Este estudio presenta un flujo de trabajo clínico retrospectivo para estimar el riesgo de hipertensión pulmonar en pacientes ancianos hospitalizados con una exacerbación aguda de la enfermedad pulmonar obstructiva crónica, utilizando variables clínicas disponibles de forma rutinaria y un modelo de predicción basado en un nomograma.
Artículo de investigación
Nomograma de datos rutinarios para estimar el riesgo de hipertensión pulmonar en pacientes ancianos con exacerbación aguda de la enfermedad pulmonar obstructiva crónica
En este artículo
Resumen
Resumen
La hipertensión pulmonar es una complicación clínicamente importante en pacientes ancianos hospitalizados por exacerbación aguda de la enfermedad pulmonar obstructiva crónica, pero la estimación temprana del riesgo sigue siendo difícil en entornos hospitalarios primarios y con recursos limitados. Este estudio de cohorte retrospectivo desarrolló y evaluó internamente un nomograma basado en datos de rutina para estimar el riesgo de hipertensión pulmonar. Se analizó un total de 230 pacientes ancianos hospitalizados por exacerbación aguda de enfermedad pulmonar obstructiva crónica entre mayo de 2023 y mayo de 2025. Los pacientes se clasificaron en grupos de no hipertensión pulmonar e hipertensión pulmonar según los hallazgos de ecocardiografía transtorácica. Se compararon entre grupos las características demográficas, comorbilidades, índices del hemograma, marcadores de coagulación, marcadores inflamatorios y marcadores de estrés cardíaco. Los predictores candidatos se seleccionaron mediante análisis univariado, evaluación de relevancia clínica, evaluación de redundancia y regresión logística multivariable. Cuatro variables —la relación neutrófilos-linfocitos, el péptido natriurético tipo B, el dímero D y la historia de asma— se asociaron independientemente con hipertensión pulmonar y se incorporaron al nomograma principal. El modelo mostró una buena capacidad de discriminación, con un área bajo la curva ROC de 0,82. El análisis de curva de decisión indicó un beneficio neto potencial en probabilidades umbral de aproximadamente del 1 % al 70 %. Los resultados de calibración requirieron interpretación cautelosa debido a una desviación residual en la calibración. Este flujo de trabajo proporciona un enfoque práctico para la estratificación temprana del riesgo de hipertensión pulmonar en pacientes ancianos hospitalizados por exacerbación aguda de enfermedad pulmonar obstructiva crónica. Sin embargo, se requiere validación externa y recalibración del modelo antes de su implementación clínica más amplia.
Introducción
La enfermedad pulmonar obstructiva crónica es un trastorno respiratorio crónico común caracterizado por una limitación persistente del flujo de aire, síntomas respiratorios y episodios recurrentes de deterioro clínico. Sigue siendo un factor importante de morbilidad, mortalidad y carga para el sistema de salud a nivel mundial1. La exacerbación aguda de la enfermedad pulmonar obstructiva crónica se refiere a un empeoramiento agudo de los síntomas respiratorios, incluyendo disnea, tos y producción de esputo, y con frecuencia es desencadenada por infecciones, exposición ambiental u otros daños agudos2. En pacientes ancianos, las exacerbaciones agudas ocurren a menudo en presencia de multimorbilidad, reserva cardiorrespiratoria disminuida, inflamación sistémica y tolerancia fisiológica reducida, lo que aumenta la dificultad de la evaluación temprana del riesgo.
La hipertensión pulmonar es una complicación importante de la enfermedad pulmonar obstructiva crónica, particularmente durante las exacerbaciones agudas. Su desarrollo se asocia con hipoxia crónica, remodelación vascular pulmonar, disfunción endotelial, activación inflamatoria y aumento de la poscarga del ventrículo derecho3. Se ha observado presión elevada en la arteria pulmonar en pacientes con exacerbación aguda de la enfermedad pulmonar obstructiva crónica y puede empeorar el fracaso respiratorio, la sobrecarga del corazón derecho, la carga hospitalaria y la supervivencia4. Este impacto pronóstico es particularmente importante en pacientes mayores y en aquellos con enfermedad cardiorrespiratoria avanzada5,6. Por lo tanto, la identificación temprana de pacientes con mayor riesgo de hipertensión pulmonar puede favorecer un monitoreo más estrecho, una evaluación ecocardiográfica oportuna y la derivación para una evaluación cardiorrespiratoria adicional.
La cateterización del lado derecho del corazón sigue siendo el estándar de referencia para confirmar la hipertensión pulmonar; sin embargo, su invasividad, costo, requisitos técnicos y disponibilidad limitada restringen su uso como procedimiento inicial de cribado en muchos hospitales primarios y de nivel municipal7. La ecocardiografía transtorácica se utiliza ampliamente como método de evaluación no invasivo, pero su fiabilidad puede verse afectada por la hiperinsuflación, ventanas acústicas deficientes y cambios enfisematosos en pacientes con enfermedad pulmonar obstructiva crónica8. Aunque estas limitaciones no disminuyen el valor clínico de la ecocardiografía, destacan la necesidad de un flujo de trabajo sencillo para la estimación del riesgo que pueda aplicarse antes o junto con la evaluación basada en imágenes.
Las variables clínicas y de laboratorio de rutina pueden ayudar a abordar esta necesidad. La relación neutrófilos-linfocitos se calcula a partir de los resultados del recuento sanguíneo completo y refleja el equilibrio entre la inflamación impulsada por neutrófilos y la regulación inmunitaria relacionada con linfocitos9. Se ha asociado con la actividad de la enfermedad y resultados adversos en afecciones pulmonares y cardiovasculares10. El péptido natriurético tipo B es un marcador fácilmente disponible del estrés en la pared miocárdica, la sobrecarga de presión en el ventrículo derecho y la tensión cardiopulmonar11. El D-dímero refleja la activación de la coagulación y la fibrinólisis secundaria, y puede aumentar durante exacerbaciones agudas debido a hipoxemia, infección, lesión endotelial y reducción de la movilidad12. Sin embargo, es poco probable que un solo biomarcador capture el perfil completo de riesgo de hipertensión pulmonar en pacientes ancianos con exacerbación aguda de la enfermedad pulmonar obstructiva crónica.
Un nomograma proporciona un medio práctico para traducir un modelo de predicción multivariable en una estimación de riesgo individualizada. En comparación con informar únicamente los coeficientes de regresión, permite integrar múltiples predictores a nivel del paciente en una herramienta clínicamente interpretable13. Estudios previos de predicción clínica han utilizado modelos basados en nomogramas para apoyar la estimación de riesgo al pie de la cama, pero su utilidad depende de una selección transparente de predictores, una calibración adecuada, validación e interpretación cuidadosa14. La novedad del presente estudio radica en desarrollar un flujo de trabajo basado en datos de rutina para pacientes ancianos hospitalizados con exacerbación aguda de enfermedad pulmonar obstructiva crónica, integrando información inflamatoria, de estrés cardíaco, relacionada con la coagulación y del fenotipo de las vías respiratorias en un nomograma práctico. El estudio tuvo como objetivo identificar predictores clínicos asociados con hipertensión pulmonar definida mediante ecocardiografía y construir un modelo validado internamente para estratificación temprana del riesgo, más que para un diagnóstico definitivo.
Protocolo
El protocolo del estudio fue revisado y aprobado por el Comité de Ética del Hospital del Condado de Santai de Medicina Tradicional China en la provincia de Sichuan, Mianyang (Número de aprobación: 2025003). El estudio se llevó a cabo de acuerdo con los principios de la Declaración de Helsinki. Se obtuvo el consentimiento informado por escrito de cada paciente o de un pariente de primer grado antes de su inclusión en el estudio. Este estudio de cohorte retrospectivo revisó los registros clínicos de pacientes ancianos hospitalizados por exacerbación aguda de enfermedad pulmonar obstructiva crónica (AECOPD) en el Departamento de Medicina Respiratoria y Cuidados Críticos del Hospital de Medicina Tradicional China del Condado de Santai entre mayo de 2023 y mayo de 2025. El estudio fue diseñado para identificar predictores clínicos disponibles de forma rutinaria para la hipertensión pulmonar (PH) y para desarrollar un nomograma para la estimación individualizada del riesgo de PH. Los instrumentos de laboratorio, el sistema de ecocardiografía, los materiales para la extracción de sangre, las herramientas para la extracción de datos y el software estadístico utilizados en este procedimiento se enumeraron en la Tabla de Materiales.
