ABSTRACT
PURPOSE: To identify clinical variables on admission that are related to hospital mortality in acute myocardial infarction (AMI) and to generate a mathematic model to predict accurately this mortality. METHODS: Prospective study with 347 consecutive patients with AMI in which clinical variables related to mortality were identified by univariate and multivariate analysis. The mathematic model generated by multivariate logistic regression analysis was applied in each patient to determine his/her probability (P) of hospital death. Model's accuracy was validated by reliability and discrimination tests. RESULTS: Admission variables directly and independently related to hospital mortality: female gender, age, absence of history of hypertension, history of previous infarction, non-inferior AMI and Killip class. These six variables, when present cumulatively, showed increasing mortality rates. Mean P value for non-survivors was significantly greater than for survivors (43.2 +/- 31.4 vs 9.1 +/- 12.5, p < 0.00001). Reliability of the model to predict death, assessed by stratifying patients in three risk groups (low, medium and high) or continuously (by linear regression analysis) showed excellent predictive performance. Discrimination between survivors and non-survivors, assessed by C-index (concordance probability), disclosed 85 rate of success. CONCLUSION: Risk variables can be used in a mathematic model that is capable of predicting accurately in-hospital mortality of each patient with AMI. Mortality prediction can allow physicians to be more efficient in assessing risk-benefit ratios in these patients when faced with therapeutic decisions.
Objetivo - Identificar as variáveis clínicas de admissão que se relacionam com a mortalidade hospitalar no infarto agudo do miocárdio (IAM) e criar um modelo matemático capaz de prever acuradamente o seu risco. Métodos - Estudo prospectivo com 347 pacientes consecutivos com IAM nos quais se identificaram variáveis clínicas, que se relacionaram com a mortalidade, pelas análises univariada e multivariada. O modelo matemático obtido pela análise multivariada de regressão logística foi aplicado em cada paciente, para determinar a sua probabilidade (P) de óbito hospitalar. A acurácia do modelo foi validada por testes de confiabilidade e de discriminação. Resultados - Variáveis de admissão relacionadas, independentemente, com a mortalidade hospitalar: sexo feminino, idade, ausência de história de hipertensão, história de infarto prévio, IAM não-inferior e classe Killip que, quando presentes cumulativamente, mostraram taxas de mortalidades crescentes. O valor médio de P dos pacientes que faleceram foi significativamente maior que dos sobreviventes (43,2±31,4% vs 9,1±12,5%, p<0,00001). A confiabilidade do modelo matemático na previsão de óbitos, avaliada estratificadamente em três subgrupos de risco (baixo, médio e alto) ou continuamente (por análise de regressão linear), mostrou excelente desempenho preditivo. O poder discriminatório entre óbitos e sobreviventes, avaliado pelo índice - C (concordância de probabilidades), mostrou taxa de acerto de 85%. Conclusão - Variáveis clínicas podem ser utilizadas num modelo matemático, que é capaz de prever, acuradamente, a taxa de mortalidade hospitalar de cada paciente com IAM. A previsão desta mortalidade poderá permitir, aos médicos, maior eficiência na avaliação da relação risco-benefício destes pacientes, quando confrontados com decisões terapêuticas