natalia saavedra rodrigo aparicio jimmy moreano
TRANSCRIPT
1
TESIS DE GRADO
Natalia Saavedra
Rodrigo Aparicio
Jimmy Moreano
TUTORES
DR. FERNANDO SUAREZ
EPIDEMIOLOGO HUCSR
DR. JAVIER CRISTO COLMENARES
NEONATÓLOGO-HUCSR
UNIVERSIDAD MILITAR NUEVA GRANADA
FACULTAD DE MEDICINA
POSGRADO DE NEONATOLOGIA
BOGOTA
2015
UNIVERSIDAD MILITAR NUEVA GRANADA
GESTION INTEGRAL ASISTENCIAL
EN LA UNIDAD DE RECIÉN NACIDOS DEL HOSPITAL UNIVERSITARIO
CLÍNICA SAN RAFAEL DURANTE EL 2013
2
CONTENIDO
INTRODUCCION
RESUMEN
1. MARCO TEORICO
2. OBJETIVO
3. METODOLOGIA
4. VARIABLES
5. POBLACION Y MUESTRA
6. ANALISIS DE DATOS
7. RECURSO HUMANO Y MATERIALES
8. FINANCIAMIENTO
9. RESULTADOS
Descripción del número de nacimientos en el Hospital: ........................................ 15
Descripción del Porcentaje de recién nacidos por género: ................................... 16
Descripción de la vía de nacimiento de los recién nacidos ................................... 17
Descripción Puntaje de Apgar .............................................................................. 17
Test de Apgar Un minuto ..................................................................................... 18
Test de Apgar 5 minutos ...................................................................................... 18
Un modelo para la Proporción de Neonatos con APGAR menor a 7 a los 5 minutos
................................................................................................................... 19
Aplicación ............................................................................................................. 22
Descripción de la edad gestacional ...................................................................... 26
Descripción porcentual de la edad gestacional Pretermino .................................. 28
Descripción del peso en los recién nacidos .......................................................... 29
Descripción de las categorías de pesos recién nacidos ....................................... 30
Descripción de procedencia de recién nacidos a la Unidad Neonatal: .................. 31
Descripción de la mortalidad global Unidad de recién nacidos ............................. 32
Descripción de la mortalidad según tiempo de vida post-natal ............................. 33
Descripción de la mortalidad según la procedencia del paciente .......................... 34
3
Un modelo para la tasa de mortalidad .................................................................. 34
Aplicación ............................................................................................................. 37
Descripción de causas de dificultades respiratorias en base a su frecuencia: ...... 40
Descripción de causas de Ictericia en base a su frecuencia ................................. 41
APÉNDICE. .......................................................................................................... 43
DISTRIBUCIÓN BETA. ........................................................................................ 43
DISTRIBUCIÓN EXPONENCIAL ......................................................................... 44
DISTRIBUCIÓN BINOMIAL .................................................................................. 45
IMPUTACIÓN ...................................................................................................... 45
CÓDIGO…………………………………………………………………………………..48
DISCUSION
CONCLUSIONES
BIBLIOGRAFIA
4
TITULO
Gestión Integral del Servicio de Neonatología HUCSR
Desde 1 de enero hasta 31 de diciembre de 2013
INTRODUCCIÓN
Para poder determinar planes de mejora en la planeación estrategia como parte
de una adecuada gestión clínica del servicio de neonatología se debe caracterizar
el servicio de acuerdo a su comportamiento reflejado en los indicadores y registros
estadísticos durante un periodo mínimo de un ano.
En nuestra unidad nos hemos caracterizado por tener unos adecuados registros
documentales y estadísticos los cuales mediante este trabajo nos permitirán
realizar los ajustes necesarios para poder cumplir con las demandas existentes y
realizar un diseño de planes y políticas de distribución de recursos, ajustes de
seguridad a los procesos y guías de atención, así como desarrollar planes de
mercadeo tendientes a aumentar nuestra capacidad y así poder continuar
brindando una atención integral de la más alta calidad científica y humana de
acuerdo a las necesidades de nuestros usuarios.