1. Evaluación de la selección de pacientes y determinación de elegibilidad
Se examinaron a los pacientes hospitalizados con un diagnóstico de alta de EPOC agudizada durante el período del estudio mediante el sistema electrónico de historias clínicas de pacientes hospitalizados. Se revisó cada registro para confirmar que el paciente tenía al menos 60 años y que el diagnóstico de enfermedad pulmonar obstructiva crónica cumplía con los criterios diagnósticos de la Iniciativa Global para la Enfermedad Pulmonar Obstructiva Crónica de 202115. Se definió la EPOC agudizada como un empeoramiento agudo de los síntomas respiratorios que requirió hospitalización y tratamiento adicional. Para los pacientes con más de un ingreso por EPOC agudizada durante el período del estudio, solo se incluyó la primera hospitalización elegible.
Se incluyeron a los pacientes cuando se cumplían todos los criterios siguientes: edad mínima de 60 años; hospitalización por EPOC agudizada entre mayo de 2023 y mayo de 2025; disponibilidad de ecocardiografía transtorácica durante la hospitalización índice; disponibilidad de la primera muestra de sangre venosa en ayunas tras la admisión; e información clínica, de laboratorio y ecocardiográfica completa necesaria para la construcción del modelo. Se excluyeron a los pacientes si presentaban insuficiencia hepática grave, enfermedad renal en etapa terminal, malignidad activa, hipertensión pulmonar atribuible a otras causas conocidas, enfermedad cardiaca izquierda primaria, enfermedad del tejido conectivo como la esclerosis sistémica, tuberculosis pulmonar activa, o variables clave faltantes necesarias para la clasificación del resultado o la construcción del modelo.
Antes de que los registros se eliminaran debido a información incompleta, se verificaron la edad, el sexo, los antecedentes de tabaquismo, los antecedentes de consumo de alcohol, los antecedentes de alergia a medicamentos, hipertensión, diabetes mellitus, enfermedad coronaria, asma, bronquiectasias, infección pulmonar, enfisema, insuficiencia respiratoria, insuficiencia cardíaca, estado de hipertensión pulmonar según ecocardiografía, índices del hemograma, albúmina, creatinina, proteína C reactiva de alta sensibilidad, D-dímero, fibrinógeno, péptido natriurético tipo B y la relación neutrófilos-linfocitos. Se registró el número de registros evaluados y excluidos, las razones de exclusión y los casos finales incluidos para elaborar el diagrama de flujo de selección de pacientes (Figura 1).
Figura 1: Selección de pacientes y formación de la cohorte. El diagrama de flujo muestra la identificación de registros, evaluación de elegibilidad, exclusión y agrupamiento final de pacientes ancianos hospitalizados con AECOPD. Los pacientes se clasificaron en el grupo sin HP o con HP según los hallazgos de la ecocardiografía transtorácica. Abreviaturas: AECOPD, exacerbación aguda de la enfermedad pulmonar obstructiva crónica; HP, hipertensión pulmonar. Haga clic aquí para ver una versión más grande de esta figura.
2. Agrupación clínica y definición diagnóstica de hipertensión pulmonar
Los pacientes incluidos fueron clasificados en un grupo sin HP o un grupo con HP según los hallazgos ecocardiográficos transtorácicos durante la hospitalización. El marco diagnóstico se basó en las guías de 2015 de la Sociedad Europea de Cardiología/Sociedad Europea de Neumología para la hipertensión pulmonar16. La ecocardiografía transtorácica en reposo se utilizó como base diagnóstica en este conjunto de datos retrospectivo. Los exámenes fueron realizados por médicos ecocardiografistas capacitados, utilizando vistas paraesternales, apicales y subcostales estándar. La interpretabilidad ecocardiográfica fue revisada antes de la asignación a grupos, ya que ventanas acústicas deficientes son comunes en pacientes con enfermedad pulmonar obstructiva crónica. Un registro se consideró adecuado para la clasificación de HP cuando la señal Doppler del reflujo tricuspídeo era medible o cuando el tamaño del ventrículo derecho, el grosor de la pared y la función sistólica podían evaluarse a partir de imágenes cardíacas interpretables.
La presión arterial pulmonar sistólica se estimó utilizando la velocidad máxima del reflujo tricuspídeo y la presión auricular derecha estimada. La presión auricular derecha se estimó a partir del diámetro de la vena cava inferior y su colapso durante la inspiración, cuando ambas mediciones estaban disponibles. Se definió hipertensión pulmonar (PH) como una presión arterial pulmonar sistólica estimada de al menos 40 mmHg. Cuando no fue posible estimar de forma confiable la presión arterial pulmonar sistólica, la clasificación de PH requirió evidencia ecocardiográfica indirecta de afectación del ventrículo derecho, incluyendo agrandamiento del ventrículo derecho, hipertrofia del ventrículo derecho, disfunción sistólica del ventrículo derecho, aplanamiento del tabique interventricular o agrandamiento de la arteria pulmonar. Los registros ecocardiográficos con imágenes poco claras, señales Doppler de reflujo tricuspídeo no rastreables o hallazgos incoherentes en el corazón derecho fueron revisados por un segundo médico ecocardiografista antes de la asignación final al grupo. Los registros que permanecieron ininterpretables tras la revisión fueron excluidos del análisis final. En la cohorte final, 230 pacientes ancianos cumplieron con los criterios de elegibilidad; 120 pacientes fueron asignados al grupo sin PH y 110 pacientes al grupo con PH.
3. Extracción de variables demográficas y clínicas
Todos los datos clínicos se obtuvieron del sistema electrónico de historias clínicas hospitalizadas mediante un formulario estandarizado de recolección de datos. Se registraron sexo, edad, antecedentes de tabaquismo, antecedentes de consumo de alcohol, antecedentes de alergia a medicamentos, hipertensión, diabetes mellitus, enfermedad coronaria, asma, bronquiectasias, infección pulmonar, enfisema, insuficiencia respiratoria e insuficiencia cardíaca. El antecedente de tabaquismo se definió como el consumo a lo largo de la vida de al menos 100 cigarrillos, y el antecedente de consumo de alcohol se definió como el consumo regular de alcohol al menos dos veces por semana.
La infección pulmonar se diagnosticó integrando los síntomas respiratorios, signos físicos, hallazgos de imágenes torácicas y, cuando estaba disponible, evidencia microbiológica. La insuficiencia cardíaca se diagnosticó según las manifestaciones clínicas, signos físicos, niveles de péptido natriurético tipo B y hallazgos ecocardiográficos. La información sobre comorbilidades se verificó cruzadamente con los diagnósticos de alta, notas de evolución, informes de imágenes, informes de laboratorio y registros de consultas, cuando estaban disponibles.
4. Recolección y procesamiento de variables de laboratorio
La primera muestra de sangre venosa en ayunas recolectada la mañana después del ingreso hospitalario se utilizó como fuente de datos de laboratorio. Este punto temporal correspondió a la primera extracción de sangre matutina tras el ingreso y antes del ajuste rutinario diurno del tratamiento, cuando esta información estaba disponible en la historia clínica. Se extrajeron del sistema de información del laboratorio hospitalario los índices del hemograma completo, los índices bioquímicos, los marcadores de coagulación, los marcadores inflamatorios y los marcadores de estrés cardíaco.
Se registraron el recuento de neutrófilos, el recuento de linfocitos, el recuento de plaquetas, el volumen medio de plaquetas y el coeficiente de variación de la amplitud de distribución de eritrocitos a partir del informe de recuento sanguíneo completo. La proporción de neutrófilos a linfocitos se calculó de la siguiente manera:
Se registraron albúmina, creatinina, D-dímero, fibrinógeno, proteína C reactiva de alta sensibilidad y péptido natriurético tipo B a partir de los informes de laboratorio correspondientes. Se utilizaron unidades de medida consistentes en todo el conjunto de datos: albúmina en g/L, creatinina en µmol/L, proteína C reactiva de alta sensibilidad en mg/L, D-dímero en µg/mL, fibrinógeno en g/L, recuento de neutrófilos, recuento de linfocitos y recuento de plaquetas en ×109/L, volumen medio de plaquetas en fL y péptido natriurético tipo B en pg/mL.
