos internados em unidades de terapia intensiva (UTI). Os modelos prognósticos são freqüentemente utilizados para pacientes internados na UTI devido às implicações econômicas dos custos crescentes do tratamento intensivo (6). Nos Estados Unidos da América, os pacientes internados nas UTI representam 5-7% do total dos pacientes internados, entretanto, consomem 27% dos gastos com saúde, o que corresponde a U$ 47 bilhões ou cerca de 1% do produto interno bruto norteamericano (7). Como os pacientes internados em terapia intensiva, geralmente, apresentam doenças que colocam em risco suas vidas, a pesquisa médica pode ser limitada por motivos éticos. Assim, numerosas rotinas em uso corrente nunca foram testadas de forma randomizada e prospectiva (2,8). Portanto, a eficiência da terapia intensiva poderia ser investigada por estudos prognósticos que são observacionais, não intervindo nas condutas a serem tomadas, com menos problemas éticos. Com José Rodolfo Rocco - Professor Adjunto de Clínica Médica Propedêutica da UFRJ - Médico do CTI do Hospital Universitário Clementino Fraga Filho da UFRJ - Mestre e Doutor em Clínica Médica pela UFRJ - Especialista em Terapia Intensiva pela AMIB - Membro Titular-colaborador do CBC Patricia Rieken Macêdo Rocco - Professora Adjunta da UFRJ - Mestre e Doutora pela UFRJ Rosângela Martins Noé - Estatística da Comissão de Investigação Científica do Hospital Universitário Clementino Fraga Filho da UFRJ - Mestre em Matemática Cid Marcos Nascimento David - Professor Adjunto da UFRJ - Mestre e Doutor pela UFRJ - Especialista em Terapia Intensiva pela AMIB Trabalho realizado na Enfermaria de Cuidados Intensivos (Unidade Semi-Intensiva Pós-operatória) do Hospital Universitário Clementino Fraga Filho da UFRJ Endereço para correspondência: Prof. José Rodolfo Rocco - Rua Jardim Botânico, 700 sala CEP Jardim Botânico - Rio de Janeiro - RJ - Tel Fax jrrocco@globo.com Volume 15 - Número 4 - Outubro/Dezembro

2 esses estudos, muitas decisões em terapia intensiva se beneficiariam de uma metodologia de análise de decisão estruturada e sistematizada. Assim, consegue-se maximizar o benefício clínico e minimiza-se as incertezas (9). O modelo prognóstico APACHE II (10) é o modelo mais empregado em todo o mundo, de fácil coleta e possibilita o cálculo do escore e da probabilidade de óbito hospitalar de cada paciente. Interessante ressaltar que até o momento, o modelo APACHE II ainda não foi utilizado em unidades de terapia semi-intensivas (UTSI) pós-operatórias. Podemos utilizar esse modelo para avaliar a taxa de mortalidade padronizada (TMP = n de óbitos observados/n de óbitos previstos), a gravidade dos pacientes que internam no setor, critérios potenciais para triagem dos pacientes para o CTI e propor melhorias operacionais e de equipamentos. Os objetivos desse estudo são: a) avaliar o desempenho do modelo APACHE II em pacientes internados na Enfermaria de Cuidados Intensivos (UTSI pós-operatória), b) desenvolver um modelo prognóstico específico para os pacientes internados em UTSI pós-operatória, c) validar o modelo prognóstico desenvolvido, e d) comparar seu desempenho com o modelo APACHE II. Pacientes e Métodos Foram estudados, prospectivamente, 450 pacientes consecutivamente internados por mais de 12 horas na Enfermaria de Cuidados Intensivos (ECI) do Serviço de Cirurgia Geral do Hospital Universitário Clementino Fraga Filho da Universidade Federal do Rio de Janeiro (HUCFF/UFRJ) em dois períodos: maio a dezembro de 1997 e abril a outubro de O arquivo nosológico criado pelo autor foi preenchido para todos os pacientes internados na ECI. Este arquivo consiste das seguintes informações: número, data da internação, nome, número do prontuário, idade, sexo, escore APACHE II (pontos e probabilidade de óbito), se o paciente foi internado em pós-operatório, se é portador de neoplasia, infecção, diagnósticos principais e secundários, dias de internação no setor e evolução hospitalar. O escore APACHE II foi preenchido pelo autor após pelo menos 12 horas de internação no setor, conforme recomendações de Knaus et al. (10) e as variáveis necessárias para o preenchimento do escore foram anotadas em formulário próprio. Quando alguma variável não era coletada o valor zero era assinalado para aquela variável. Especial atenção foi dada a coleta dos parâmetros para o escore de Glasgow para o coma, já que muitos pacientes internaram em pós-operatório imediato, ainda sob efeito anestésico residual. Outros autores já relataram a boa atuação da escala de Glasgow como fator preditivo isolado em pacientes internados na UTI, sem trauma (11), com traumatismo cranioencefálico (12) e após parada cardio-respiratória (13). Habitualmente, a escala era avaliada no dia seguinte à cirurgia (após pelo menos 12 horas), e utilizou-se, em caso de dúvidas o escore mais conservador (escala de Glasgow mais elevada). Os próprios autores do modelo APACHE recomendam esta conduta (14). Após ser obtido a contagem dos pontos, era selecionado o coeficiente adequado (correspondente a principal causa da internação do paciente na ECI) para o cálculo da probabilidade de óbito, sendo utilizado o Personal Computer Casio FX-880P para a realização do cálculo matemático à beira do leito. Os dados foram colocados em Planilha Eletrônica EX- CEL 97 da Microsoft, para posterior análise. Para o presente estudo, os pacientes foram divididos em dois grandes grupos: 300 pacientes (2/3 da amostra total) foram selecionados através do programa EPI-INFO que gerou 300 números aleatórios - essa amostra constituiu a formulação do escore. Nos 150 pacientes restantes o escore gerado foi aplicado para fins de validação. Esta técnica de validação interna, utilizada em outros importantes trabalhos da literatura [SAPS II (15), MPM II (16), APACHE III (14) ] é denominada de split-sample. O banco de dados para a realização da Regressão Logística Múltipla (RLM) constava das seguintes informações: idade, número de pontos do escore APACHE II, probabilidade de óbito gerada pelo modelo APACHE II, pós-operatório