Mendieta PMD, Bender BJE, Torres CV, González LI

Language: Spanish
References: 19
Page: 312-325
PDF size: 1125.42 Kb.

ABSTRACT

Introduction: Death because of acute cerebrovascular diseases are frequent in the third age patients. There are predictive scales that are based on the evaluation neurologic sphere, and predict the rehabilitator and life prognosis but they do not evaluate completely the patient.
Objective: To elaborate proposal of a predictive death scale to estimate the risk of death of patients with acute ischemic brain infarct admitted patients in hospitals from Mayabeque.
Methods: An exploratory, cross sectional, explicative, and multicentric study was carried out in admitted patients of the hospital area. The universe was formed by patients with acute ischemic brain infarct and the sample was constituted by 300 patients who suffered from the disease. A multivariate analysis of Categorical Main Components was applied, it allowed the selection of the variables to study. The application of the optimal stepping through the dendogram favored la creation of the risk groups.
Results: The analysis of the impact of the variables showed the mean in 0 and the standard deviation in 1. The Alfa de Cronbach index was of 0.9. Groups of high and low risk of death were created. The presence of stupor or coma, pneumonias, cardiac failure, pulmonary thromboembolism, hydro electrolytic unbalance, headache, malignant hypertension, focal neurological deficits, age older than 65 years old, previous brain infarcts, high glycemia, personal history of hypertension, transitory ischemic attack, diabetes mellitus, constituted the scale.
Conclusions: The proposed scale of mortality risk from Mayabeque for the acute brain infarct allows to estimate the risk of mortality with accuracy in patients with acute ischemic cerebral infarct.

REFERENCES

1. SIDCA [Internet]. Panamá: Universidad de Panamá; 2017 [citado 27 Ene 2020]. Disponible en: http://up-rid.up.ac.pa/1571/1/eyda%20escudero.pdf

2. Francia Santamaría E. Predicción de la mortalidad intrahospitalaria en Medicina Interna [Internet]. Barcelona: Universidad Autónoma de Barcelona, Departamento de Medicina; 2012 [citado 28 Ene 2020]. Disponible en: https://ddd.uab.cat/pub/tesis/2011/hdl_10803_108094/efs1de1.pdf

3. Piloto González R, Herrera Miranda GL, Ramos Aguila YC, Mujica González DB, Gutiérrez Pérez M. Caracterización clínica-epidemiológica de la enfermedad cerebrovascular en el adulto mayor. Rev Ciencias Médicas Pinar del Río [Internet]. 2015 [citado 28 Ene 2020];19(6). Disponible en: http://www.revcmpinar.sld.cu/index.php/publicaciones/article/view/2316/html_146

4. Ministerio de Salud Pública. Anuario estadístico de salud 2017 [Internet]. La Habana: MINSAP; 2018 [citado 7 Dic 2018]. Disponible en: files.sld.cu/dne/files/2018/04/Anuario-Electronico-Español-2017-ed-2018.pdf

5. Centro Nacional de Información de Ciencias Médicas, Biblioteca Médica Nacional. Accidente cerebrovascular: estadísticas mundiales. Factográfico de Salud [Internet]. 2017 Oct [citado 28 Ene 2020];3(12). Disponible en: http://files.sld.cu/bmn/files/2017/12/factografico-de-salud-diciembre-2017.pdf

6. Linting M. Nonparametric inference in nonlinear principal components analysis: exploration and beyond [Tesis]. Leiden: Leiden University; 2007 [citado 28 Ene 2020]. Disponible en: https://openaccess.leidenuniv.nl/handle/1887/12386

7. Young FW. Análisis cuantitativo de datos cualitativos. CEO [Internet]. 2005 [citado 28 Ene 2020];12. Disponible en: https://revistas.udea.edu.co/index.php/ceo/article/view/7489/6895

8. Portillo F, Mar C, Martínez T. Métodos no lineales de escalado óptimo: una aplicación al análisis del empleo en la compañía ferroviaria MZA. Doc de Trabajo del Departamento de Economía y Empresa [Internet]. 2007 [citado 28 Ene 2020];2. Disponible en: https://publicaciones.unirioja.es/ojs/index.php/dtdee/article/view/669/632