5. Limpieza y preparación de datos
El conjunto de datos fue revisado antes del análisis estadístico. Cada registro incluido fue verificado en cuanto a elegibilidad, asignación de grupo, completitud del laboratorio, interpretabilidad ecocardiográfica y disponibilidad de predictores candidatos. Se eliminaron los identificadores personales directos y a cada paciente se le asignó un número de identificación del estudio. Se verificaron registros duplicados, hospitalizaciones repetidas, etiquetas de grupo inconsistentes, fechas imposibles y valores de laboratorio poco probables frente al registro médico electrónico original y al informe de laboratorio. No se realizó imputación para variables clave de resultado o predictores, ya que el modelo final se basó en un análisis de casos completos.
Las variables continuas se revisaron para evaluar sus características de distribución. Las variables con distribución normal se resumieron como media ± desviación estándar; las variables con distribución no normal como mediana con rango intercuartílico; y las variables categóricas como frecuencias y porcentajes. Antes del modelado multivariable, se examinaron las variables clínicamente relacionadas en busca de redundancia. El recuento de neutrófilos y el recuento de linfocitos se revisaron junto con la relación neutrófilos-linfocitos; la infección pulmonar se revisó junto con el recuento de neutrófilos, la proteína C reactiva de alta sensibilidad y la relación neutrófilos-linfocitos; la insuficiencia cardíaca se revisó junto con el péptido natriurético tipo B y los hallazgos cardíacos ecocardiográficos; el D-dímero y el fibrinógeno se revisaron como variables relacionadas con la coagulación; y el recuento de plaquetas, el volumen plaquetario medio y el coeficiente de variación del ancho de distribución eritrocitaria se revisaron como variables hematológicas.
6. Comparación univariada entre grupos
Se compararon las características demográficas, comorbilidades, indicadores de laboratorio y variables de agrupamiento ecocardiográfico entre los grupos sin HP y con HP. Se utilizó la prueba t para muestras independientes para las variables continuas con distribución normal. Para las variables continuas sin distribución normal, se empleó la prueba U de Mann-Whitney. Para las variables categóricas, se usó la prueba χ2 o la prueba exacta de Fisher, según los conteos esperados en las celdas. Se consideró estadísticamente significativo un valor p bilateral menor a 0,05. Las variables con diferencias significativas entre grupos se consideraron para la evaluación multivariable junto con los predictores clínicamente relevantes.
7. Análisis de regresión logística multivariable
Se utilizó regresión logística binaria para identificar predictores independientes asociados con hipertensión pulmonar (PH) en pacientes ancianos con AECOPD. El estado de PH se utilizó como la variable dependiente. Los predictores continuos se ingresaron en sus unidades originales de medición, y los predictores categóricos se codificaron como variables binarias. Las variables candidatas se seleccionaron según los resultados univariados y la relevancia clínica. Primero se identificaron las variables con P < 0,05 en la comparación univariada y luego se revisaron en busca de redundancia, interpretabilidad y superposición clínica.
Las variables candidatas iniciales incluyeron proteína C reactiva de alta sensibilidad, D-dímero, coeficiente de variación del ancho de distribución de eritrocitos, recuento de plaquetas, volumen plaquetario medio, relación neutrófilos-linfocitos, péptido natriurético tipo B, enfermedad coronaria y antecedentes de asma. No se introdujeron simultáneamente el recuento de neutrófilos y el recuento de linfocitos junto con la relación neutrófilos-linfocitos, ya que ambos son componentes de dicha relación. Se evaluaron infección pulmonar e insuficiencia cardíaca durante la evaluación de redundancia. Para examinar si su exclusión afectaba la interpretación del modelo, se realizó un análisis de sensibilidad añadiendo infección pulmonar e insuficiencia cardíaca al conjunto primario de predictores. Se compararon las estimaciones de regresión, la discriminación, la calibración y el beneficio neto clínico entre los modelos primario y de sensibilidad.
La multicolinealidad entre los predictores candidatos se evaluó mediante los factores de inflación de la varianza. Las variables categóricas se codificaron antes del cálculo, y las variables continuas se introdujeron en las mismas unidades utilizadas para el modelado de regresión. Un factor de inflación de la varianza inferior a 5 se consideró indicativo de ausencia de multicolinealidad severa. Se reportaron los coeficientes de regresión, errores estándar, valores χ2 de Wald, razones de momios, intervalos de confianza del 95 %, valores P y factores de inflación de la varianza para las variables incluidas en el modelo multivariable.
8. Construcción del nomograma
El nomograma se construyó a partir de los predictores independientes conservados en el modelo de regresión logística multivariable. Los predictores finales fueron el dímero D, la relación neutrófilos-linfocitos, el péptido natriurético tipo B y los antecedentes de asma. El modelo de regresión logística se convirtió en un nomograma basado en puntos utilizando el software R y el paquete rms. Se generó un objeto de distribución de datos para el conjunto de datos del modelo, se ajustó el modelo de regresión logística, y se utilizaron los coeficientes de regresión para asignar puntos a cada predictor. Para cada paciente, se sumaron los puntos correspondientes al dímero D, la relación neutrófilos-linfocitos, el péptido natriurético tipo B y los antecedentes de asma para obtener una puntuación total, que luego se relacionó con la probabilidad estimada de HP.
El nomograma se interpretó utilizando procedimientos estándar basados en puntos, descritos en estudios previos sobre modelos clínicos de predicción17,18. El valor de D-dímero, la relación neutrófilos-linfocitos, el valor del péptido natriurético tipo B y el estado de asma del paciente se ubicaron en sus ejes correspondientes. Se trazó una línea vertical desde cada valor del predictor hasta la escala de puntos. Los puntos se sumaron para obtener la puntuación total, y se trazó una línea vertical desde la escala de puntuación total hasta el eje de probabilidad predicha para obtener la probabilidad estimada individualizada de HP. El paciente ilustrativo utilizado en el manuscrito se seleccionó a partir de valores dentro o cercanos a la distribución clínica observada en la cohorte.
9. Evaluación del rendimiento del modelo
La discriminación del modelo se evaluó mediante el análisis de la curva característica de operación del receptor y el área bajo la curva. El área bajo la curva se informó con un intervalo de confianza del 95 %. El nomograma se comparó con predictores individuales y con un modelo que combinaba marcadores de laboratorio cuantitativos. La calibración se evaluó comparando las probabilidades predichas con los resultados observados de PH. Se generó una curva de calibración utilizando remuestreo bootstrap. Se informaron el intercepto de calibración, la pendiente de calibración, el error absoluto medio, la puntuación de Brier y la prueba de Hosmer-Lemeshow. También se calcularon el intercepto de calibración corregido por bootstrap y la pendiente de calibración corregida por bootstrap. La prueba de Hosmer-Lemeshow se interpretó junto con la curva de calibración y los índices cuantitativos de calibración.
Se evaluó la utilidad clínica mediante el análisis de curvas de decisión. Se representó el beneficio neto a lo largo de las probabilidades umbral y se comparó con las estrategias de referencia de tratar a todos y no tratar a ninguno. Se identificó el rango de probabilidad umbral en el que el modelo proporcionó un beneficio neto mayor que las estrategias de referencia.
10. Validación interna y reproducibilidad
Se realizó una validación interna mediante remuestreo bootstrap con 1.000 réplicas. En cada réplica bootstrap, el modelo se reajustó y se evaluó para estimar el optimismo en el rendimiento del modelo. Se calcularon e informaron índices de discriminación y calibración corregidos por optimismo, junto con el rendimiento aparente del modelo.
Los análisis estadísticos se realizaron utilizando software estadístico estándar y la versión 4.5.2 de R. Se utilizaron paquetes de R para la modelización mediante regresión logística, la construcción de nomogramas, el análisis de curvas ROC (característica operativa del receptor), la evaluación de calibración, la validación interna y el análisis de curvas de decisión. El nomograma se construyó utilizando el paquete rms en R.
Resultados
Características de la cohorte y cribado de pacientes
Un total de 230 pacientes ancianos hospitalizados con exacerbación aguda de la enfermedad pulmonar obstructiva crónica (AECOPD) cumplieron con los criterios de elegibilidad y se incluyeron en el análisis final. Según la evaluación ecocardiográfica transtorácica, 120 pacientes fueron asignados al grupo sin hipertensión pulmonar (sin HP), y 110 pacientes fueron asignados al grupo con hipertensión pulmonar (HP) (Figura 1). Las características generales basales fueron ampliamente comparables entre los grupos. No se observaron diferencias estadísticamente significativas en la distribución por sexo, edad, antecedentes de tabaquismo, antecedentes de consumo de alcohol, antecedentes de alergia a medicamentos, hipertensión o diabetes mellitus (todos P > 0,05; Tabla 1). La enfermedad coronaria fue más frecuente en el grupo con HP que en el grupo sin HP (13,64% frente a 4,17 %, P = 0,017), al igual que el asma (29,09 % frente a 15,00 %, P = 0,011), la infección pulmonar (78,18 % frente a 1,67 %, P < 0,001) y la insuficiencia cardíaca (65,45 % frente a 15,00 %, P < 0,001; Tabla 1).