imediato, presença de neoplasia, infecção, necessidade de prótese ventilatória, transferência para o CTI, dias de internação no setor e evolução. Foi realizada análise estatística univariada de todos os pacientes, para verificar a existência de significado estatístico em relação a evolução hospitalar, através dos seguintes testes: qui-quadrado com correção de continuidade de Yates para variáveis categóricas (sexo, presença de neoplasia, infecção, pós-operatório imediato, necessidade de prótese ventilatória, transferência para o CTI) e t-student para variáveis contínuas paramétricas (idade, escore e probabilidade de óbito do modelo APACHE II, dias de internação na ECI). Foi utilizado coeficiente de correlação de Pearson para avaliar a correlação entre a evolução hospitalar e a faixa etária em décadas e entre as probabilidades de óbito geradas pelo modelo criado e o modelo APACHE II nos mesmos pacientes, sendo posteriormente, após a análise gráfica, realizada a regressão linear desses dados. O qui-quadrado McNemar foi utilizado para avaliar as discrepâncias de predição entre o modelo gerado e o modelo APACHE II. Em todos os casos um valor de p<0,05 foi considerado significativo. 154 RBTI - Revista Brasileira Terapia Intensiva

3 Para a análise estatística multivariada foi escolhido a Regressão Logística Múltipla (RLM) pelo método stepwise forward, realizada através do pacote estatístico SAS, mantendo-se o limiar de significância em p<0,05. Nesse método de RLM, a primeira variável selecionada é a constante; posteriormente o programa seleciona, através da análise conjunta das demais variáveis, a segunda variável mais significativa que também entrará no modelo; numa etapa posterior, a terceira variável mais significativa e assim por diante. Esse procedimento é seguido até que o limiar de significância não é mais obedecido. O programa estatístico SAS emite um relatório onde constam passo a passo as etapas descritas acima, as variáveis selecionadas e respectivos parâmetros estimados (coeficientes e erro padrão). Através da RLM, foi possível a criação de escore prognóstico denominado de modelo ECI, que foi aplicado separadamente na própria amostra geradora do escore e na outra amostra para sua validação. As duas foram comparadas em relação aos seguintes aspectos: acurácia, sensibilidade, especificidade, valor preditivo positivo e negativo. Também foi realizada a comparação do modelo ECI com o modelo APACHE II em relação a esses mesmos parâmetros, em diferentes pontos de corte (10%, 50% e 90%). Para o cálculo da discriminação dos escores foi traçada a curva ROC e calculada a área sob a curva ROC segundo Hanley et al. (17). Para tal, os pacientes foram divididos em intervalos de probabilidade de óbito de 5%, gerados pelo modelo APACHE II e ECI, sendo calculados a sensibilidade e especificidade em cada ponto. O método proposto por Hanley et al. (17) calcula a área sob a curva ROC através do somatório de comparações pareadas da estatística não-paramétrica Wilcoxon. Já as áreas sob as curvas ROC obtidas dos mesmos pacientes foram comparadas conforme a técnica descrita em outro artigo por Hanley et al. (18). Como a priori supunhamos que a área sob a curva ROC do modelo ECI seria maior que a do modelo APACHE II, o grau de significância da estatística z (o valor de p) foi calculada na tabela de distribuição normal com uma cauda (oneside ou one tail). A calibração do escore foi feita graficamente e através da estatística goodness-of-fit de Hosmer-Lemeshow (19,20). Para tal, os pacientes foram divididos em grupos a cada 10% de probabilidades geradas pelo modelo ECI (0-10%; 10-20%, etc.). Somava-se as probabilidades de óbito e as probabilidades de alta dos pacientes em determinado intervalo e dividindo-se por 100 (as probabilidades são fornecidas em percentuais) teríamos o número esperado de altas e óbitos naquele intervalo. A comparação com o número observado de pacientes com altas e óbitos em cada intervalo de 10% fornece um resíduo que somado (tanto o resíduo das altas quanto o resíduo dos óbitos) fornece o valor do qui-quadrado. Com base nesse valor foi calculado o valor da significância. Ressalta-se que ao contrário das interpretações habituais do valor de p, nesse caso, quanto maior o valor, melhor. Quando se utiliza intervalos iguais da tabela para o cálculo do qui-quadrado, a estatística é denominada de H; com intervalos diferentes é denominada C. Quando a tabela é derivada do banco de dados utilizado para desenvolver o modelo, os graus de liberdade do quiquadrado são iguais ao número de grupos menos 2; em novos pacientes é igual ao número de grupos. Foram realizadas tabelas para o cálculo do goodness-of-fit no grupo de pacientes utilizados para a formulação do modelo ECI, no grupo para validação e em todos os pacientes. Similarmente, foi calculado o goodness-of-fit para o modelo APACHE II nos mesmos grupos. Os gráficos da calibração foram realizados nos programas Harvard Graphics 98 para Windows da SPC e Sigma-plot 2.0 para Windows da Jandel Corporation, dividindo-se os pacientes a intervalos de 10% das probabilidades de óbito geradas pelos modelos APACHE II e ECI e comparando a letalidade predita com a observada. Resultados Foram coletados dados de 455 pacientes durante o período do estudo. Cinco pacientes foram excluídos do estudo pois ficaram na unidade menos de 12 horas, não sendo possível coletar o escore APACHE II. Assim, foram estudados 450 pacientes. A letalidade hospitalar observada foi de 24,4% (110/450). Na Figura 1A é apresentado o histograma por faixa etária de todos os pacientes e na Figura 1B eles foram divididos pela evolução hospitalar. Observa-se maior número de pacientes na 7 a década de vida. Já a Figura 1C relaciona a letalidade e a faixa etária em décadas. Nota-se correlação estatisticamente significativa com coeficiente de correlação de Pearson de r=0,82 p=0,007. Logo, quanto maior a faixa etária, maior o número de óbitos observados. Ademais, o coeficiente de determinação foi de r 2 =0,67, ou seja, 67% dos óbitos estariam relacionados a idade avançada. Foi também realizada a regressão linear desses dados cujo resultado é enunciado abaixo. y = -2,91 + 4,49 x (1) Os dados demográficos dos pacientes estudados Volume 15 - Número 4 - Outubro/Dezembro

