Acceso usuarios
Joan María Raurich Puigdevall, Juan Antonio Llompart Pou, Mireia Ferreruela Serlavos, María Riera Sagrera, Javier Homar Ramírez, Pedro Marsé Milla, Asunción Colomar, José Ignacio Ayestarán Rota
Introducción: el concepto de “control calórico estricto” surgió para evitar la excesiva y la deficiente nutrición de los pacientes.
Objetivo: describir y validar una ecuación simplificada para el cálculo del gasto energético total (GET) en pacientes críticos con ventilación mecánica.
Métodos: análisis secundario de las mediciones de GET por calorimetría indirecta en pacientes críticos. Los pacientes fueron asignados de forma 2:1 por un paquete estadístico; el primer grupo se empleó para desarrollar la nueva ecuación predictiva del GET (grupo predictivo) y el segundo para validarla (grupo validación). La calorimetría indirecta se realizó con tres calorímetros diferentes: la bolsa de Douglas, un computador metabólico y el equipo Calorimet®. Hemos desarrollado la nueva ecuación predictiva del GET utilizando el GET medido (en kcal/kg/d), como variable dependiente, y como variables independientes los diferentes factores que influyen en el gasto energético: edad, género, índice de masa corporal (IMC) y tipo de lesión.
Resultados: el grupo de predicción incluyó 179 pacientes y el de validación 91 pacientes. La ecuación predictiva fue: GETEP = 33 - (3 x E) - (3 x IMC) - (1 x G). Donde: E (edad en años): ≤ 50 = 0; > 50 = 1. IMC (kg / m2): 18,5-24,9 = 0; 25-29,9 = 1; 30-34,9 = 2; 35-39,9 = 3. G (género): hombre = 0; mujer = 1. El sesgo (IC del 95%) entre el GET medido y el predicho fue de -0,1 (-1,0 a 0,7) kcal/ kg/día y los límites de acuerdo (± 2SD) fueron -8,0 a 7,8 kcal/kg/d. El GET por la ecuación predictiva fue preciso (entre el 85% y el 115%) en el 73,6% de los pacientes.
Conclusiones: La nueva ecuación predictiva fue aceptable para predecir el GET de la mayoría de pacientes críticos con ventilación mecánica en la práctica clínica.
Introduction: “tight calorie control” concept arose to avoid over- and under-feeding of patients.
Objective: to describe and validate a simplified predictive equation of total energy expenditure (TEE) in mechanically ventilated critically ill patients.
Methods: this was a secondary analysis of measurements of TEE by indirect calorimetry in critically ill patients. Patients were allocated in a 2:1 form by a computer package to develop the new predictive equation TEE (prediction cohort) and the validation cohort. Indirect calorimetry was performed with three different calorimeters: the Douglas-bag, a metabolic computer and the Calorimet®. We developed a new TEE predictive equation using measured TEE (in kcal/kg/d) as dependent variable and as independent variables different factors known to influence energy expenditure: age, gender, body mass index (BMI) and type of injury.
Results: prediction cohort: 179 patients. Validation cohort: 91 patients. The equation was: TEEPE (kcal/Kg/d) = 33 - (3 x A) - (3 x BMI) - (1 x G). Where: A (age in years): ≤ 50 = 0; > 50 = 1. BMI (Kg/m2): 18.5 – 24.9 = 0; 25 – 29.9 = 1; 30 – 34.9 = 2; 35 – 39.9 = 3. G (gender): male = 0; female = 1. The bias (95% CI) was -0.1 (-1.0 – 0.7) kcal/kg/d and the limits of agreement (± 2SD) were -8.0 to 7.8 kcal/kg/d. Predicted TEE was accurate (within 85% to 115%) in 73.6% of patients.
Conclusion: the new predictive equation was acceptable to predict TEE in clinical practice for most mechanically ventilated critically ill patients.