La calidad ecocardiográfica se revisó antes de la asignación a los grupos. Entre los pacientes finales incluidos, la señal Doppler del reflujo tricuspídeo fue medible en 198 pacientes (86,1 %). En los 32 pacientes restantes (13,9 %), la clasificación de la hipertensión pulmonar se basó en hallazgos estructurales o funcionales del corazón derecho interpretables. Se revisaron veintiún registros por un segundo médico especialista en ecocardiografía debido a ventanas acústicas limitadas o señales incompletas de reflujo tricuspídeo, y seis registros permanecieron ininterpretables y fueron excluidos antes de la construcción final de la cohorte.
| Variable | Grupo sin HP | Grupo con HP (n = 110) | Z/t/χ² | Valor de p |
| (n = 120) | ||||
| Hombre, n (%) | 83 (69,17) | 64 (58,18) | 3,003 | 0,099 |
| Edad, años | 74,54 ± 7,92 | 74,68 ± 7,17 | -0,144 | 0,886 |
| Antecedentes de tabaquismo, n (%) | 55 (45,83) | 47 (42,73) | 0,224 | 0,691 |
| Antecedentes de consumo de alcohol, n (%) | 46 (38,33) | 37 (33,64) | 0,549 | 0,494 |
| Antecedentes de alergia a medicamentos, n (%) | 6 (5,00) | 1 (0,91) | 3,255 | 0,122 |
| Hipertensión, n (%) | 42 (35,00) | 37 (33,64) | 0,047 | 0,89 |
| Diabetes mellitus, n (%) | 12 (10,00) | 21 (19,09) | 3,86 | 0,06 |
| Enfermedad coronaria, n (%) | 5 (4,17) | 15 (13,64) | 6,482 | 0,017 |
| Asma, n (%) | 18 (15,00) | 32 (29,09) | 6,698 | 0,011 |
| Bronquiectasias, n (%) | 14 (11,67) | 22 (20,00) | 3,019 | 0,102 |
| Infección pulmonar, n (%) | 2 (1,67) | 86 (78,18) | 142,241 | <0,001 |
| Enfisema, n (%) | 3 (2,50) | 0 (0,00) | 2,786 | 0,248 |
| Falla respiratoria, n (%) | 33 (27,50) | 41 (37,27) | 2,512 | 0,122 |
| Falla cardíaca, n (%) | 18 (15,00) | 72 (65,45) | 61,338 | <0,001 |
| Albúmina, g/L | 36,38 ± 4,41 | 35,77 ± 4,09 | 1,084 | 0,279 |
| Creatinina, µmol/L | 68,75 (58,30, 83,05) | 66,75 (52,28, 82,03) | -0,951 | 0,341 |
| PCR-us, mg/L | 8,15 (2,15, 48,58) | 12,60 (4,57, 90,03) | -2,11 | 0,035 |
| Dímero D, µg/mL | 0,415 (0,27, 0,68) | 0,61 (0,37, 1,41) | -3,212 | 0,001 |
| Fibrinógeno, g/L | 3,97 (2,90, 4,88) | 4,04 (3,09, 5,04) | -0,94 | 0,347 |
| Recuento de neutrófilos, ×109/L | 5,51 (3,67, 7,58) | 7,31 (4,78, 12,61) | -3,533 | <0,001 |
| Recuento de linfocitos, ×109/L | 1,12 (0,79, 1,59) | 0,85 (0,59, 1,25) | -3,252 | 0,001 |
| RDW-CV, % | 13,60 (13,00, 14,30) | 14,10 (13,30, 14,92) | -2,637 | 0,008 |
| Recuento de plaquetas, ×109/L | 200,00 (163,00, 252,00) | 180,50 (143,00, 209,00) | -2,783 | 0,005 |
| Volumen plaquetario medio, fL | 10,00 (9,10, 11,47) | 10,75 (9,70, 11,72) | -2,793 | 0,005 |
| RLN | 4,49 (2,76, 9,30) | 8,54 (4,73, 15,57) | -4,357 | <0,001 |
| BNP, pg/mL | 59,75 (41,45, 89,40) | 135,50 (64,65, 632,00) | -6,5 | <0,001 |
Tabla 1: Comparación de las características clínicas entre los grupos sin HP y con HP. Esta tabla resume las características basales, comorbilidades, marcadores inflamatorios, indicadores de coagulación, índices hematológicos y marcadores de estrés cardíaco en pacientes ancianos con exacerbación aguda de la enfermedad pulmonar obstructiva crónica. Las variables continuas se presentan como media ± desviación estándar o mediana con rango intercuartílico; las variables categóricas se presentan como número y porcentaje. Acrónimos: AECOPD, exacerbación aguda de la enfermedad pulmonar obstructiva crónica; PH, hipertensión pulmonar; hs-CRP, proteína C reactiva de alta sensibilidad; RDW-CV, coeficiente de variación de la amplitud de distribución eritrocitaria; NLR, relación neutrófilos-linfocitos; BNP, péptido natriurético tipo B.
Diferencias de laboratorio entre los grupos sin HP y con HP
El grupo con HP mostró una mayor carga de estrés inflamatorio, relacionado con la coagulación, hematológico y cardíaco (Tabla 1). La proteína C reactiva de alta sensibilidad mediana fue mayor en el grupo con HP que en el grupo sin HP (12,60 mg/L frente a 8,15 mg/L, P = 0,035). La relación neutrófilos-linfocitos (NLR) también fue mayor en el grupo con HP (8,54 frente a 4,49, P < 0,001), con un recuento más alto de neutrófilos (7,31 × 109/L frente a 5,51 × 109/L, P < 0,001) y un recuento más bajo de linfocitos (0,85 × 109/L frente a 1,12 × 109/L, P = 0,001). El dímero D fue mayor en el grupo con HP (0,61 µg/mL frente a 0,415 µg/mL, P = 0,001). El recuento de plaquetas fue menor en el grupo con HP (180,50 × 109/L frente a 200,00 × 109/L, P = 0,005), mientras que el volumen plaquetario medio (10,75 fL frente a 10,00 fL, P = 0,005) y el coeficiente de variación del ancho de distribución de eritrocitos (14,10% frente a 13,60%, P = 0,008) fueron mayores. La BNP también difirió claramente entre los grupos, con un valor mediano de 135,50 pg/mL en el grupo con HP y de 59,75 pg/mL en el grupo sin HP (P < 0,001). La albúmina, la creatinina y el fibrinógeno no mostraron diferencias significativas entre los grupos (todas P > 0,05; Tabla 1).
Selección de predictores y regresión logística multivariable
Trece variables mostraron diferencias significativas entre grupos en el análisis univariado y se revisaron junto con los predictores clínicamente relevantes. El recuento de neutrófilos y el recuento de linfocitos no se incluyeron junto con la RNL porque eran componentes de la razón. La infección pulmonar y la insuficiencia cardíaca se evaluaron durante la evaluación de redundancia debido a su superposición con los marcadores inflamatorios y la BNP, respectivamente. Nueve variables se incluyeron en el modelo primario de regresión logística multivariable: proteína C-reactiva de alta sensibilidad, D-dímero, coeficiente de variación del ancho de distribución de glóbulos rojos, recuento de plaquetas, volumen medio de plaquetas, RNL, BNP, enfermedad coronaria e historial de asma. Todos los factores de inflación de la varianza fueron inferiores a 5, lo que indica ausencia de multicolinealidad grave; el valor más alto fue 2,16 para la BNP (Tabla 2).
