Perfil de microrganismos e sítios de infecção em pacientes com sepse : uma análise retrospectiva do Banco de Dados MIMIC-III

Abstract

A sepse é uma das causas mais comuns de morte em pacientes hospitalizados na unidade de terapia intensiva (UTI). Este trabalho busca, de forma retrospectiva, investigar o perfil microbiológico de pacientes com sepse internados em UTI durante o período de 2002 a 2011, a partir de dados do banco Medical Information Mart for Intensive Care III (MIMIC-III) utilizando o Jupyter Notebook e linguagem de programação Python para realizar uma análise exploratória dos dados. 4442 (80,1%) pacientes possuíam exames culturais positivos e a maioria delas foi de hemocultura, com 2447 amostras (21,75%). Neste sítio os microrganismos prevalentes foram Staphylococcus coagulase negativa (23,2%), Staphylococcus aureus (15,4%) e Escherichia coli (11%). Os sítios de infecção relacionados a pacientes com sepse foram o trato respiratório (23,22%) e o trato urinário (20,91%). Os resultados corroboraram com a literatura. O código está disponível no GitHub de maneira opensource e espera-se que seja feito mais análises e novos insights utilizando a ferramenta do notebook.

Sepsis is one of the most common causes of death in patients hospitalized in the intensive care unit (ICU). This paper goal, retrospectively, to investigate the microbiological profile of patients with sepsis admitted to the ICU during the period from 2002 to 2011, using data from the Medical Information Mart for Intensive Care III (MIMIC-III) database using the Jupyter Notebook and Python programming language to perform exploratory data analysis. Of the total evaluated patients, 4442 (80.1%) patients had positive cultural exams and most of these positive samples were blood culture, with 2447 samples (21.75%). The prevalent microorganisms in this site were Staphylococcus coagulase negative (23.2%), Staphylococcus aureus (15.4%) and Escherichia coli (11%). The infection sites related to patients with sepsis were the respiratory tract (23.22%) and the urinary tract (20.91%). The results corroborate with the literature. The code is available on GitHub in an open source way and it is expected that further analysis and new insights will be made using the notebook tool.