Factores predictores de estancia hospitalaria prolongada tras resección pulmonar anatómica / Predictive factors of prolonged postoperative length of stay after anatomic pulmonary resection

Introducción: El objetivo de este estudio es crear un modelo predictivo de estancia postoperatoria prolongada (EPP) en pacientes sometidos a resección pulmonar anatómica, validarlo en una serie externa y evaluar la influencia de la EPP en el reingreso y la mortalidad a 90 días. Métodos: Se incluyeron todos los pacientes registrados en la base de datos del GEVATS dados de alta tras la intervención. Definimos la EPP como la permanencia postoperatoria en días por encima del percentil 75 de estancia de todos los pacientes de la serie. Se realizó un análisis univariable y multivariable mediante regresión logística y el modelo fue validado en una cohorte externa. Se analizó la posible asociación entre la EPP y el reingreso y la mortalidad a 90 días. Resultados: Se incluyeron en el estudio 3473 pacientes. La mediana de estancia postoperatoria fue de 5 días (RIQ:4-7). Ochocientos quince pacientes tuvieron una EPP (≥8 días), de los que el 79,9% presentaron complicaciones postoperatorias. El modelo final incluyó como variables: edad, IMC, sexo varón, VEF1%ppo, DLCO%ppo y toracotomía; el AUC en la serie de derivación fue de 0,684 (IC95%: 0,661-0,706) y en la de validación de 0,73 (IC95%: 0,681-0,78). Se encontró una asociación significativa entre la EPP y el reingreso (p<0,000) y la mortalidad a 90 días (p<0,000). Conclusiones: Las variables edad, IMC, sexo varón, VEF1%ppo, DLCO%ppo y toracotomía afectan a la EPP. La EPP se asocia con un incremento del riesgo de reingreso y mortalidad a 90 días. El 20% de las EPP no se relacionan con la ocurrencia de complicaciones postoperatorias. (AU)

Introduction: The objective of this study is to create a predictive model of prolonged postoperative length of stay (PLOS) in patients undergoing anatomic lung resection, to validate it in an external series and to evaluate the influence of PLOS on readmission and 90-day mortality. Methods: All patients registered in the GEVATS database discharged after the intervention were included. We define PLOS as the postoperative stay in days above the 75th percentile of stay for all patients in the series. A univariate and multivariate analysis was performed using logistic regression and the model was validated in an external cohort. The possible association between PPE and readmission and mortality at 90 days was analyzed. Results: 3473 patients were included in the study. The median postoperative stay was 5 days (IQR: 4–7). 815 patients had PLOS (≥8 days), of which 79.9% had postoperative complications. The final model included as variables: age, BMI, male sex, ppoFEV1%, ppoDLCO% and thoracotomy; the AUC in the referral series was 0.684 (95% CI: 0.661–0.706) and in the validation series was 0.73 (95% CI: 0.681–0.78). A significant association was found between PLOS and readmission (p<.000) and 90-day mortality (p<.000). Conclusions: The variables age, BMI, male sex, ppoFEV1%, ppoDLCO% and thoracotomy affect PLOS. PLOS is associated with an increased risk of readmission and 90-day mortality. 20% of PLOS are not related to the occurrence of postoperative complications. (AU)

Factores predictores de estancia hospitalaria prolongada tras resección pulmonar anatómica / Predictive factors of prolonged postoperative length of stay after anatomic pulmonary resection

Introducción: El objetivo de este estudio es crear un modelo predictivo de estancia postoperatoria prolongada (EPP) en pacientes sometidos a resección pulmonar anatómica, validarlo en una serie externa y evaluar la influencia de la EPP en el reingreso y la mortalidad a 90 días. Métodos: Se incluyeron todos los pacientes registrados en la base de datos del GEVATS dados de alta tras la intervención. Definimos la EPP como la permanencia postoperatoria en días por encima del percentil 75 de estancia de todos los pacientes de la serie. Se realizó un análisis univariable y multivariable mediante regresión logística y el modelo fue validado en una cohorte externa. Se analizó la posible asociación entre la EPP y el reingreso y la mortalidad a 90 días. Resultados: Se incluyeron en el estudio 3473 pacientes. La mediana de estancia postoperatoria fue de 5 días (RIQ:4-7). Ochocientos quince pacientes tuvieron una EPP (≥8 días), de los que el 79,9% presentaron complicaciones postoperatorias. El modelo final incluyó como variables: edad, IMC, sexo varón, VEF1%ppo, DLCO%ppo y toracotomía; el AUC en la serie de derivación fue de 0,684 (IC95%: 0,661-0,706) y en la de validación de 0,73 (IC95%: 0,681-0,78). Se encontró una asociación significativa entre la EPP y el reingreso (p<0,000) y la mortalidad a 90 días (p<0,000). Conclusiones: Las variables edad, IMC, sexo varón, VEF1%ppo, DLCO%ppo y toracotomía afectan a la EPP. La EPP se asocia con un incremento del riesgo de reingreso y mortalidad a 90 días. El 20% de las EPP no se relacionan con la ocurrencia de complicaciones postoperatorias. (AU)