En el modelo principal, cuatro variables se mantuvieron independientemente asociadas con HP en pacientes ancianos con AECOPD (Tabla 2). El D-dímero se asoció con mayores probabilidades de HP (OR = 1.251, IC del 95%: 1.001–1.563, P = 0.049), al igual que la LNR (OR = 1.043, IC del 95%: 1.003–1.083, P = 0.033), el BNP (OR = 1.003, IC del 95%: 1.001–1.005, P < 0,001) y la historia de asma (OR = 3,054, IC del 95%: 1,489–6,267, P = 0,002). La proteína C reactiva de alta sensibilidad, el coeficiente de variación del ancho de distribución de eritrocitos, el recuento de plaquetas, el volumen medio de plaquetas y la enfermedad coronaria no se asociaron independientemente con HP tras el ajuste (todos P > 0,05; Tabla 2).
| Variable | B | EE | Wald χ2 | OR (IC 95%) | Valor p | VIF |
| hs-CRP | -0.002 | 0.002 | 1.099 | 0.998 (0.995, 1.002) | 0.295 | 1.22 |
| Dímero D | 0.224 | 0.114 | 3.877 | 1.251 (1.001, 1.563) | 0.049 | 1.16 |
| RDW-CV | 0.088 | 0.124 | 0.504 | 1.092 (0.856, 1.393) | 0.478 | 1.31 |
| Recuento de plaquetas | -0.003 | 0.002 | 1.281 | 0.997 (0.993, 1.002) | 0.258 | 1.44 |
| Volúmen medio de plaquetas | 0.096 | 0.088 | 1.197 | 1.101 (0.927, 1.309) | 0.274 | 1.37 |
| RLN | 0.042 | 0.02 | 4.545 | 1.043 (1.003, 1.083) | 0.033 | 1.53 |
| BNP | 0.003 | 0.001 | 13.58 | 1.003 (1.001, 1.005) | <0.001 | 2.16 |
| Enfermedad coronaria | 0.662 | 0.637 | 1.078 | 1.938 (0.556, 6.759) | 0.299 | 1.18 |
| Antecedentes de asma | 1.117 | 0.367 | 9.271 | 3.054 (1.489, 6.267) | 0.002 | 1.11 |
| Constante | -3.285 | 2.13 | 2.378 | — | 0.123 | — |
Tabla 2: Modelo principal de regresión logística multivariable para hipertensión pulmonar. Esta tabla presenta los coeficientes de regresión, errores estándar, valores de χ2 de Wald, razones de momios, intervalos de confianza del 95 %, valores P y factores de inflación de la varianza. El dímero D, la relación neutrófilo-linfocito, el PNB y los antecedentes de asma se mantuvieron independientemente asociados con la HP. Acrónimos: HP, hipertensión pulmonar; EE, error estándar; RM, razón de momios; IC, intervalo de confianza; FIV, factor de inflación de la varianza; RNL, relación neutrófilo-linfocito; PNB, péptido natriurético tipo B.
Análisis de sensibilidad que incluye infección pulmonar e insuficiencia cardíaca
Se construyó un modelo de sensibilidad añadiendo la infección pulmonar y la insuficiencia cardíaca al conjunto de predictores principales (Tabla 3). La infección pulmonar siguió asociada fuertemente con la HP (OR = 24,80; IC del 95 %: 5,62–109,44; P < 0,001), y la insuficiencia cardíaca también mostró asociación con la HP (OR = 3,36; IC del 95 %: 1,52–7,43; P = 0,003). Tras añadir estas dos variables, las asociaciones de BNP y NLR se atenuaron, pero se mantuvieron en sentido consistente. El dímero D y los antecedentes de asma también conservaron asociaciones positivas. El modelo de sensibilidad mostró una discriminación aparente mayor que el modelo principal (AUC = 0,91; IC del 95 %: 0,87–0,95), pero introdujo una superposición sustancial con estados diagnósticos inflamatorios y cardíacos. Por lo tanto, se mantuvo el modelo de cuatro variables como la nomograma principal, mientras que el modelo de sensibilidad se presentó para ilustrar la influencia de la infección pulmonar y la insuficiencia cardíaca en la interpretación del modelo.
Construcción del nomograma
Se construyó un nomograma utilizando los cuatro predictores independientes conservados en el modelo principal de regresión logística multivariable: D-dímero, NLR, BNP e historial de asma (Figura 2A). Cada predictor aportó un valor en puntos según su peso en la regresión, y la puntuación total se relacionó con la probabilidad predicha individualizada de HP. El caso ilustrativo se modificó para evitar valores muy alejados de la distribución clínica observada. En el ejemplo revisado, un paciente anciano hospitalizado por AECOPD presentaba un nivel de D-dímero de 0,90 µg/mL, un NLR de 10,0, un nivel de BNP de 230 pg/mL y antecedentes de asma. La puntuación total estimada fue de 173 puntos, lo que correspondía a una probabilidad de HP del 78,4 % en el nomograma (Figura 2B).
Figura 2: Nomograma para estimar el riesgo de hipertensión pulmonar en pacientes ancianos con EPOC agudizada. (A) El nomograma se construyó utilizando D-dímero, RNL, PNB y antecedentes de asma. A cada predictor se le asignó un valor en puntos, y la puntuación total se relacionó con la probabilidad predicha de HP. (B) Un ejemplo revisado mostró D-dímero = 0.90 µg/mL, RNL = 10.0, PNB = 230 pg/mL e historia de asma = Sí, lo que corresponde a 173 puntos y una probabilidad estimada de HP del 78,4 %. Abreviaturas: EPOC agudizada, exacerbación aguda de la enfermedad pulmonar obstructiva crónica; HP, hipertensión pulmonar; RNL, relación neutrófilos-linfocitos; PNB, péptido natriurético tipo B. Haga clic aquí para ver una versión más grande de esta figura.
Discriminación del modelo de predicción
El nomograma de cuatro variables alcanzó un área bajo la curva de característica operativa del receptor de 0,82, con un intervalo de confianza del 95 % de 0,760–0,874 (Figura 3A). En comparación, la D-dímera por sí sola tuvo un área bajo la curva de 0,623, la NLR por sí sola tuvo un área bajo la curva de 0,666, y la BNP por sí sola tuvo un área bajo la curva de 0,748. Un modelo que combinaba los tres marcadores cuantitativos arrojó un área bajo la curva de 0,793 (Figura 3B). Por lo tanto, el nomograma mostró una mejor capacidad de discriminación que cada marcador individual y una capacidad ligeramente superior a la del modelo con tres marcadores.
Figura 3: Curvas características de operación del receptor para el nomograma y los predictores cuantitativos. (A) El nomograma de cuatro variables alcanzó un AUC de 0.82, con un IC del 95 % de 0.760–0.874. (B) Los valores de AUC fueron 0.623 para el D-dímero, 0.666 para el NLR, 0.748 para el BNP y 0.793 para el modelo combinado de marcadores cuantitativos. Acrónimos: ROC, curva característica de operación del receptor; AUC, área bajo la curva; NLR, relación neutrófilos-linfocitos; BNP, péptido natriurético tipo B. Haga clic aquí para ver una versión más grande de esta figura.
Calibración y validación interna
Se realizó una validación interna utilizando remuestreo bootstrap con 1.000 réplicas. El análisis de calibración comparó las probabilidades predichas de HP con los resultados observados de HP (Figura 4). La intersección aparente de calibración fue 0,0000 y la pendiente aparente de calibración fue 1,0000. Tras la corrección bootstrap, la intersección de calibración fue -0,08 y la pendiente de calibración fue 0,86. El error medio absoluto de calibración fue 0,054 y la puntuación de Brier fue 0,1878. La prueba de Hosmer-Lemeshow fue estadísticamente significativa (P = 0,0005), lo que indica una desviación residual en la calibración. Por lo tanto, a pesar de una buena discriminación, los resultados de calibración se interpretaron con cautela y podría requerirse una recalibración antes de su uso en otros contextos.
Figura 4: Curva de calibración del nomograma de predicción de hipertensión pulmonar. La curva de calibración compara las probabilidades predichas y observadas de HP. Se generaron curvas aparente y corregida mediante bootstrap utilizando 1.000 remuestras bootstrap. El puntaje de Brier fue de 0,1878, y la prueba de Hosmer-Lemeshow fue significativa (P = 0,0005), lo que indica una desviación residual en la calibración. Acrónimos: HP, hipertensión pulmonar; HL, Hosmer-Lemeshow. Haga clic aquí para ver una versión más grande de esta figura.