4 Figura 1. Histogramas que correlacionam população de pacientes avaliados com a idade em faixas etárias por décadas. No painel A são apresentados todos os pacientes; em B os pacientes foram divididos pela evolução hospitalar (altas e óbitos); e em C é representada a correlação entre a letalidade hospitalar e as faixas etárias. Foi traçada também a regressão linear. em relação à evolução hospitalar são apresentados na tabela 1. Observa-se que as variáveis sexo e a presença de neoplasia não influenciam a evolução hospitalar dos pacientes. Por outro lado, as outras características são altamente significativas em predizer a evolução. A letalidade predita pelo escore APACHE II foi maior que a observada, gerando uma taxa de mortalidade padronizada (TMP = n de óbitos observados/n de óbitos previstos) de 0,81 no grupo total, 0,83 no grupo formulação e 0,80 no grupo validação. Para controle de qualidade da randomização, foram comparadas as características dos pacientes no grupo total com o grupo selecionado aleatoriamente para a formulação (dados não mostrados). A observação de que não existiram diferenças significativas entre os grupos nos assegurou que o grupo esolhido para a for- Tabela 1. Dados demográficos em relação à evolução hospitalar dos 450 pacientes. Característica Total Altas Óbitos Sexo feminino 216 (48%) masculino 234 (52%) p=0,965 Pós-operatório imediato sim 393 (87,3%) não 57 (12,7%) p<0,001 Presença de neoplasia sim 209 (44,7%) não 249 (55,3%) p=0,362 Presença de infecção sim 233 (51,8%) não 217 (48,2%) p<0,001 Transferidos p/ o CTI sim 54 (12%) não 396 (88%) p<0,001 Usou prótese ventilatória sim 98 (21,8%) não 352 (78,2%) p<0,001 Idade (anos) * 58,2 ± 16,7 56,2 ± 16,6 64,3 ± 15,9 p<0,001 Pontos APACHE II * 16,12 ± 8,96 12,95 ± 6,36 25,90 ± 8,77 p<0,001 Probabilidade de óbito do escore APACHE II (%) * 30,15 ± 27,25 20,30 ± 19,22 60,60 ± 25,93 p<0,001 Dias de internação na ECI* 3,1 ± 4,1 2,6 ± 3,0 4,7 ± 6,2 p<0,001 * médias ± desvio padrão 156 RBTI - Revista Brasileira Terapia Intensiva

5 mulação do escore era representativo do grupo total de pacientes. O escore prognóstico gerado pela RLM nos 300 pacientes do grupo formulação selecionou as seguintes variáveis: idade, probabilidade de óbito gerada pelo escore APACHE II e necessidade do uso de prótese ventilatória (Tabela 2). A probabilidade de óbito hospitalar foi calculada pela fórmula: P(y=1/logit) = e logit / 1 + e logit (2) onde e é a base do logarítmo natural (2, ) e o logit é definido pela fórmula logit = -5, (idade x 0,0405) + (APACHE II x 0,0389) + (prótese x 2,8378) (3) idade = idade em anos completos APACHE II = probabilidade de óbito gerada pelo escore APACHE II prótese = necessidade do uso de prótese ventilatória - 0 = não; 1 = sim Exemplo 1 Suponha que um paciente internou na ECI em pós-operatório imediato de gastrectomia subtotal por neoplasia gástrica. Ele tem 65 anos, respira espontaneamente e o escore APACHE II revelou probabilidade de óbito de 14,2% calculando o logit (2) logit = -5, ,0405 x 65 (idade) + 0,0389 x 14,2 (APACHE II) + 2,8378 x 0 (prótese) = -2,76502 calculando a exponencial do logit (1) como e -2,76502 = 0, calculando a probabilidade de óbito hospitalar (1) P= 0, / (1 + 0, ) = 0, multiplicando-se o resultado por 100 temos 5,92% Logo a probabilidade de óbito hospitalar desse paciente é de 5,92% Exemplo 2 Suponha uma paciente internado em pós-operatório de emergência por perfuração de colon secundária a diverticulite. Ela tem 72 anos, encontra-se em choque séptico, necessitando de prótese ventilatória e probabilidade de óbito pelo escore APACHE II de 65,6% calculando o logit (2) logit = -5, ,0405 x 75 (idade) + 0,0389 x 65,6 (APACHE II) + 2,8378 x 1 (prótese) = 2,47724 calculando a exponencial do logit (1) como e -2,47724 = 11, calculando a probabilidade de óbito hospitalar (1) P= 11, / (1 + 11, ) = 0, multiplicando-se o resultado por 100 temos 92,25% Logo a probabilidade de óbito hospitalar dessa paciente é de 92,25% Na Tabela 3 é demonstrada a discriminação do mo delo ECI nos grupos formulação, validação e total sendo também comparado com o modelo APACHE II dos pacientes dos mesmos grupos. Foram utilizados os pontos de corte em 10%, 50% e 90% de predição de óbito hospitalar, e calculadas a acurácia, sensibilidade, especificidade, valor preditivo positvo e valor preditivo negativo. De modo geral, os parâmetros do modelo APACHE II são comparáveis com a da publicação original. Porém, observamos que o desempenho do modelo ECI é superior ao APACHE II. A Figura 2 compara as curvas ROC obtidas pelo modelo ECI e o modelo APAC HE II nos grupos formulação e validação. Observa-se que as curvas são praticamente superponíveis. Através do método descrito por Hanley et al. (18) foi possível comparar as curvas obtidas do modelo ECI e APACHE II nos mesmos pacientes (grupos formulação, validação e total Figura 3), obtendo-se valores das áreas sob a curva ROC significativamente maiores no modelo ECI (Tabela 4). A calibração do modelo foi realizada através de gráficos (Figuras 4 e 5) e através do goodness-of-fit (Tabela 5). Devido ao pequeno número de pacientes, foi necessário diminuir os grupos de 10 para 7 no modelo ECI-validação. Nesse caso, a estatística calculada foi a C e não a H. Obteve-se uma excelente calibração nos três grupos (formulação, validação e total). Também foram realizados os mesmos cálcu- Tabela 2. Variáveis e respectivos coeficientes selecionados por Regressão Logística Múltipla no grupo formulação. Variável Parâmetro estimado Erro Padrão qui-quadrado Wald Constante -5,9499 0, ,0977 p<0,0001 Idade 0,0405 0,0130 9,6342 p=0,0019 APACHE II (%) 0,0389 0, ,3144 p<0,0001 Prótese 2,8378 0, ,9172 p<0,0001 Volume 15 - Número 4 - Outubro/Dezembro