En este trabajo se presenta un estudio descriptivo retrospectivo del
comportamiento del Servicio de Neonatología del Hospital Universitario Clínica
San Rafael desde el 1 de enero hasta 31 de diciembre de 2013 de los indicadores
y registros estadísticos, además de la revisión de algunos indicadores nacionales
e internacionales bibliográficos con los cuáles nos compararemos para que este
estudio sea el punto de partida de la futura planeación estratégica.
RESUMEN
Nuestro estudio es de tipo descriptivo retrospectivo, consultamos el libro de
estadísticas de la unidad neonatal donde se consignan las características y
diagnósticos de los pacientes ingresados, también extendimos la consulta de las
historias clínicas sistematizadas para conocer el tiempo de estancia, ventilación
mecánica y desenlace final para cada paciente.
De nuestra revisión podemos concluir que la mayoría de nacimientos
corresponden a neonatos de sexo masculino, siendo los primeros 4 meses del año
5
los de menor natalidad con posterior incremento con pico en el mes de
septiembre. En nuestra institución ocurre una mayor incidencia de nacimiento
pretérmino respecto a las cifras de OMS para nuestro país (un promedio cercano
al 20% en nuestra institución y alrededor del 10% para Colombia según OMS) lo
que puede explicarse por ser centro de referencia de alta complejidad. La
membrana hialina y las alteraciones respiratorias son la principal causa de
admisión. Del total de pacientes hospitalizados a lo largo del año, alrededor del
90% se clasifica con peso adecuado para la edad gestacional, la mayoría de los
ingresos provienen de sala de partos con un incremento de la proporción de
pacientes hospitalizados desde urgencias pediátricas para los meses de marzo,
abril, mayo y en el segundo semestre en agosto y noviembre, coincidiendo con los
meses de alerta epidemiológica por infección respiratoria. La mortalidad global
para el año fue de 10 por cada 1000 NV, sin embargo el mes de enero presentó
un comportamiento atípico que se consideró un hecho aleatorio. Podemos decir
que las estadísticas de la unidad neonatal del Hospital Universitario Clínica San
Rafael son congruentes con las de la literatura mundial y regional.
Abstract:
Our Project is a descriptive and prospective study, we searched in the birth records
of the neonatal intensive care unit where the characteristics and diagnosis of the
patients are registered, we also consulted intranet medical history records to learn
de time of permanence as inpatient, days of mechanical ventilation and outcome
for each patient.
Because of our researching we can conclude that most of newborns are
masculine, the first four months of the year have the lowest birth rates with an
increase after april reaching the top on september. In our hospital we have a higher
incidence of preterm birth compared with WHO data for our country (average
incidence of 20% in our institution and about 10% reported for Colombia according
to WHO) this might be explained because of the complexity of the health care
services we provide. Hyaline membrane disease and respiratory disturbances
remain the leading cause of NICU admission. Nearly 90% of the admitted neonates
in the NCIU have adequate birth weight for gestational age, most of the
hospitalized patients come from the delivery room, with an increased proportion of
patients from pediatric emergency room on march, april, may and for the second
semester on august and november, related to the epidemiological alert season for
respiratory infection. Global mortality of the year was 10 in every 1000 live births,
6
nonetheless January had a bizarre tendency that was considered a random fact.
We can conclude that the statistics of Hospital Universitario Clínica San Rafael
neonatal intensive care unit are very much alike with wolrdwide and regional
publications.
MARCO TEORICO
La evolución del cuidado perinatal ha cambiado de manera importante la
morbimortalidad neonatal y los desenlaces de los recién nacidos pre término,
además de modificar la historia natural de muchas patologías neonatales que
hasta hace un par de décadas significaban la muerte o discapacidad permanente
para nuestros pacientes. El registro juicioso de los nacimientos, las causas de
ingreso y el comportamiento de los niños admitidos a la unidad neonatal en cifras
y variables numéricas y nominales ha permitido estimar el impacto de nuestro
desempeño y hoy en dia los indicadores son más que estadísticas, permiten un
amplio análisis de una cadena de eventos que podrían preceder incluso a la
concepción y cuyo papel en los resultados perinatales nos orienta para diseñar
estrategias preventivas para mejorar la sobrevida y atenuar el impacto negativo de
la enfermedad en nuestros niños y niñas. Otra función primordial de estos
registros es la de evaluar la calidad de la atención ya que la descripción de la
ocurrencia de accidentes, eventos adversos e infecciones asociadas al cuidado de
la salud además de ser un indicador de la idoneidad de los servicios médicos es
una herramienta de retroalimentación para el mejoramiento.