Utilidad clínica evaluada mediante análisis de curva de decisión
El análisis de curva de decisión mostró que la curva del nomograma se mantuvo por encima de las estrategias de referencia de tratar a todos y no tratar a ninguno en un rango de probabilidad umbral de aproximadamente 1 %–70 % (Figura 5). Este hallazgo sugirió un posible beneficio neto para identificar pacientes ancianos con AECOPD que podrían requerir una revisión ecocardiográfica más estrecha, un monitoreo cardiopulmonar o una evaluación diagnóstica adicional. Dado que el modelo fue validado únicamente de forma interna, los resultados de la curva de decisión se interpretaron como evidencia preliminar de utilidad clínica, más que como prueba de beneficio en la implementación.
Figura 5: Análisis de curva de decisión del nomograma de predicción de hipertensión pulmonar. El análisis de curva de decisión mostró que el nomograma proporcionó un beneficio neto potencial en un rango de probabilidades umbral que va aproximadamente del 1 % al 70 %, en comparación con las estrategias de tratar a todos y no tratar a nadie. Abreviaturas: DCA, análisis de curva de decisión; PH, hipertensión pulmonar. Haga clic aquí para ver una versión más grande de esta figura.
Resultados generales del modelo
El riesgo de HP en pacientes ancianos hospitalizados con EPOC agudizada estuvo asociado con información relacionada con inflamación, coagulación, estrés cardíaco y enfermedad de las vías respiratorias. El LNC, el PNB, el dímero D y los antecedentes de asma se asociaron independientemente con HP e integraron un nomograma con buena capacidad de discriminación. El análisis de sensibilidad mostró que la infección pulmonar y la insuficiencia cardíaca se asociaron fuertemente con HP, pero su inclusión aumentó el solapamiento con los marcadores inflamatorios y de estrés cardíaco. La calibración no fue completamente óptima, especialmente considerando el test de Hosmer-Lemeshow significativo. Estos hallazgos respaldan al nomograma como una herramienta de estratificación de riesgo validada internamente, que requiere validación externa y posiblemente recalibración antes de su uso clínico más amplio.
DISPONIBILIDAD DE LOS DATOS:
El conjunto de datos que respalda los hallazgos de este estudio ha sido depositado en el repositorio Figshare y está disponible públicamente en: https://doi.org/10.6084/m9.figshare.32765667.v1 .
| Elemento de análisis | Nomograma primario de cuatro variables | Modelo de sensibilidad que incluye infección pulmonar e insuficiencia cardíaca |
| Predictores incluidos | D-dímero, NLR, BNP, antecedente de asma | D-dímero, NLR, BNP, antecedente de asma, infección pulmonar, insuficiencia cardíaca |
| OR de infección pulmonar (IC 95%) | No incluido | 24.80 (5.62, 109.44) |
| OR de insuficiencia cardíaca (IC 95%) | No incluido | 3.36 (1.52, 7.43) |
| Dirección del D-dímero | Positiva | Positiva |
| Dirección del NLR | Positiva | Positiva pero atenuada |
| Dirección del BNP | Positiva | Positiva pero atenuada |
| Dirección del antecedente de asma | Positiva | Positiva |
| AUC (IC 95%) | 0.82 (0.760, 0.874) | 0.91 (0.87, 0.95) |
| Puntuación Brier | 0.1878 | 0.146 |
| Intersección de calibración aparente | 0 | 0 |
| Pendiente de calibración aparente | 1 | 1 |
| Intersección de calibración corregida por bootstrap | -0.08 | -0.05 |
| Pendiente de calibración corregida por bootstrap | 0.86 | 0.89 |
| Error medio absoluto de calibración | 0.054 | 0.041 |
| Valor p de Hosmer-Lemeshow | 0.0005 | 0.021 |
| Rango de umbral de curva de decisión con beneficio neto | Aproximadamente 1%–70% | Aproximadamente 2%–75% |
| Función del modelo | Nomograma primario | Solo análisis de sensibilidad |
Tabla 3: Análisis de sensibilidad e indicadores de validación interna. Esta tabla compara el nomograma principal de cuatro variables con el modelo de sensibilidad que incluyó adicionalmente infección pulmonar e insuficiencia cardíaca. Se muestran indicadores de discriminación, calibración, prueba de Hosmer-Lemeshow, rango de curva de decisión e indicadores corregidos mediante bootstrap. Abrreviaturas: AUC, área bajo la curva característica de operación del receptor; OR, razón de momios; IC, intervalo de confianza; NLR, relación neutrófilos-linfocitos; BNP, péptido natriurético tipo B.
Discusión
Este estudio desarrolló un nomograma basado en datos de rutina para estimar el riesgo de hipertensión pulmonar (PH) en pacientes ancianos hospitalizados con exacerbación aguda de la enfermedad pulmonar obstructiva crónica (AECOPD). Cuatro variables fácilmente disponibles, a saber, la relación neutrófilos-linfocitos (NLR), el péptido natriurético tipo B (BNP), el dímero D y la historia de asma, se mantuvieron en el modelo principal. El nomograma mostró una mejor capacidad de discriminación que los marcadores cuantitativos individuales y un beneficio neto potencial en un amplio rango de umbrales. Sin embargo, la calibración no fue completamente óptima, como lo indica la prueba significativa de Hosmer-Lemeshow y los resultados de calibración corregidos mediante bootstrap. Por lo tanto, el modelo debe interpretarse como una herramienta de estratificación de riesgo validada internamente, más que como un sustituto diagnóstico o un instrumento clínico listo para implementarse.
Los predictores seleccionados son biológicamente plausibles en la HP relacionada con la EPOC agudizada. La RNL refleja el equilibrio entre la inflamación impulsada por neutrófilos y la regulación inmunitaria relacionada con linfocitos. En las exacerbaciones agudas de la EPOC, se ha descrito que esta relación es un marcador clínicamente accesible de la carga inflamatoria y la actividad de la enfermedad19. En la EPOC complicada por HP, una RNL más alta también se ha asociado con afectación vascular pulmonar y un estado clínico más grave20. El PBN añadió una dimensión diferente de información sobre el riesgo. En pacientes con EPOC, el aumento de los péptidos natriuréticos puede reflejar una sobrecarga de presión del ventrículo derecho, una disfunción cardíaca coexistente o un estrés cardiopulmonar más amplio21. El D-dímero representó el componente relacionado con la coagulación del modelo. Estudios previos han vinculado niveles elevados de D-dímero con mortalidad tras la EPOC agudizada, lo que respalda su valor como marcador de riesgo sistémico agudo22. También se han evaluado biomarcadores basados en la inflamación, incluidos los índices derivados del recuento sanguíneo y relacionados con el D-dímero, para predecir la HP durante la EPOC agudizada23. Estos hallazgos respaldan la interpretación de que el riesgo de HP en esta cohorte estuvo determinado por información sobre inflamación, estrés cardíaco, coagulación y fenotipo de las vías respiratorias, más que por una sola vía.
La literatura más amplia respalda aún más la relevancia traslacional de los marcadores rutinarios relacionados con la inflamación y la coagulación. El D-dímero ha sido estudiado como un marcador de la gravedad tromboinflamatoria y de la mortalidad intrahospitalaria en la COVID-1924. También se han evaluado índices derivados del LNR como predictores de progresión y mortalidad entre pacientes graves con COVID-1925. Se ha discutido la variación del fibrinógeno y del D-dímero en relación con las alteraciones de la coagulación y la toma de decisiones sobre anticoagulación en la inflamación viral sistémica26. Estos estudios no demuestran que los mismos mecanismos actúen de forma idéntica en la HP asociada a la EPOC descompensada. Sin embargo, sí respaldan la idea más general de que los índices hematológicos y de coagulación de rutina pueden captar señales de respuesta del huésped clínicamente relevantes en enfermedades inflamatorias pulmonares y sistémicas.
La historia de asma fue la única comorbilidad mantenida en el nomograma principal. Este hallazgo podría reflejar un subgrupo con inflamación de las vías respiratorias superpuesta, remodelación, hipersecreción de moco y mayor vulnerabilidad a exacerbaciones. En pacientes ancianos con EPOC, la historia de asma podría indicar un fenotipo de enfermedad de las vías respiratorias más complejo, más que un diagnóstico de base simple. El diseño retrospectivo no puede confirmar un mecanismo de superposición entre asma y EPOC, pero la asociación sugiere que se debe considerar la historia de asma al evaluar el riesgo de hipertensión pulmonar durante la hospitalización por exacerbación aguda de la EPOC.