6 Tabela 3. Tabelas de classificação do modelo ECI nos diversos grupos (formulação, validação e total) e em diversos pontos de corte (10, 50 e 90%), comparado com o modelo APACHE II. Grupo formulação = 300 pacientes Modelo ECI Modelo APACHE II Predito Predito Total altas óbitos altas óbitos Ponto de corte a 10% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 78,00% 55,67% sensibilidade (%) 88,60% 97,46% especificidade (%) 74,20% 40,72% valor preditivo positivo (%) 55,11% 37,01% valor preditivo negativo (%) 94,79% 97,82% Ponto de corte a 50% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 89,00% 81,33% sensibilidade (%) 73,41% 64,55% especificidade (%) 94,57% 87,33% valor preditivo positivo (%) 82,85% 64,55% valor preditivo negativo (%) 90,86% 87,33% Ponto de corte a 90% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 83,67% 76,33% sensibilidade (%) 40,50% 11,39% especificidade (%) 99,09% 99,54% valor preditivo positivo (%) 94,11% 90,00% valor preditivo negativo (%) 82,33% 75,86% Tabela 3. continuação Grupo validação = 150 pacientes Ponto de corte a 10% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 77,33% 52,67% sensibilidade (%) 87,09% 96,77% especificidade (%) 74,78% 41,17% valor preditivo positivo (%) 47,36% 30,00% valor preditivo negativo (%) 95,69% 98,00% Ponto de corte a 50% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 91,33% 87,33% sensibilidade (%) 64,51% 64,51% especificidade (%) 98,31% 93,27% valor preditivo positivo (%) 90,90% 71,42% valor preditivo negativo (%) 91,40% 90,98% 158 RBTI - Revista Brasileira Terapia Intensiva

7 Tabela 3. continuação Grupo validação = 150 pacientes Modelo ECI Modelo APACHE II Predito Predito Total altas óbitos altas óbitos Ponto de corte a 90% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 86,67% 81,33% sensibilidade (%) 35,48% 9,67% especificidade (%) 100% 100% valor preditivo positivo (%) 100% 100% valor preditivo negativo (%) 85,61% 80,95% Grupo total = 450 pacientes Ponto de corte a 10% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 77,78% 54,67% sensibilidade (%) 88,18% 97,27% especificidade (%) 74,41% 40,88% valor preditivo positivo (%) 52,71% 34,74% valor preditivo negativo (%) 95,11% 97,88% Ponto de corte a 50% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 89,78% 83,33% sensibilidade (%) 70,90% 64,54% especificidade (%) 95,88% 89,41% valor preditivo positivo (%) 84,78% 66,35% valor preditivo negativo (%) 91,06% 88,62% Ponto de corte a 90% de risco predito de letalidade hospitalar altas óbitos Total classificação correta (%) 84,67% 78,00% sensibilidade (%) 39,09% 10,90% especificidade (%) 99,41% 99,70% valor preditivo positivo (%) 95,55% 92,30% valor preditivo negativo (%) 83,45% 77,57% los utilizando-se o modelo APACHE II, sendo os dados apresentados na Figura 5 e Tabela 5. Independentemente do grupo avaliado, constata-se melhor calibração para o modelo prognóstico gerado (modelo ECI). A taxa de mortalidade padronizada do modelo ECI-grupo validação foi de 1,00, do grupo formulação de 0,99, e do total dos pacientes de 1,00 (tabela 5). Quando comparamos o modelo ECI com o APA- CHE II através do gráfico que correlaciona as probabilidades de óbito geradas pelos dois modelos nos mesmos pacientes observamos haver fraca correlação entre os dois modelos (Figura 6). Tomando-se o ponto de corte em 50%, muitos pacientes preditos a sobreviver por um modelo são preditos a falecer pelo outro, e vice-versa. Isso indica que não é possível utilizar qualquer modelo preditivo para o paciente Volume 15 - Número 4 - Outubro/Dezembro

8 Figura 2. Curvas ROC dos grupos formulação e validação dos modelos prognósticos ECI e APACHE II. Nota-se que as curvas ROC do modelo ECI (painel esquerdo) para os dois grupos são praticamente superponíveis. As áreas sobre as curvas para os grupos formulação e validação são, respectivamente, 0,9214 ± 0,0244 e 0,9278 ± 0,0283. Similarmente, isso também é observado para o modelo APACHE II (painel direito). Para esse modelo as áreas sobre as curvas para os grupos formulação e validação são, respectivamente, 0,8832 ± 0,0274 e 0,8849 ± 0,0311. A linha diagonal representaria ausência de discriminação. Figura 3. Curvas ROC. No painel A são comparadas as curvas dos modelos ECI e APACHE II do grupo formulação. Em B são comparadas as curvas do grupo validação. Em C são comparadas as curvas dos modelos ECI e APACHE II de todos os pacientes. Em todos os painéis, as curvas do modelo ECI apresentam-se acima daquela do modelo APACHE II, denotando maior discriminação. A linha diagonal significaria ausência de discriminação. Tabela 4. Comparação entre as áreas sob a curva ROC dos modelos ECI e APACHE II obtidos dos mesmos pacientes. Área ROC ± Erro padrão z ECI -formulação 0,9214 ± 0,0244 APACHE II - formulação 0,8832 ± 0,0274 1,56 p=0,059 ECI - validação 0,9278 ± 0,0283 APACHE II - validação 0,8849 ± 0,0311 1,75 p=0,04 ECI - total 0,9243 ± 0,0227 APACHE II - total 0,8845 ± 0,0287 1,62 p=0, RBTI - Revista Brasileira Terapia Intensiva

9 Figura 4. Calibração gráfica do modelo ECI, correlacionando a letalidade observada com a predita pelo modelo. No painel A são incluídos os 300 pacientes do grupo formulação; em B os 150 pacientes do grupo validação; e em C os todos os pacientes (n=450). Observa-se excelente calibração nos três painéis (linha cheia). A linha com pontos representa o número de pacientes presentes em cada variação do intervalo de predição. A diagonal a 45 graus representa a linha de identidade (calibração perfeita). Figura 5. Calibração gráfica do modelo APACHE II, correlacionando a letalidade observada com a predita pelo modelo. No painel A são incluídos os 300 pacientes do grupo formulação; em B os 150 pacientes do grupo validação e em C todos os pacientes (450). Observa-se boa calibração nos três painéis (linha cheia). Entretanto o modelo APACHE II tende a superestimar os óbitos até 60% e subestimá-los a partir desse ponto. Nota-se também a imprecisão na predição do modelo para os pacientes com letalidade intermediária. A linha com os pontos representa o número de pacientes presentes em cada variação do intervalo de predição. A diagonal a 45 graus representa a linha de identidade (calibração perfeita). Tabela 5. Comparação da estatística goodness-of-fit dos modelos ECI e APACHE II nos grupos formulação (n=300), validação (n=150) e total (n=450) e respectiva taxa de mortalidade padronizada (n de óbitos observados / n de óbitos previstos). Escore e grupo GOF Gl p TMP ECI -formulação H=4,63 8 p=0,79 0,99 ECI - validação C=0,82 7 p=0,99 1,00 ECI - total H=5,63 10 p=0,84 1,00 APACHE II formulação H=8,21 8 p=0,41 0,83 APACHE II - validação H=12,59 10 p=0,24 0,80 APACHE II - total H=13,45 10 p=0,19 0,81 GOF goodness-of-fit; gl graus de liberdade; TMP taxa de mortalidade padronizada obs: um baixo valor de H (ou C), com conseqüente alto valor de p, significa bom ajuste, rejeitando-se a hipótese de desigualdade e aceitando-se a igualdade entre os dados observados e o esperados. Volume 15 - Número 4 - Outubro/Dezembro