Respecto a la mortalidad neonatal, sabemos que la frecuencia es variable y
depende de múltiples factores, siendo mayor en países no industrializados,
actualmente 45% de las muertes en menores de 5 años ocurren en el periodo
neonatal (1), las cifras de los continentes africano y asiático (sudeste) son
aterradoras con una frecuencia de 31 y 26 muertes por cada 1000 nacidos vivos,
con américa y europea liderando la sobrevida neonatal con 7.6 y 6.1 muertes por
cada 1000 nacidos vivos respectivamente (1). En desempeño individual para
Latinoamérica, Chile lidera en la región con 7 muertes por cada 1000 nacidos
vivos, en tanto Colombia se sitúa detrás de México, Argentina, Uruguay, Brasil y
Venezuela con un estimado de 15 muertes por cada 1000 nacidos vivos (1).
Según la OMS las principales causa de muerte en orden de frecuencia en el
periodo neonatal son prematurez 15%, asfixia 11%, Sepsis y neumonía 9% y
defectos congénitos 4% seguidas de otras patologías múltiples (2). La estadística
de muerte del total de los neonatos admitidos a la unidad neonatal no está
7
discriminada en muchas publicaciones, pero la reducción de la mortalidad es una
tendencia en incremento con algunos autores latinoamericanos reportando
reducción del 26% al 15% en una década (3). Los factores de riesgo descritos en
nuestro medio para muerte durante la estancia en UCI son: peso menor a 2500
gramos, edad gestacional menor a 37 semanas, antecedentes de maniobras de
reanimación y ser remitido de un menor nivel de complejidad de atención (4).
La frecuencia de nacimientos pre término ha incrementado en la última década y
constituye un serio problema de salud pública siendo aproximadamente 8.6% del
total de las gestaciones para países desarrollados con un promedio de ocurrencia
del 12.3% en áfrica subsahariana (5), encontrando países como Malawi donde el
porcentaje ronda 20%. Son los neonatos pre término quienes exhiben la mayor
mortalidad, con algunas estadísticas locales describiendo hasta 37% (8.3/1000
NV) (6), mayor presentación de sepsis y mayor permanencia en unidades
neonatales.
La infección neonatal es una de las principales causas de ingreso a la unidad
neonatal, se estima que afecta a 1 a 8 de cada 1000 nacidos vivos en países
industrializados pero puede comprometer hasta 19 de cada 1000 nacidos vivos en
países en vías de desarrollo, siendo la dificultad respiratoria su manifestación
clínica más común (79%), seguida de ictericia (44%) (7). La infección nosocomial
puede ocurrir hasta en el 10% de todos los recién nacidos hospitalizados y en más
del 25% de los menores de 1500 gramos, a menudo se asocia a uso de catéteres
centrales y los estafilococos coagulasa negativo representan más del 50% de los
microorganismos aislados (8), globalmente se ha estimado una ocurrencia de 1.9
casos por cada 1000 nacidos vivos (9) y para nuestro medio se han descrito
frecuencias incluso menores a las descritas para otros países en vías de
desarrollo con 5.5% del total de pacientes hospitalizados (10). Se ha descrito una
tasa de infección del 8.6% entre usuarios de catéteres centrales, con una
ocurrencia global de 6,23 episodios por cada 1000 días/paciente (11).
La neumonía asociada al ventilador es una complicación que se describe menos,
estudios locales reportando 1.9% del total de ingresos (11) con incidencia en
países desarrollados de aproximadamente 3.3 casos por cada 1000 días de
ventilación mecánica (12). Sin importar la etiología, la mortalidad por sepsis
aumenta con los días de vida siendo la principal causa de muerte de neonatos
hospitalizados con más de 2 semanas de vida (13).