El estudio también aclara el papel de la infección pulmonar y la insuficiencia cardíaca. Ambas variables mostraron fuertes asociaciones univariantes con la HP y se mantuvieron influyentes en el análisis de sensibilidad. Su exclusión del nomograma principal no pretendía descartar su importancia clínica. Más bien, la infección pulmonar se superpone parcialmente con los marcadores inflamatorios, y la insuficiencia cardíaca se superpone parcialmente con el BNP y los hallazgos cardíacos ecocardiográficos. La inclusión de estas variables aumentó el rendimiento aparente, pero también incrementó la redundancia clínica. Por lo tanto, se mantuvo el nomograma de cuatro variables como modelo principal para enfatizar predictores tempranos y medibles rutinariamente, mientras que el modelo de sensibilidad se utilizó para mostrar cómo la infección pulmonar y la insuficiencia cardíaca afectaron la interpretación del modelo.
La principal contribución de este estudio es práctica más que mecanicista. Un nomograma basado en puntos puede traducir los resultados de una regresión multivariable en una estimación visual individualizada de la probabilidad de hipertensión pulmonar (PH). La presentación transparente es esencial para los modelos de predicción clínica, especialmente cuando se propone un modelo para estratificación de riesgo en lugar de inferencia causal27. El documento TRIPOD de Explicación y Ampliación también destaca la importancia de informar completamente la selección de predictores, el desempeño del modelo, la validación y la aplicabilidad clínica28. En estudios clínicos recientes, se han utilizado herramientas basadas en nomogramas para apoyar la estimación individualizada del riesgo al pie de la cama en entornos cardiovasculares29. También se han propuesto enfoques similares de predicción de riesgo para pacientes ancianos sometidos a cirugía no electiva, lo que resalta el creciente interés en herramientas interpretables de predicción clínica30. En el presente estudio, la prueba significativa de Hosmer-Lemeshow y la pendiente de calibración corregida mediante bootstrap indican que las probabilidades predichas podrían requerir recalibración antes de su uso fuera del entorno de derivación. Por lo tanto, el nomograma podría ayudar a identificar a los pacientes que requieren una revisión ecocardiográfica más detallada o un monitoreo cardiorrespiratorio, pero no debe sustituir la evaluación basada en guías clínicas ni la cateterización del lado derecho del corazón cuando se requiere un diagnóstico definitivo.
Se deben reconocer varias limitaciones. En primer lugar, este fue un estudio retrospectivo realizado en un solo centro, y posibles sesgos de selección, información faltante y prácticas diagnósticas específicas del centro pudieron influir en los resultados. En segundo lugar, la hipertensión pulmonar se definió mediante ecocardiografía transtorácica en lugar de cateterización del lado derecho del corazón. Aunque la ecocardiografía se utiliza ampliamente en la práctica clínica habitual, las limitaciones del acceso acústico en la EPOC pueden provocar errores en la estimación de las presiones o una clasificación incorrecta del resultado. En tercer lugar, el modelo solo se validó internamente; no se contó con una cohorte externa. En cuarto lugar, los índices de función pulmonar, los parámetros de gases en sangre arterial, la exposición a medicamentos, la historia de exacerbaciones, las variables derivadas de imágenes, la respuesta al tratamiento y los resultados a largo plazo no se incorporaron completamente. En quinto lugar, el resultado significativo de la prueba de Hosmer-Lemeshow indica una desviación residual en la calibración; por lo tanto, las probabilidades predichas absolutas deben interpretarse con precaución.
Diseños alternativos de estudio podrían probar aún más la hipótesis. Un estudio de cohorte prospectivo multicéntrico podría estandarizar el muestreo sanguíneo, el control de calidad de la ecocardiografía y las definiciones de los predictores. Un estudio de precisión diagnóstica que utilice la cateterización del lado derecho del corazón en un subconjunto representativo podría aclarar el grado de clasificación errónea de los resultados. Estudios de tiempo hasta el evento podrían examinar si las mismas variables predicen la mortalidad, la readmisión, la progresión de la hipertensión pulmonar o la insuficiencia del lado derecho del corazón. Además, un modelado comparativo podría evaluar si la inclusión de parámetros de la función pulmonar, gasometría sanguínea, tomografía computarizada o parámetros ecocardiográficos del lado derecho del corazón mejora la predicción más allá de las cuatro variables de rutina.
Los trabajos futuros deben centrarse en la validación externa, la recalibración y la utilidad clínica. El modelo debe probarse en hospitales con diferentes mezclas de casos de pacientes, plataformas de laboratorio y flujos de trabajo ecocardiográficos. Si el rendimiento se mantiene estable, el flujo de trabajo podría ayudar en la triage temprana de pacientes ancianos con EPOC agudizada que puedan requerir un monitoreo cardiorrespiratorio más estrecho o una evaluación especializada. En esta etapa, el nomograma proporciona un enfoque práctico y reproducible para la estimación de riesgo, pero una implementación más amplia requiere validación prospectiva y evaluación de si las decisiones guiadas por el modelo mejoran la gestión del paciente.
Divulgaciones
Los autores declaran que no tienen intereses financieros competitivos ni otros conflictos de interés relacionados con este trabajo.
Contribuciones de los autores
Mingfeng Wu: Diseño del estudio, supervisión y ejecución, redacción y revisión del manuscrito, y coordinación de las responsabilidades del equipo; Li Zhang: Recopilación y organización de datos, análisis estadístico y redacción del manuscrito; Xiong Wang: Recopilación de datos y redacción del manuscrito; Shaohua Xu: análisis estadístico y revisión del manuscrito; Li Xie: Revisión del manuscrito.
Agradecimientos
Este estudio fue apoyado por los Proyectos de Investigación Científica de la Administración Provincial de Medicina Tradicional China de Sichuan, que incluyen Exploración Práctica de la Construcción de un Modelo de Predicción de Hipertensión Pulmonar para Pacientes Mayores con Enfermedad Pulmonar Obstructiva Crónica Basado en la Relación NLR (Número de Subvención 25MSZX321) y Construcción de un Modelo de Servicio de Laboratorio para una Comunidad Médica a Nivel de Condado y Investigación sobre la Respuesta de Políticas Impulsada por "Entrega con Drones + Diagnóstico Asistido por Inteligencia Artificial" (Número de Subvención 25MSZX322). Los autores agradecen al Hospital de Medicina Tradicional China del Condado de Santai por apoyar este estudio.