10 Figura 6. Correlação entre as probabilidades de óbito geradas pelos modelos ECI e APACHE II. Os pacientes que obtiveram alta hospitalar são representados por círculos cheios e os que faleceram por círculos vazios. Os coeficientes de correlação de Pearson para as altas e óbitos são respectivamente de r=0,67 e r=0,71. Observa-se amplas diferenças nas predições: pacientes preditos a sobreviver por um modelo são preditos a falecer pelo outro e vice-versa. Nos extremos de risco existe melhor correlação entre os modelos. individual, pois as discrepâncias entre os diversos modelos são muito grandes. A comparação entre as predições dos dois escores nos pacientes com altas e nos pacientes com óbito hospitalar é apresentada na Tabela 6, tomando-se como base o ponto de corte de 50%. Nota-se que, para os 340 pacientes que sobreviveram, ambos modelos previram o mesmo prognóstico em 301 (88,5%). Houveram discordâncias em 39 casos (11,5%), no quais o modelo ECI prognosticou corretamente em 100% e o modelo APACHE II errou em todos. A diferença é altamente significativa (p<0,001) pelo teste McNemar. Nos 110 pacientes que não sobreviveram, constata-se menor concordância, com ambos modelos apresentando o mesmo prognóstico em 84 casos (76,36%). Houve discordância no prognóstico de 26 pacientes (23,63%), nos quais o modelo ECI prognosticou corretamente em 25 (96,15%) e o modelo APACHE II em apenas 1 (3,84%). Essa diferença também é altamente significativa (p<0,001). Essa análise representa uma eficácia muito maior do modelo ECI em relação ao modelo APACHE II naqueles pacientes em que existem discordâncias entre as duas predições. Discussão A predição sobre o prognóstico de pacientes internados em terapia intensiva vêm sendo freqüentemente realizados. Os custos da terapia intensiva têm se tornado cada vez maiores, e os modelos prognós- Tabela 6. Comparações das discrepâncias na classificação entre os modelos ECI e APACHE II. ECI x APACHE II Pacientes com alta Pacientes com óbito Modelo ECI Modelo ECI preditos a viver preditos a morrer total Preditos a viver preditos a morrer total preditos a viver Modelo preditos a morrer APACHE II total χ2 McNemar=34,22 χ2 McNemar=20,35 p<0,001 p<0, RBTI - Revista Brasileira Terapia Intensiva

11 ticos não são adequados para a tomada de decisões sobre o paciente individual, em relação aos critérios de admissão e alta e intensidade de tratamento a ser empregada. Ademais, em hospitais que tratam doentes agudos, podemos reconhecer muitos pacientes internados em UTIs que não precisam de cuidados intensivos, mas de cuidados que geralmente não são fornecidos em enfermarias/quartos (21-24). Esses pacientes podem requerer monitorização de sinais vitais freqüentes e/ou intervenções de enfermagem, mas, usualmente, não necessitam de monitorização invasiva (25). Nesse contexto, a importância das unidades de terapia semi-intensiva vem crescendo, não apenas por problemas de custos, mas também porque existem muito menos problemas éticos em negar a internação do paciente na UTI e interná-lo na unidade de terapia semi-intensiva (UTSI) ou conceder alta da UTI para a UTSI. Assim, é importante estudarmos o prognóstico dos pacientes internados em unidades semi-intensivas para estabelecermos critérios para sua admissão e alta e intercâmbio de pacientes entre a UTI e a UTSI (26,27). As UTSI são locais ideais para a internação de pacientes para monitorização ou com baixo risco de complicações (25). O custo é de aproximadamente o dobro da internação em enfermaria/quarto, mas apenas 1/3 daquele da UTI (28). Além disso, a satisfação do paciente e familiares pode ser aumentada, pois uma UTSI não apresenta tanto barulho (alarmes, etc.) e pode haver uma política de visitação dos familiares mais liberal. Diversos estudos demonstraram a importância das UTSI em pacientes coronarianos ou com dor torácica (29-31), em pacientes que necessitam de monitorização cardiopulmonar não invasiva (32,33), pós-operatório de cirurgia cardíaca (34), pacientes para cuidados respiratórios não invasivos (35), pacientes neurológicos (36) e pacientes clínicos em geral (28), com diminuição de custos, mas sem prejuízos ao tratamento. Em 1998, o Colégio Americano de Medicina Intensiva publicou consenso a respeito dos critérios de admissão e alta de UTSI para adultos (25). Constatou-se que a diminuição dos custos hospitalares das internações na UTSI coincide com a diminuição dos profissionais (médicos, enfermeiros, etc.) para promover os cuidados necessários para o paciente. Além disso, a UTSI promove maior flexibilidade na triagem dos pacientes, aumenta o acesso à terapia intensiva e torna mais barato o tratamento. Para isso, é necessário que o diretor do setor esteja em contato com outros serviços dentro hospital, de modo que os cuidados com o paciente, a triagem, e o fluxo de pacientes seja efetivo e eficiente (25). Recente estudo multicêntrico (61) comparou 8971 pacientes internados em 37 unidades intermediárias (UI) com 5116 pacientes de baixo risco internados em 59 UTI apenas para monitorização. Os pacientes internados nas UI eram mais idosos, apresentavam menos anormalidades fisiológicas e foram