Construcción de un modelo predictivo para ocurrencia de primera infección urinaria en pacientes pos-trasplante renal: experiencia de un centro de trasplante en Colombia 2007-2015

Abstract

Introducción La infección urinaria es la complicación más frecuente en pacientes con trasplante renal y puede estar relacionada con la sobrevida del injerto. El objetivo del estudio fue construir un modelo de predicción que permita estimar las probabilidades de riesgo individual para ocurrencia de la primera infección urinaria en pacientes pos-trasplante renal. Metodología Estudio de cohorte histórica en adultos con trasplante renal del centro de trasplante de Clínica Colsanitas durante los años 2007–2015. Se tomó el primer episodio de infección urinaria definido como paciente con cultivo de orina positivo con más de 105 unidades formadoras de colonias por cc de orina (UFC/ml). Se incluyen variables demográficas, clínicas del receptor y donante y de laboratorio. Se realizó análisis univariado descriptivo y análisis bivariado, se determinó significación de las diferencias con la prueba exacta de Fisher o de ji al cuadrado con corrección de Yates, o prueba de t student según naturaleza de las variables. Se construyó modelo predictivo mediante regresión logística multivariada y se realizó validación interna del modelo. Se consideró un nivel de significancia de p0,05 y se calcularon intervalos de confianza del 95%. Los datos se analizaron con el software Stata® versión 11.0. Resultados Un total de 259 pacientes se incluyeron en el estudio, con una media de edad de 45,42 años (D.E.±14,19). El 62,93% (163) fueron hombres con un promedio de edad de 47,41 años (D.E.±13,44) y 37,07% (96) mujeres con 42,04 años en promedio (D.E.±14,85). El 22% (57) presentaron infección de vías urinarias (IVU). El agente etiológico de IVU más común fue Escherichia coli en el 82,46% (47) de los pacientes, seguido por Klebsiella spp. en el 7,02% (4). Las variables predictoras que finalmente se incluyeron en el modelo fueron sexo, edad, enfermedad hipertensiva, diabetes, hemodiálisis, tiempo de tratamiento ERC, tiempo de isquemia, tipo de donante, inducción con basiliximab, inmunosupresión pos con sirolimus, inmunosupresión pos con tacrolimus/everolimus, puntaje de HLA DR 1, en su mayoría por relevancia clínica. Conclusión En nuestro estudio se construyó un modelo con las variables que mostraron alguna significancia estadística durante el análisis, pero en su mayoría no fue consistente con el comportamiento en el modelo, sin embargo, se incluyen por relevancia clínica. Las variables incluidas fueron sexo, edad, enfermedad hipertensiva, diabetes, hemodiálisis, tiempo de tratamiento ERC, tiempo de isquemia, tipo de donante, inducción con basiliximab, inmunosupresión pos con sirolimus, inmunosupresión pos con tacrolimus/everolimus, puntaje de HLA DR 1. El modelo clasifico correctamente el 87% de los pacientes, pero es necesario realizar una validación externa que permita evaluar su rendimiento en otra población (Texto tomado de la fuente).

Introduction Urinary tract infection is the most frequent complication in renal transplant patients and may be related to graft survival. The objective of the study was to construct a prediction model that allows to estimate the probabilities of individual risk for the occurrence of the first urinary tract infection in post-renal transplant patients. Methodology A historical cohort study in adults with renal transplantation of the Clínica Colsanitas transplant center during the years 2007-2015. The first episode of urinary tract infection was defined as a patient with positive urine culture with more than 105 colony forming units per cc of urine (CFU / ml). Demographic, recipient and donor clinical and laboratory variables are included. We performed a descriptive univariate analysis and bivariate analysis, we determined significance of the differences with Fisher exact test or chi squared with Yates correction, or student t test according to the nature of the variables. A predictive model was constructed using multivariate logistic regression and internal model validation was performed. A significance level of p 0.05 was considered and 95% confidence intervals were calculated. Data will be analyzed using Stata® software version 11.0. Results A total of 259 patients were included in the study, with a mean age of 45.42 years (D.E. ± 14,19). 62.93% (163) were men with a mean age of 47.41 years (SD ± 13.44) and 37.07% (96) women with a mean age of 42.04 (SD ± 14.85) . A total of 22% (57) had a urinary tract infection (UTI). The most common etiological agent of UTI was Escherichia coli in 82.46% (47) of the patients, followed by Klebsiella spp. 7.02% (4). The predictor variables that were finally included in the model were sex, age, hypertensive disease, diabetes, hemodialysis, treatment time CKD, ischemia time, donor type, induction with basiliximab, immunosuppression pos with sirolimus, immunosuppression pos with tacrolimus/everolimus , HLA DR 1 score, mostly for clinical relevance. Conclusion In our study, a model was constructed with the variables that showed some statistical significance during the analysis, but for the most part it was not consistent with the behavior in the model, however, they are included by clinical relevance. The variables included were sex, age, hypertensive disease, diabetes, hemodialysis, CKD treatment time, ischemia time, type of donor, induction with basiliximab, immunosuppression pos with sirolimus, post immunosuppression with tacrolimus/everolimus, HLA DR score 1. The model correctly classifies 87% of patients, but it is necessary to perform an external validation to evaluate their performance in another population.