Materiales
| Nombre | Empresa | Número de catálogo | Comentarios |
|---|---|---|---|
| Analizador automatizado de química clínica | Mindray Bio-Medical Electronics Co., Ltd. | BS-480 | Utilizado para medir albúmina sérica, creatinina y proteína C reactiva de alta sensibilidad en pruebas de laboratorio clínico de rutina. |
| Analizador automatizado de coagulación | Mindray Bio-Medical Electronics Co., Ltd. | C3510 | Utilizado para medir el dímero D y el fibrinógeno en pruebas de coagulación de rutina. |
| Analizador automatizado de hematología | Mindray Bio-Medical Electronics Co., Ltd. | BC-5380 | Utilizado para medir el recuento de neutrófilos, el recuento de linfocitos, el recuento de plaquetas, el volumen plaquetario medio y el coeficiente de variación del ancho de distribución de eritrocitos. |
| Analizador de inmunoensayo quimioluminiscente | Mindray Bio-Medical Electronics Co., Ltd. | CL-1200i | Utilizado para medir el péptido natriurético tipo B en pruebas de laboratorio clínico de rutina. |
| Reactivos, calibradores y controles para inmunoensayo quimioluminiscente | Mindray Bio-Medical Electronics Co., Ltd. | Sistema de reactivos serie CL | Utilizados para pruebas de inmunoensayo quimioluminiscente y control de calidad. |
| Reactivos, calibradores y controles de química clínica | Mindray Bio-Medical Electronics Co., Ltd. | Sistema de reactivos serie BS | Utilizados para ensayos de química clínica de rutina realizados en el analizador serie BS. |
| Calibradores y controles para coagulación | Mindray Bio-Medical Electronics Co., Ltd. | Producto específico* | Utilizados para control de calidad y calibración de ensayos de coagulación. |
| Paquete dcurves | CRAN | dcurves | Utilizado para realizar análisis de curva de decisión y calcular el beneficio clínico neto a través de probabilidades umbral. |
| Tubo de recolección de sangre venosa con EDTA | BD | Tubo Vacutainer K2EDTA (REF 367856) | Utilizado para pruebas de recuento sanguíneo completo. |
| Sistema de historial médico electrónico | Hospital de Medicina Tradicional China del Condado de Santai | No aplicable | Utilizado para recuperar características demográficas de pacientes hospitalizados, registros de ingreso, diagnósticos de alta, comorbilidades, notas de evolución, informes de imágenes, registros de consultas e informes clínicos. |
| Reactivos, calibradores y controles de hematología | Mindray Bio-Medical Electronics Co., Ltd. | Sistema de reactivos serie BC | Utilizados para pruebas de recuento sanguíneo completo de rutina y control de calidad del analizador. |
| IBM SPSS Statistics | IBM Corp. | Versión 26.0 | Utilizado para estadísticas descriptivas, comparaciones entre grupos y análisis preliminar de regresión logística. |
| Sistema de información de laboratorio | Hospital de Medicina Tradicional China del Condado de Santai | No aplicable | Utilizado para recuperar índices de recuento sanguíneo completo, índices bioquímicos, marcadores de coagulación, marcadores inflamatorios y marcadores de estrés cardíaco. |
| Paquete pROC | CRAN | pROC | Utilizado para análisis de curva ROC (característica operativa del receptor) y estimación del área bajo la curva. |
| Software estadístico R | Foundation for Statistical Computing | Versión 4.5.2 | Utilizado para modelado de regresión logística, construcción de nomogramas, análisis de curva ROC, evaluación de calibración, validación interna mediante bootstrap y análisis de curva de decisión. |
| Paquete ResourceSelection | CRAN | ResourceSelection | Utilizado para realizar la prueba de bondad de ajuste de Hosmer-Lemeshow. |
| Paquete rms | CRAN (Frank E. Harrell Jr.) | rms | Utilizado para modelado de regresión, construcción de nomogramas, evaluación de calibración y validación interna. |
| Tubo de recolección de sangre venosa con separador de suero | BD | Tubo Vacutainer SST (REF 367820) | Utilizado para pruebas bioquímicas séricas y de marcadores inflamatorios. |
| Tubo de recolección de sangre venosa con citrato de sodio | BD | Tubo Vacutainer con citrato (REF 363080) | Utilizado para pruebas de coagulación, incluyendo dímero D y fibrinógeno. |
| Formulario estandarizado de extracción de datos clínicos | Creado por el equipo del estudio | No aplicable | Utilizado para extraer variables demográficas, clínicas, de laboratorio y ecocardiográficas predefinidas de registros retrospectivos. |
| Sistema de ecocardiografía transtorácica | GE HealthCare | Vivid E95 | Utilizado para estimar la presión arterial pulmonar sistólica y evaluar el tamaño del ventrículo derecho, el grosor de la pared y la función sistólica. |
Referencias
- Adeloye D, et al. Global, regional, and national prevalence of, and risk factors for, chronic obstructive pulmonary disease (COPD) in 2019: a systematic review and modelling analysis. Lancet Respir Med. 2022;10:447-58.
- Chronic Obstructive Pulmonary Disease Group of Chinese Thoracic Society, Chronic Obstructive Pulmonary Disease Committee of Chinese Association of Chest Physician. Guidelines for the diagnosis and management of chronic obstructive pulmonary disease, revised version 2021. Chin J Tuberc Respir Dis. 2021;44:170-205.
- Johnson S, et al. Pulmonary hypertension: a contemporary review. Am J Respir Crit Care Med. 2023;208:528-48.
- Munshi RF, Pellegrini JR Jr, Patel P, Anjum F. Impact of pulmonary hypertension in patients with acute exacerbation of chronic obstructive pulmonary disease and its effect on healthcare utilization. Pulm Circ. 2021;11(3):20458940211046838.
- Prins KW, et al. Disproportionate right ventricular dysfunction and poor survival in group 3 pulmonary hypertension. Am J Respir Crit Care Med. 2018;197:1496-9.
- Andersen KH, et al. Prevalence, predictors, and survival in pulmonary hypertension related to end-stage chronic obstructive pulmonary disease. J Heart Lung Transplant. 2012;31:373-80.
- Chen Y, et al. Right heart catheterization-related complications: a review of the literature and best practices. Cardiol Rev. 2020;28:36-41.
- Younis M, et al. Echocardiography and pulmonary hypertension in patients with chronic obstructive pulmonary disease undergoing lung transplantation evaluation. Am J Med Sci. 2024;367:95-104.
- Pascual-González Y, López-Sánchez M, Dorca J, Santos S. Defining the role of neutrophil-to-lymphocyte ratio in COPD: a systematic literature review. Int J Chron Obstruct Pulmon Dis. 2018;13:3651-62.
- Lee SJ, et al. Usefulness of neutrophil to lymphocyte ratio in patients with chronic obstructive pulmonary disease: a prospective observational study. Korean J Intern Med. 2016;31:891-8.
- Leuchte HH, et al. Brain natriuretic peptide is a prognostic parameter in chronic lung disease. Am J Respir Crit Care Med. 2006;173:744-50.
- Husebø GR, et al. Coagulation markers as predictors for clinical events in COPD. Respirology. 2021;26:342-51.
- Iasonos A, Schrag D, Raj GV, Panageas KS. How to build and interpret a nomogram for cancer prognosis. J Clin Oncol. 2008;26:1364-70.
- Balachandran VP, Gonen M, Smith JJ, DeMatteo RP. Nomograms in oncology: more than meets the eye. Lancet Oncol. 2015;16(4):e173-e180.
- Global Initiative for Chronic Obstructive Lung Disease. Global Strategy for the Diagnosis, Management, and Prevention of Chronic Obstructive Pulmonary Disease: 2021 Report. Global Initiative for Chronic Obstructive Lung Disease; Fontana; 2021.
- Galiè N, et al. 2015 ESC/ERS Guidelines for the diagnosis and treatment of pulmonary hypertension. Eur Heart J. 2016;37:67-119.
- Wu Z, Zhan S, Wang D, Tang C. A novel nomogram for predicting the risk of acute heart failure in intensive care unit patients with COPD. Chronic Obstr Pulm Dis. 2025;12(2):117-126.
- Cheng H, et al. A risk nomogram for predicting prolonged intensive care unit stays in patients with chronic obstructive pulmonary disease. Front Med. 2023;10:1177786.
- Zinellu A, et al. Clinical significance of the neutrophil-to-lymphocyte ratio and platelet-to-lymphocyte ratio in acute exacerbations of COPD: present evidence and future perspectives. Eur Respir Rev. 2022;31(166):220095.
- Jiang T, et al. Value of the neutrophil-to-lymphocyte ratio in chronic obstructive pulmonary disease complicated with pulmonary hypertension. J Int Med Res. 2023;51(1):3000605231200266.
- Hawkins NM, et al. B-type natriuretic peptides in chronic obstructive pulmonary disease: a systematic review. BMC Pulm Med. 2017;17:11.
- Hu G, et al. Prognostic role of D-dimer for in-hospital and 1-year mortality in exacerbations of COPD. Int J Chron Obstruct Pulmon Dis. 2016;11:2729-36.
- Zuo H, et al. Predictive value of novel inflammation-based biomarkers for pulmonary hypertension in the acute exacerbation of chronic obstructive pulmonary disease. Anal Cell Pathol (Amst). 2019;2019:5189165.
- Hayiroglu MI, Cicek V, Kilic S, Cinar T. Mean serum D-dimer level to predict in-hospital mortality in COVID-19 patients. Rev Assoc Med Bras (1992). 2021;67:1108-13.
- Guney BC, et al. Evaluation of N/LP ratio as a predictor of disease progression and mortality in COVID-19 patients admitted to the intensive care unit. Medeni Med J. 2021;36:241-8.
- Hayiroglu MI, Cinar T, Tekkesin AI. Fibrinogen and D-dimer variances and anticoagulation recommendations in COVID-19: current literature review. Rev Assoc Med Bras (1992). 2020;66:842-8.
- Collins GS, Reitsma JB, Altman DG, Moons KGM. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis: the TRIPOD statement. Ann Intern Med. 2015;162:55-63.
- Moons KGM, et al. Transparent reporting of a multivariable prediction model for individual prognosis or diagnosis: explanation and elaboration. Ann Intern Med. 2015;162(1):W1-W73.
- Kalenderoglu K, et al. Heart rate variability nomogram predicts atrial fibrillation in patients with moderate to high burden of premature ventricular complexes. Medicina (Kaunas). 2026;62:243.
- Cicek V, et al. A new risk prediction model for the assessment of myocardial injury in elderly patients undergoing non-elective surgery. J Cardiovasc Dev Dis. 2025;12(1):6.