admitidos mais freqüentemente por diagnósticos não cirúrgicos. A permanência dos pacientes foi maior na UI (3,9 versus 2,6 dias; p<0,001), assim como a letalidade (3,1% versus 2,3%; p=0,002). Auriant et al. (37) utilizaram o modelo SAPS II em 433 pacientes internados em UTSI e observaram excelente calibração e discriminação do modelo. Naquele estudo, diferentemente do nosso, 60,9% dos pacientes foram provenientes do serviço de emergência e apenas 4% apresentaram causas cirúrgicas para sua internação. Ao invés de se criar um novo modelo, vem sendo utilizada a adaptação de modelos prognósticos existentes. Podemos citar o modelo APACHE III adaptado a pacientes espanhóis (38), o modelo SAPS II adaptado para pacientes italianos (39) e, para pacientes com doenças específicas, como a sepse [(APACHE III (40), SAPS II e MPM II 24 (41) ], peritonite (42), doença coronariana [(SAPS II cor e MPM II 24cor (43) ] e cirrose hepática [APACHE III (44) ]. A adaptação do modelo APACHE II foi realizada em nosso meio por Terzi et al. (45) na UTI do Hospital das Clínicas da UNICAMP - Campinas - SP. Utilizaram a regressão múltipla logística para estimar a probabilidade de óbito de 862 pacientes internados de abril de 1988 a outubro de 1989 após 24 horas de UTI, e as variáveis selecionadas foram: escore de pontos do modelo APACHE II (não a probabilidade de óbito gerada pelo modelo), presença de insuficiência renal, necessidade de ventilação mecânica e assim como o modelo APACHE II original, internação clínica ou cirurgia de emergência. A maior vantagem desse modelo denominado de UNICAMP é o fato de não ser necessária a escolha de um único diagnóstico para o cálculo da probabilidade de óbito, como no modelo APACHE II original. A validação desse modelo foi realizada em 362 pacientes subseqüentes. A análise estatística univariada revelou diversas variáveis relacionadas à evolução hospitalar (vide tabela 1). Os pacientes internados em pós-operatório imediato apresentaram melhor prognóstico que os com complicações clínicas ou cirúrgicas. Nos modelos prognósticos APACHE II (10), APACHE III (14) e SAPS II (15) a categoria diagnóstica (se o paciente é Volume 15 - Número 4 - Outubro/Dezembro

12 clínico ou cirúrgico e se a cirurgia é eletiva ou de urgência) também é uma das variáveis coletadas. Também não foi surpresa a constatação de que os pacientes transferidos para o CTI apresentassem pior prognóstico. Os pacientes mais graves foram transferidos para o CTI. É interessante notar que o número de pacientes que necessitaram de prótese ventilatória é muito menor que o número de pacientes transferidos para o CTI (98 pacientes utilizaram prótese ventilatória e apenas 54 foram transferidos para o CTI). Isso foi devido principalmente à falta de leitos de CTI para atender a demanda. Também como o esperado, os pacientes com infecção, os mais idosos, aqueles com escore e probabilidade de óbito gerada pelo modelo APACHE II mais elevadas também apresentaram maior letalidade. Os pacientes que faleceram ficaram, em média, mais tempo internados na ECI. Entretanto, quando analisadas em conjunto através da RLM, apenas três variáveis foram relacionadas com a letalidade: o modelo APACHE II, a idade e a necessidade de prótese ventilatória. É interessante assinalar que a RLM foi realizada com um banco de dados que incluía todas as variáveis e não apenas as variáveis que alcançaram significado estatístico em relação a evolução hospitalar, pois não é possível prever qual seria a influência de uma determinada variável sobre outra (dependência entre variáveis). A priori apenas o escore APACHE II e a probabilidade de óbito gerada por esse modelo deveriam estar relacionadas. Entretanto, em nosso modelo ECI foram selecionadas três variáveis através da RLM: idade, uso de prótese ventilatória e o escore APACHE II. Detalharemos a seguir a análise de cada uma dessas variáveis. Apesar da idade já ser incluída no modelo APA- CHE II (10), em nossa amostra foi mais valorizada que a do modelo original. No modelo APACHE III (14), a pontuação atribuída à idade também foi ampliada. No modelo APACHE II os pontos atribuídos estavam na faixa de zero a 6 (pacientes com 75 anos), enquanto que no APACHE III eles são distribuídos entre zero a 24 (pacientes com 85 anos). O mesmo ocorreu com os modelos SAPS (46) (zero a 4 pontos - (pacientes com 75 anos) e SAPS II (15) (zero a 18 pontos (pacientes com 80 anos). Barie et al. (47) referem que cada vez mais pacientes idosos são internados em terapia intensiva e que a idade fisiológica é um fator mais importante que a idade cronológica na determinação do prognóstico do idoso. Assim, diversos estudos em pacientes idosos demonstraram benefícios do tratamento intensivo comparáveis com aqueles alcançados por pacientes mais jovens (48-52). Entretanto, deve-se ter cautela em extrapolar esses dados para nossa realidade, pois a expectativa de vida em nosso país é diferente daquela dos países mais desenvolvidos. Poderse-ia especular também a respeito do nosso sistema de saúde. A dificuldade de acesso do paciente aos serviços de saúde, além de problemas sócio-econômicos que boa parte de nossa população de idosos sofre (baixas aposentadorias com conseqüente falta de recursos para a aquisição de medicamentos, etc.) faz chegar ao serviço público pacientes com doenças mais avançadas. Em conclusão, o modelo ECI ajustou a variável idade, utilizada no modelo APACHE II, à realidade de nossa população analisada. Também ressaltamos a importância prognóstica da ventilação mecânica nos pacientes analisados. As causas são variadas e podemos levantar as seguintes hipóteses para explicá-la: a) a gravidade da doença subjacente que levou a insuficiência respiratória, b) uso de próteses ventilatórias não microprocessadas e c) deficiência no suporte fisioterápico). Muitas vezes não dispunhamos de vagas para a transferência para UTI do paciente em ventilação mecânica. Assim, o paciente ficava na ECI aguardando e, por vezes, quando internado na UTI já apresentava grave acometimento multisistêmico (disfunção de múltiplos orgãos e sistemas). Em outro modelo prognóstico para pacientes portadores de pancreatite aguda grave submetidos a cirurgia, Rocco et al. (53) também observaram que a insuficiência respiratória pós-operatória era uma das variáveis prognósticas em pacientes com pancreatite aguda grave. Vincent et al. (62) estudaram 1449 pacientes de 40 UTI de 16 países e constataram que 56% dos pacientes necessitaram de protese ventilatória durante a internação, com letalidade mais elevada (31% versus 9%; p<0,0001). Independentemente das causas, o fato é que os pacientes internados na ECI em prótese ventilatória apresentaram letalidade inaceitável, constituindo por si só um critério para triagem para UTI (25). Como relatamos anteriormente, o modelo prognóstico APACHE II foi o escolhido para avaliar os pacientes pós-operatórios internados na ECI pois é o modelo mais estudado no mundo. Como parte importante do nosso modelo prognóstico, é possível que as mesmas deficiências e virtudes já estudadas quando utiliza-se o modelo APACHE II sejam encontradas no modelo ECI. Assim, viés de tempo, viés de seleção de pacientes, etc. podem, potencialmente, diminuir o desempenho do modelo gerado. A validação prospectiva em uma nova população de pacientes, realizada por outros investigadores é uma etapa fundamental 164 RBTI - Revista Brasileira Terapia Intensiva

13 antes do modelo prognóstico ser colocado em uso (54-57). A análise inicial do desempenho do modelo APA- CHE II em nossa população de pacientes cirúrgicos nos demonstrou que o mesmo possuía alto poder de discriminação, melhor inclusive que a publicação original (10). Entretanto, outros autores não haviam demonstrado utilidade do modelo APACHE II em pacientes cirúrgicos (58). Porém, a calibração do modelo era falha, apesar do goodness-of-fit não ser significativo - o modelo superestimava a probabilidade de óbito nos pacientes até 60% de probabilidades e a subestimava após esse intervalo. Ao concluirmos esse estudo verificamos que o modelo APACHE II apresentou ótimo desempenho em toda população analisada, com área ROC de 0,8845 ± 0,0287 e goodness-of-fit de H=13,45, p=0,19. Conforme as recomendações dos autores (10), não foi computado apenas o escore APACHE II, mas também a probabilidade de óbito gerada. Na análise de regressão esta última foi escolhida como preditora prognóstica. Podemos exemplificar o porque de tal escolha com o exemplo relatado abaixo: - Suponha que internamos dois pacientes com escore APACHE II de 20 pontos. Se o primeiro paciente é internado para monitorização cardiovascular pós-operatória devido a doença cardiovascular crônica (coeficiente = -1,376), a probabilidade de óbito é obtida pela seguinte equação: Pr (e / 1-e) = -3,517 + (0,146 x 20) - 1,376; logo a probabilidade de óbito hospitalar seria de 12,20%. Se o outro paciente fosse internado em pós-operatório imediato de cirurgia de urgência (coeficiente = 0,603) por peritonite fecal com sepse (coeficiente = 0,113), a probabilidade de óbito seria: Pr (e / 1-e) = -3,517 + (0,146 x 20) + 0, ,113; logo a probabilidade de óbito hospitalar seria de 52,97%. Assim, tomando-se o ponto de corte de 50%, o primeiro paciente seria predito a sobreviver (probabilidade de óbito < 50%), enquanto que o outro seria predito a falecer (probabilidade > 50%). Esse exemplo ilustra que o escore do modelo APACHE II por si só pouco indica, a não ser que estejamos avaliando paciente homogêneos e com o mesmo diagnóstico. Associando esses três elementos, o modelo ECI apresentou desempenho excelente, o que seria difícil de se esperar, visto o já ótimo desempenho do modelo APACHE II. Cumpre ressaltar que a esses níveis de área sob a curva ROC, próximo a 0,9, qualquer melhora (com conseqüente aumento da área) é muito difícil. A adaptação de modelos prognósticos préexistentes pode piorar (38,54), manter inalterada (59) ou melhorar (43) a discriminação, entretanto, invariavelmente a calibração é melhorada (38,43,54,59). A área sob a curva ROC do modelo ECI é superior a dos modelos prognósticos gerais para pacientes internados em terapia intensiva (10,14,15). Mas, talvez a principal virtude do modelo ECI seja a sua excelente calibração, superior ao do modelo APACHE II, autorizando sua utilização nos pacientes pós-operatórios internados na Enfermaria de Cuidados Intensivos do HUCFF da UFRJ. Poder-se-ia considerar o modelo gerado de duas formas: a) foi criado um novo modelo prognóstico e b) foi realizada uma adaptação de um modelo já existente. Creio que a segunda alternativa é a correta, pois em verdade acrescentamos duas variáveis ao modelo APACHE II, tornando-o mais discriminativo e calibrado. Além disso, o modelo APACHE II é parte integrante do modelo ECI. Usos potenciais do modelo ECI Os usos potenciais dos modelos preditivos já foram extensamente discutidos. Ao modelo ECI aplicam-se todos esses potenciais. Deve-se ressaltar que também aplicam-se todas as precauções quanto a utilização do modelo ECI em pacientes individuais, para critérios de admissão e alta, retirada de tratamento, etc. O melhor uso potencial do modelo ECI seria na randomização de pacientes em pesquisas clínicas de novas drogas, na comparação do desempenho de diferentes Unidades de Terapia Semi-Intensivas e no acompanhamento do desempenho de uma determinada Unidade no decorrer do tempo. Problemas do estudo Esse modelo pode não ser de aplicação generalizada. Para a criação de modelo preditivo que possa ser generalizado seria necessário um estudo multicêntrico com milhares de pacientes. A população de uma unidade semi-intensiva pós-operatória de um hospital universitário terciário na Cidade do Rio de Janeiro certamente será diferente de outros centros urbanos. Creio que o papel de um estudo desse tipo é ressaltar a importância de se avaliar o modelo prognóstico e poder adaptá-lo à realidade local. Um modelo prognóstico que discrimine bem e calibre mal não deverá ser utilizado para avaliação de pacientes de uma unidade fechada (UTI ou intermediária), pois seus resultados poderão ser errôneos. Outro dado que deverá ser avaliado com cautela é o fato de que uma das variáveis do novo modelo prognóstico gerado é a necessidade do uso de prótese ventilatória. Nes- Volume 15 - Número 4 - Outubro/Dezembro

