ABSTRACT
Objetivos: Describir características clínicas y socio ambientales de niños < de 6 meses hospitalizados por infección respiratoria aguda baja (IRAB) y factores de riesgo de gravedad. Metodología: Estudio observacional, transversal, caso-control entre 1/5/14 - 5/8/14. Casos (IRAB grave): necesidad de oxígeno de alto flujo y/o soporte ventilatorio. Controles (IRAB no grave): hospitalizados en cuidados moderados. Se revisaron historias clínicas y entrevistaron a padres. Se excluyeron niños con infección respiratoria intrahospitalaria y comorbilidades. Variables: edad, sexo, puntuación de TAL, educación materna, hacinamiento, tabaquismo, prematurez, número de consultas previas al ingreso, demora en la consulta, diagnóstico etiológico al ingreso. Procesamiento datos: software SPSS. Resultados: 396 niños, 167 casos, 229 controles. Mediana edad (días) casos: 77, controles: 76. Explorando modelos de regresión logística binaria para explicar la presencia de IRAB grave resultaron predictores estadísticamente significativos: número de consultas previas (p=0.035) y diagnóstico etiológico al ingreso (p=0.003).El modelo no fue satisfactorio, solo logró explicar 4,6% de la variabilidad total. Conclusiones: Futuros estudios, con muestras más representativas, son necesarios para profundizar en el conocimiento de los factores predictores de gravedad.
Objectives: Describe clinical characteristics and environmental partner of children under 6 months hospitalized for low acute respiratory infection (ALRI) and explore predictors of severity. Methodology: Observational, transversal, case-control study between 1/5/14 - 5/8/14. Cases (severe ALRI): Need for high flow oxygen and/or ventilator support. Controls (Alri not severe): hospitalized in moderate care. Clinical histories were reviewed and the parents were interviewed. Children with intrahospital respiratory infection and comorbidity were excluded. Variables: Age, sex, TAL score, maternal education, overcrowding, smoking, prematurity, number of pre-admission consultations, delay in consultation, etiologic diagnosis of income. Data processing: SPSS software. Results: 396 Children, 167 cases, 229 controls. Middle age (days) cases: 77, controls: 76. Exploring binary Logistic regression models to explain the presence of severe ALRI were statistically significant predictors: number of previous consultations (P= 0.035), etiologic diagnosis of admission (P= 0.003). The model was not satisfactory because it only managed to explain 4.6% of the total variability. Conclusions: Exploring different statistical models did not find a satisfactory, the total variability explained by the model is very low. It is emphasized that the model did not enter environmental factors considered "a priori" relevant (habit of smoking, overcrowding) nor the rest of the variables studied: schooling and maternal age, nutritional status to income, prematurity and factors behavioral as the delay in the consultation. Diagnosis of admission and number of pre-admission consultations were significant. Future studies, with more representative samples, are necessary to deepen the knowledge of the predictive factors of gravity.
Objetivos: Descrever características clínicas e parceiro ambiental das crianças < de 6 meses hospitalizados para baixa infecção respiratória aguda (IRAB) e para explorar os preditores de severidade. Metodologia: observação, transversal, estudo de caso-controle entre 1/5/14 - 5/8/14. Casos (IRAB severo): necessidade para oxigênio do fluxo elevado e/ou sustentação do ventilador. Controlos (IRAB não severos): hospitalizado em cuidados moderados. Histórias clínicas foram revistas e pais foram entrevistados. Foram excluídas as crianças com infecção respiratória intrahospital e comorbidade. Variáveis: idade, sexo, TAL pontuação, educação materna, superlotação, tabagismo, prematuridade, número de consultas prévias à admissão, atraso na consulta, diagnóstico etiológico de renda. Processamento de dados: software SPSS. Resultados: 396 crianças, 167 casos, 229 controles. Idade média (dias) casos: 77; controles: 76. Explorar modelos binários de regressão logística para explicar a presença de IRAB graves foram preditores estatisticamente significativos: número de consultas prévias (p= 0.035) diagnóstico etiológico de admissão (p= 0.003). Modelo não foi satisfatório porque só conseguiu explicar 4,6% da variabilidade total. Conclusões: explorar diferentes modelos estatísticos não encontrou um satisfatório, a variabilidade total explicada pelo modelo é muito baixa. O modelo não introduziu factores ambientais considerados "a priori" relevantes (hábito de fumar, superlotação) nem o resto das variáveis estudadas: escolaridade e idade materna, estado nutricional para rendimentos, prematuridade e factores comportamental como o atraso na consulta. Diagnóstico de admissão e número de consultas prévias à admissão foram significativos. Estudos futuros, com amostras mais representativas, são necessários para aprofundar o conhecimento dos fatores preditivos da gravidade.