Introduction: The objective of this study is to create a predictive model of prolonged postoperative length of stay (PLOS) in patients undergoing anatomic lung resection, to validate it in an external series and to evaluate the influence of PLOS on readmission and 90-day mortality. Methods: All patients registered in the GEVATS database discharged after the intervention were included. We define PLOS as the postoperative stay in days above the 75th percentile of stay for all patients in the series. A univariate and multivariate analysis was performed using logistic regression and the model was validated in an external cohort. The possible association between PPE and readmission and mortality at 90 days was analyzed. Results: 3473 patients were included in the study. The median postoperative stay was 5 days (IQR: 4–7). 815 patients had PLOS (≥8 days), of which 79.9% had postoperative complications. The final model included as variables: age, BMI, male sex, ppoFEV1%, ppoDLCO% and thoracotomy; the AUC in the referral series was 0.684 (95% CI: 0.661–0.706) and in the validation series was 0.73 (95% CI: 0.681–0.78). A significant association was found between PLOS and readmission (p<.000) and 90-day mortality (p<.000). Conclusions: The variables age, BMI, male sex, ppoFEV1%, ppoDLCO% and thoracotomy affect PLOS. PLOS is associated with an increased risk of readmission and 90-day mortality. 20% of PLOS are not related to the occurrence of postoperative complications. (AU)

Predictive factors of prolonged postoperative length of stay after anatomic pulmonary resection.

INTRODUCTION: The objective of this study is to create a predictive model of prolonged postoperative length of stay (PLOS) in patients undergoing anatomic lung resection, to validate it in an external series and to evaluate the influence of PLOS on readmission and 90-day mortality. METHODS: All patients registered in the GEVATS database discharged after the intervention were included. We define PLOS as the postoperative stay in days above the 75th percentile of stay for all patients in the series. A univariate and multivariate analysis was performed using logistic regression and the model was validated in an external cohort. The possible association between PLOS and readmission and mortality at 90 days was analyzed. RESULTS: 3473 patients were included in the study. The median postoperative stay was 5 days (IQR: 4-7). 815 patients had PLOS (≥8 days), of which 79.9% had postoperative complications. The final model included as variables: age, BMI, male sex, ppoFEV1%, ppoDLCO% and thoracotomy; the AUC in the referral series was 0.684 (95% CI: 0.661-0.706) and in the validation series was 0.73 (95% CI: 0.681-0.78). A significant association was found between PLOS and readmission (p < .000) and 90-day mortality (p < .000). CONCLUSIONS: The variables age, BMI, male sex, ppoFEV1%, ppoDLCO% and thoracotomy affect PLOS. PLOS is associated with an increased risk of readmission and 90-day mortality. 20% of PLOS are not related to the occurrence of postoperative complications.

Riesgo quirúrgico tras resección pulmonar anatómica en cirugía torácica. Modelo predictivo a partir de una base de datos nacional multicéntrica / Surgical Risk Following Anatomic Lung Resection in Thoracic Surgery: A Prediction Model Derived from a Spanish Multicenter Database

Introducción: El objetivo es obtener un modelo predictor de riesgo quirúrgico en pacientes sometidos a resecciones pulmonares anatómicas a partir del registro del Grupo Español de Cirugía Torácica Videoasistida. Métodos: Se recogen datos de 3.533 pacientes sometidos a resección pulmonar anatómica por cualquier diagnóstico entre el 20 de diciembre de 2016 y el 20 de marzo de 2018.Definimos una variable resultado combinada: mortalidad o complicación Clavien Dindo IV a 90 días tras intervención quirúrgica. Se realizó análisis univariable y multivariable por regresión logística. La validación interna del modelo se llevó a cabo por técnicas de remuestreo. Resultados: La incidencia de la variable resultado fue del 4,29% (IC 95%: 3,6-4,9). Las variables que permanecen en el modelo logístico final fueron: edad, sexo, resección pulmonar oncológica previa, disnea (mMRC), neumonectomía derecha y DLCOppo. Los parámetros de rendimiento del modelo, ajustados por remuestreo, fueron: C-statistic 0,712 (IC 95%: 0,648-0,750), Brier score 0,042 y Booststrap shrinkage 0,854. Conclusiones: El modelo predictivo de riesgo obtenido a partir de la base de datos Grupo Español de Cirugía Torácica Videoasistida es un modelo sencillo, válido y fiable, y constituye una herramienta muy útil a la hora de establecer el riesgo de un paciente que se va a someter a una resección pulmonar anatómica. (AU)