14 se estudo os tipos de próteses utilizadas não eram microprocessadas e não havia suporte fisioterápico adequado. Deve-se ter cautela em extrapolar nossos dados para outros locais em que o suporte ventilatório seja diferente. Assim como outros autores (60), recomendamos que o modelo ECI seja primeiramente validado por outro grupo de pesquisadores e seja utilizado como um elemento adjunto ao bom julgamento clínico e nunca como o julgamento isolado. Neste contexto, o modelo ECI será um útil instrumento. As conclusões desse estudo são as seguintes: 1) O modelo prognóstico APACHE II é aplicável a pacientes internados em UTSI pós-operatória, apresentando boa discriminação e calibração; 2) Desenvolvemos e validamos um modelo prognóstico específico (modelo ECI) para pacientes internados em UTSI pós-operatória, composto por três variáveis: idade, modelo APACHE II e uso de prótese ventilatória; 3) Através de análise estatística formal, tal modelo apresenta excelentes características de discriminação avaliada pela área sob a curva ROC e calibração, avaliada pelo teste do goodness-of-fit; 4) Os pacientes internados na ECI com necessidade de ventilação mecânica devem ser transferidos para o CTI e 5) O modelo prognóstico ECI é uma versão adaptada do modelo APACHE II e apresenta desempenho superior a esse em relação a discriminação e calibração. Assim, após sua validação por pesquisadores independentes, etapa fundamental antes de qualquer modelo prognóstico ser utilizado na prática, o escore criado poderá ajudar na pesquisa clínica com pacientes internados em unidades de terapia intensiva pósoperatória. Resumo Com o objetivo de elaborar modelo prognóstico específico para unidades de terapia semi-intensiva pós-operatória, foram estudados prospectivamente 450 pacientes internados na Enfermaria de Cuidados Intensivos (ECI) do serviço de cirurgia geral do Hospital Universitário Clementino Fraga Filho da Universidade Federal do Rio de Janeiro nos períodos de maio a dezembro de 1997 e abril a outubro de Foram coletadas variáveis demográficas e o escore APACHE II. Para a realização da Regressão Logística Múltipla (RLM) os pacientes foram randomicamente divididos em dois grupos: 300 pacientes para a formulação e 150 pacientes para a validação do modelo prognóstico (método split-sample). O modelo gerado por RLM (stewise forward) denominado de modelo ECI gera a probabilidade de óbito hospitalar e é composto por três variáveis: idade (anos), probabilidade de óbito gerada pelo modelo APACHE II (%) e a necessidade de prótese ventilatória (sim/não). A área sob a curva ROC para a discriminação e goodness-of-fit para a calibração revelaram melhor desempenho do modelo ECI sobre o modelo APACHE II, alcançando excelentes níveis de discriminação e calibração [(área ROC - ECI = 0,9278 ± 0,0283 versus APACHE II = 0,8849 ± 0,0311; p=0,04); calibração (ECI: C = 0,82; p=0,99 versus APACHE II: H = 12,59; p=0,24)]. Após sua validação por pesquisadores independentes, o modelo prognóstico ECI poderá ajudar a futuras pesquisas nessa população de pacientes. Palavras-Chave: Escores Prognósticos, Unidade de Terapia Semi-Intensiva Pós-Operatória, Letalidade, Regressão Logística, Modelo Probabilístico. Referências Bibliográficas 1. Scherk JP, Shatney CH. ICU scoring systems do not allow prediction of patient outcomes or comparison of ICU performance. Crit Care Clin 1996;12: Terzi RGG. Índices prognósticos em terapia intensiva: I Conceitos. Rev Bras Terap Intens 1993;5: Apgar V, James L. The first sixty seconds of life. In: Abramson H. ed. Resuscitation of the Newborn Infant. (3 ed), Saint Louis, The C.V.Mosby Co, Child CG, TurcotteJG. Surgery and portal hypertension. In: Child CG. ed. The Liver and Portal Hypertension. Philadelphia, WB Saunders, 1964; Ranson JHC, Rifkind KM, Roses DF, Fink JW, Eng K, Spencer FC. Prognostic signs and role of operative management in acute pancreatitis. Surg Gynecol Obstet 1974;139: Civetta JM. The clinical limitations of ICU scoring systems. Probl Crit Care 1989;3: Jacobs P, Noseworthy TW. National estimates of intensive care utilization and costs: Canada and the United States. Crit Care Med 1990;17: Schäfer J-H, Maurer A, Jochimsen F, Emde C, Wegscheider K, Arntz H-R, Heitz J, Krell-Schroeder B, Distler A. Outcome prediction models on admission in a medical intensive care unit: Do they predict individual outcome?. Crit Care Med 1990;18: Chalfin DB, Niederman MS, Fein AM. The application of decision analysis to critical care medicine. Intensive Care World 1994;9: Knaus WA, Draper EA, Wagner DP, Zimmerman JE. APACHE II: a severity of disease classification system. Crit Care Med 1985;13: Bastos PG, Sun X, Wagner DP, Wu AW, Knaus WA. Glasgow coma scale in the evaluation of outcome in the intensive care unit: findings from the acute physiology and chronic health evaluation III study. Crit Care Med 1993;21: Cho DY, Wang YC. Comparison of the APACHE III, APACHE II and Glasgow Coma Scale in acute head injury for prediction of mortality and functional outcome. Intensive Care Med 1997;23: Niskanen M, Kari A, Nikki P, Iisalo E, Kaukinen L, Rauhala V, Saarela E, Halinen M. Acute physiology and chronic health evaluation (APACHE II) and Glasgow coma scores as predictors of outcome from intensive care after cardiac arrest. Crit Care Med 1991;19: Knaus WA, Wagner DP, Draper EA, Zimmerman JE, Bergner M, Bastos PG, Sírio CA, Murphy DJ, Lotring T, Damiano A, Harrell Jr FE. The APACHE III Prognostic System. Risk prediction of hospital mortality for critically ill hospitalized adults. Chest 1991;100: Le Gall J-R, Lemeshow S, Saulnier F. A new simplified acute physiology score (SAPS II) based on a European/North American multicenter study. JAMA 1993;270; Lemeshow S, Teres D, Klar J, Avrunin JS, Gehlbach SH, Rapoport J. 166 RBTI - Revista Brasileira Terapia Intensiva