Your browser doesn't support javascript.
loading
Prognostic predictive model for PONV in cesarean delivery
De La Peña, Michael; Giraldo, Olga Lucía; Aguirre, Daniel Camilo; De La Peña, Ancízar Joaquín; Arango, José Julián; Martínez, Ricardo.
  • De La Peña, Michael; s.af
  • Giraldo, Olga Lucía; s.af
  • Aguirre, Daniel Camilo; s.af
  • De La Peña, Ancízar Joaquín; s.af
  • Arango, José Julián; s.af
  • Martínez, Ricardo; s.af
Rev. colomb. anestesiol ; 51(3)sept. 2023.
Artigo em Inglês | LILACS-Express | LILACS | ID: biblio-1535691
ABSTRACT

Introduction:

Apfel simplified risk score for postoperative nausea and vomiting (PONV) has shown to be useful in anesthesia; however, since it has not been calibrated in regional anesthesia or in pregnant patients, its use in cesarean section is limited.

Objective:

To develop a prognostic predictive model for postoperative nausea and vomiting in pregnant patients undergoing cesarean section under spinal anesthesia.

Methods:

In a cohort of 703 term pregnant patients scheduled of cesarean section, 15 variables were prospectively assessed, to design a prognostic predictive model for the development of postoperative nausea and vomiting. A logistic regression analysis was used to construct the model and its calibration and discrimination were based on the Hosmer-Lemeshow test, the calibration curves, and C statistic. Additionally, the internal calibration was performed with the Bootstrap resampling method.

Results:

Postoperative nausea and vomiting were experienced by 27% of the patients during the first six hours after surgery. The model included as prognostic variables the development of intraoperative nausea and vomiting, age under 28 years, a history of PONV, the mother's BMI and the weight of the newborn baby. The model showed an adequate calibration (x2 4.65 p 0.5888), though a low discrimination (Statistic C = 0.68).

Conclusions:

A prognostic predictive model was created for the development of PONV in cesarean section. This model was used to build a prognostic scale for the classification of patients into risk groups.
RESUMEN

Introducción:

La escala de riesgo simplificada de Apfel para náuseas y vómito posoperatorio (NVPO) ha mostrado utilidad en anestesia; sin embargo, al no haber sido calibrada en anestesia regional o en pacientes embarazadas, su utilidad en cesárea es limitado.

Objetivo:

Desarrollar un modelo de predicción pronóstica para náuseas y vómito posoperatorios en pacientes embarazadas, llevadas a cesárea bajo anestesia espinal.

Métodos:

En una cohorte de 703 pacientes con embarazo a término programadas para cesárea, se evaluaron 15 variables de forma prospectiva para construir un modelo de predicción pronóstica para el desarrollo de náuseas y vómito posoperatorio. Se utilizó el análisis de regresión logística para la construcción del modelo y se calculó su calibración y discriminación con la prueba de Hosmer-Lemeshow, las curvas de calibración y el estadístico C. Además, se realizó la calibración interna con el método de remuestreo Bootstrap.

Resultados:

Las náuseas y vómito posoperatorio se presentaron en el 27% de las pacientes durante las primeras seis horas después de la cirugía. El modelo incluyó como variables pro-nósticas el desarrollo de náuseas y vómito en el intraoperatorio, edad menor de 28 años, antecedentes de NVPO, índice de masa corporal (IMC) de la madre y el peso del recién nacido. El modelo mostró una adecuada calibración (x2 4,65 p 0,5888), aunque una baja discriminación (Estadístico C = 0,68).

Conclusiones:

Se construyó un modelo de predicción pronóstica para el desarrollo de NVPO en cirugía cesárea, y con este se construyó una escala pronóstica que permite clasificar a las pacientes por grupos de riesgo.

Texto completo: DisponíveL Índice: LILACS (Américas) Idioma: Inglês Revista: Rev. colomb. anestesiol Assunto da revista: Anestesiologia Ano de publicação: 2023 Tipo de documento: Artigo

Similares

MEDLINE

...
LILACS

LIS

Texto completo: DisponíveL Índice: LILACS (Américas) Idioma: Inglês Revista: Rev. colomb. anestesiol Assunto da revista: Anestesiologia Ano de publicação: 2023 Tipo de documento: Artigo