9. Torres V, Ramos N, Lizazo D, Monteagudo F, Noda A. Modelo estadístico para la medición del impacto de la innovación o transferencia tecnológica en la rama agropecuaria. Revista Cubana de Ciencia Agrícola [Internet]. 2008 [citado 27 Ene 2020];42(2):133-9. Disponible en: https://www.redalyc.org/articulo.oa?id=193015494003

10. Steel RG, Torrie IH. Bioestadística principios y procedimientos. México: McGraw-Hill Interamericana; 1998. p.740.

11. Guerra W, Herrera M Fernández L, Rodríguez Álvarez N. Modelo de regresión categórica para el análisis e interpretación de la potencia estadística. Cuban J Agric Sci [Internet]. 2019 [citado 27 Ene 2020];53(1):13-20. Disponible en: http://scielo.sld.cu/scielo.php?script=sci_arttext&pid=S2079-34802019000100013&lng=es&nrm=iso&tlng=es

12. López González E, Hidalgo Sánchez R. Escalamiento Multidimensional No Métrico. Un ejemplo con Rempleando el algoritmo SMACOF. Estudios sobre Educación [Internet]. 2010 [citado 16 Ene 2020];18:9-35. Disponible en: https://revistas.unav.edu/index.php/estudios-sobre-educacion/article/view/4650

13. Cascaes da Silva F, Gonçalves E, Valdivia Arancibia BA, Bento Gisele G, Silva Castro TL da, Soleman Hernandez SS, et al. Estimadores de consistencia interna en las investigaciones en salud: el uso del coeficiente alfa. Rev Perú Med Exp Salud Pública [Internet]. 2015 [citado 16 Ene 2020];32(1):129-38. Disponible en: http://www.scielo.org.pe/scielo.php?script=sci_arttext&pid=S1726-46342015000100019

14. Contreras Espinoza S, Novoa-Muñoz F. Ventajas del alfa ordinal respecto al alfa de Cronbach ilustradas con la encuesta AUDIT-OMS. Rev Panam Salud Pública [Internet]. 2018 [citado 16 Ene 2020];42:e65. Disponible en: https://www.scielosp.org/article/rpsp/2018.v42/e65#

15. Mittal S, Govil T. Identification of mortality-related predictive factors in hospitalized patients with ischemic stroke. N Downloaded [Internet]. 2015 [citado 15 Ene 2020];1(4). Disponible en: http://www.astrocyte.in/temp/Astrocyte14272-5209521_142815.pdf

16. Almeida Sara RM, Bahia Mariana M, Lima Fabrício O, Paschoal Ilma ., Cardoso Tânia AM , Min Li . Predictors of pneumonia in acute stroke in patients in an emergency unit. Arq. Neuro-Psiquiatr [Internet]. 2015 May [citado 11 Ago 2020];73(5):415-419. Disponible en: http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0004-282X2015000500008&lng=en

17. Şimşek BK, Özer G. Evaluation of stroke mortality and related risk factors: A single-center cohort study from Gaziantep, Turkey. J Surg Med [Internet]. 2019 [citado 15 Ene 2020];3(3):231-34. Disponible en: http://jsurgmed.com/en/download/article-file/665137

18. Gala Błądzińska A, Czarnot J,Kaczorowski R, Braun M, Gargasz K, Bartosik-Psujek H. Mild hyponatremia discovered within the first 24 hours of ischemic stroke is a risk factor for early post stroke mortality. Adv Clin Exp Med [Internet]. 2019 [citado 8 Ene 2020];28(10). Disponible en: http://www.advances.umed.wroc.pl/pdf/2019/28/10/1321.pdf

19. Fekadu G, Chelkeba L, Kebede A. Risk factors, clinical presentations and predictors of stroke among adult patients admitted to stroke unit of Jimma university medical center, south west Ethiopia: prospective observational study. BMC Neurology [Internet]. 2019 [citado 15 Ene 2020];19(1):187. Disponible en: https://www.ncbi.nlm.nih.gov/pmc/articles/PMC6685251/pdf/12883_2019_Article_1409.pdf