Desenvolvimento e validação de um modelo de risco para complicações respiratórias perioperatórias em crianças submetidas a cirurgias não cardíacas

Abstract

As complicações respiratórias perioperatórias (CRPO) são as complicações anestésicas mais comuns em crianças. Identificar e estimar o risco perioperatório é desejável, especialmente em países com poucos recursos. Este estudo tem como objetivo identificar fatores de risco, desenvolver e validar um modelo de risco para CRPO. Uma análise de regressão logística multivariada para predizer CRPO foi realizada a partir de uma coorte de pacientes com menos de 16 anos submetidos a cirurgias não cardíacas em dois hospitais públicos do sul do Brasil. Preditores relacionados a anestesia, cirurgia e condições clínicas dos pacientes foram avaliados. A coorte incluiu 1339 pacientes. CRPO ocorreram em 214 pacientes (15.9%). O modelo logístico final incluiu idade menor de 1 ano, resfriado atual, prematuridade, doenças pulmonares ou de vias aéreas e a interação entre intubação traqueal e cirurgias de vias aéreas. O modelo demonstrou boa capacidade discriminativa com uma área sob a curva ROC de 0,718 (IC 95% 0.68-0.756). A calibração foi adequada e o teste de Hosmer-Lemeshow foi 3.06 (p=0.801). O escore de Brier foi 0.1204 ( IC 95% 0.1196-0.1215) confirmando uma performance excelente do modelo. A técnica de bootstrapping foi realizada para a validação interna e obteve área sob curva ROC variando entre 0.707-0.717 para cada amostra gerada. Nosso modelo teve acurácia superior ao Escore de COLDS (área sob a curva ROC 0.717 vs 0.635; p<0.01). Nosso modelo se mostrou eficiente em identificar crianças sob risco de CRPO. Ele é de especial importância em cenários de poucos recursos, onde poderá estimular a discussão em anestesia pediátrica, padrões de cuidados e projetos de melhorias focados em reduzir complicações respiratórias.

Perioperative respiratory adverse events (PRAE) are the most common anesthetic complications in children. Identifying and estimating perioperative risk is desirable, especially in low- and middle-income countries. This study aimed to identify risk factors, develop and validate a risk model for PRAE. A multivariate logistic regression analysis to predict PRAE was developed in a cohort of patients < 16 years in two public hospitals in Brazil. Predictors related to anesthesia, surgery and the patient's clinical condition were evaluated. The cohort included 1339 patients. PRAE occurred in 214 patients (15.9%). The final model included age < 1 year, current cold, prematurity, lung or airway disease, and the interaction between tracheal intubation and airway surgery. It showed good discrimination with an area under the receiver operating characteristic curve (AUROC) of 0.718 (95% CI 0.68-0.756). Calibration was adequate Hosmer-Lemeshow was 3.06 (p=0.801). Brier score was 0.1204 (95% CI 0.1195-0.1215) confirming its excellent overall performance. The bootstrapping procedure that was carried out for internal validation provided AUCs varying from 0.707 to 0.717 for each generated sample. Our model had superior accuracy to the COLDS Score (AUROC, 0.717 vs 0.635; p<0.01). Our model proved to be efficient in identifying children at risk for PRAE. It is especially important in low-resource settings, where it will be able to stimulate the discussion on pediatric anesthesia, standards of care and quality improvement projects focused on reducing pulmonary adverse events.