Introduction: The aim of this study was to develop a surgical risk prediction model in patients undergoing anatomic lung resections from the registry of the Spanish Video-Assisted Thoracic Surgery Group (GEVATS). Methods: Data were collected from 3,533 patients undergoing anatomic lung resection for any diagnosis between December 20, 2016 and March 20, 2018.We defined a combined outcome variable: death or Clavien Dindo grade IV complication at 90 day.s after surgery. Univariate and multivariate analyses were performed by logistic regression. Internal validation of the model was performed using resampling techniques. Results: The incidence of the outcome variable was 4.29% (95% CI 3.6-4.9). The variables remaining in the final logistic model were: age, sex, previous lung cancer resection, dyspnea (mMRC), right pneumonectomy, and ppo DLCO. The performance parameters of the model adjusted by resampling were: C-statistic 0.712 (95% CI 0.648-0.750), Brier score 0.042 and bootstrap shrinkage 0.854. Conclusions: The risk prediction model obtained from the GEVATS database is a simple, valid, and reliable model that is a useful tool for establishing the risk of a patient undergoing anatomic lung resection. (AU)

[Translated article] Surgical Risk Following Anatomic Lung Resection in Thoracic Surgery: A Prediction Model Derived From a Spanish Multicenter Database / Riesgo quirúrgico tras resección pulmonar anatómica en cirugía torácica. Modelo predictivo a partir de una base de datos nacional multicéntrica

Introduction: The aim of this study was to develop a surgical risk prediction model in patients undergoing anatomic lung resections from the registry of the Spanish Video-Assisted Thoracic Surgery Group (GEVATS). Methods: Data were collected from 3,533 patients undergoing anatomic lung resection for any diagnosis between December 20, 2016 and March 20, 2018.We defined a combined outcome variable: death or Clavien Dindo grade IV complication at 90 day.s after surgery. Univariate and multivariate analyses were performed by logistic regression. Internal validation of the model was performed using resampling techniques. Results: The incidence of the outcome variable was 4.29% (95% CI 3.6-4.9). The variables remaining in the final logistic model were: age, sex, previous lung cancer resection, dyspnea (mMRC), right pneumonectomy, and ppo DLCO. The performance parameters of the model adjusted by resampling were: C-statistic 0.712 (95% CI 0.648-0.750), Brier score 0.042 and bootstrap shrinkage 0.854. Conclusions: The risk prediction model obtained from the GEVATS database is a simple, valid, and reliable model that is a useful tool for establishing the risk of a patient undergoing anatomic lung resection. (AU)

Introducción: El objetivo es obtener un modelo predictor de riesgo quirúrgico en pacientes sometidos a resecciones pulmonares anatómicas a partir del registro del Grupo Español de Cirugía Torácica Videoasistida. Métodos: Se recogen datos de 3.533 pacientes sometidos a resección pulmonar anatómica por cualquier diagnóstico entre el 20 de diciembre de 2016 y el 20 de marzo de 2018.Definimos una variable resultado combinada: mortalidad o complicación Clavien Dindo IV a 90 días tras intervención quirúrgica. Se realizó análisis univariable y multivariable por regresión logística. La validación interna del modelo se llevó a cabo por técnicas de remuestreo. Resultados: La incidencia de la variable resultado fue del 4,29% (IC 95%: 3,6-4,9). Las variables que permanecen en el modelo logístico final fueron: edad, sexo, resección pulmonar oncológica previa, disnea (mMRC), neumonectomía derecha y DLCOppo. Los parámetros de rendimiento del modelo, ajustados por remuestreo, fueron: C-statistic 0,712 (IC 95%: 0,648-0,750), Brier score 0,042 y Booststrap shrinkage 0,854. Conclusiones: El modelo predictivo de riesgo obtenido a partir de la base de datos Grupo Español de Cirugía Torácica Videoasistida es un modelo sencillo, válido y fiable, y constituye una herramienta muy útil a la hora de establecer el riesgo de un paciente que se va a someter a una resección pulmonar anatómica. (AU)

Surgical Risk Following Anatomic Lung Resection in Thoracic Surgery: A Prediction Model Derived from a Spanish Multicenter Database. / Riesgo quirúrgico tras resección pulmonar anatómica en cirugía torácica. Modelo predictivo a partir de una base de datos nacional multicéntrica.

INTRODUCTION: The aim of this study was to develop a surgical risk prediction model in patients undergoing anatomic lung resections from the registry of the Spanish Video-Assisted Thoracic Surgery Group (GEVATS). METHODS: Data were collected from 3,533 patients undergoing anatomic lung resection for any diagnosis between December 20, 2016 and March 20, 2018. We defined a combined outcome variable: death or Clavien Dindo grade IV complication at 90 days after surgery. Univariate and multivariate analyses were performed by logistic regression. Internal validation of the model was performed using resampling techniques. RESULTS: The incidence of the outcome variable was 4.29% (95% CI 3.6-4.9). The variables remaining in the final logistic model were: age, sex, previous lung cancer resection, dyspnea (mMRC), right pneumonectomy, and ppo DLCO. The performance parameters of the model adjusted by resampling were: C-statistic 0.712 (95% CI 0.648-0.750), Brier score 0.042 and bootstrap shrinkage 0.854. CONCLUSIONS: The risk prediction model obtained from the GEVATS database is a simple, valid, and reliable model that is a useful tool for establishing the risk of a patient undergoing anatomic lung resection.