En relación a los motivos de ingreso a la unidad de cuidados intensivos las
principales causas son síndrome de dificultad respiratoria, sepsis neonatal, asfixia
8
perinatal, malformaciones congénitas y enfermedad hemolítica del recién nacido,
teniendo en cuenta estadísticas latinoamericanas (14), siendo el 50% de los
fallecidos neonatos pre término y con sepsis como la primera causa. Otros autores
latinoamericanos describen un porcentaje de hospitalización del 4.4% del total de
recién nacidos de sus hospitales, donde 6,9% de esta población fueron
prematuros, con bajo peso 61%, muy bajo peso 21%, peso adecuado 11% y
extremado bajo peso 7% (15), manteniendo tendencias similares respecto al
motivo: membrana hialina (52.5%), sepsis (12.7%) y asfixia (9.1%).
El tiempo promedio de estancia hospitalaria en UCI neonatal está determinado por
múltiples variables, para los pre términos en un hospital de segundo nivel mejicano
el promedio es 19.8 días (15), en Argentina se han descrito como factores de
riesgo para estancia prolongada (mayor a 60 días): Madre adolescente, pobre
control prenatal, peso inferior a 1500 gramos, cardiopatía, patología quirúrgica,
transporte inadecuado, complicaciones quirúrgicas e infección nosocomial, con un
promedio de hospitalización de 24.4 +/- 27 días (rango 1-205) para los neonatos
admitidos a cuidados intensivos en un hospital de referencia regional (16). En una
unidad neonatal bogotana de referencia (Hospital de La Samaritana) el promedio
de días de hospitalización es 15 días (17).
El cuidado neonatal tiene como meta reducir además de la mortalidad por todas
las causas, las secuelas derivadas de las patologías propias de los pacientes y de
la atención médica durante las primeras semanas de vida, la cifras nos permiten
conocer el panorama actual y diseñar estrategias de intervención y mejoramiento,
es por eso que el principal objetivo de nuestro trabajo es describir los indicadores
de nuestra unidad neonatal y comparar nuestros resultados con los expuestos en
la literatura mundial, pero principalmente regional.
OBJETIVOS
Objetivo Principal:
Describir el estado vital y los principales atributos de interés en recién nacidos
usuarios del servicio de la unidad de recién nacidos del Hospital Clínica San
Rafael de Bogotá durante el año 2013.
Establecer las bases de un modelo de gestión en la calidad asistencial
mediante el diseño e implementación de gráficos de control a eventos
trazadores de especial relevancia (Apgar < 7 a los 5 minutos y tasas de
9
mortalidad) en la unidad de recién nacidos del Hospital Clínica San Rafael de
Bogotá.
Objetivos Específicos:
Describir el número de nacimientos en el Hospital Clínica San Rafael de Bogotá
durante el año 2013.
Describir el porcentaje de recién nacidos de sexo masculino, femenino e
indeterminado en el Hospital Clínica San Rafael de Bogotá durante el año
2013.
Describir la vía de nacimiento de los recién nacidos del Hospital Clínica San
Rafael de Bogotá durante el año 2013.
Describir el promedio de puntaje APGAR a los minutos 1 y 5 de los recién
nacidos del Hospital Clínica San Rafael de Bogotá durante el año 2013.
Describir la edad gestacional promedio de los recién nacidos del Hospital
Clínica San Rafael de Bogotá durante el año 2013.
Describir la proporción en porcentaje de los recién nacidos pretérminos del
Hospital Clínica San Rafael de Bogotá durante el año 2013.
Describir la proporción en porcentaje de pacientes con peso adecuado, grande
y bajo para la edad gestacional de los recién nacidos del Hospital Clínica San
Rafael de Bogotá durante el año 2013.
Describir el porcentaje de recién nacidos que se trasladan a la unidad neonatal
desde sala de adaptación y puerperio en el Hospital Clínica San Rafael de
Bogotá durante el año 2013.
Describir la mortalidad global de la unidad de recién nacidos del Hospital
Clínica San Rafael de Bogotá durante el año 2013.
Describir la mortalidad discriminando tiempo de vida postnatal (<24 horas, 1-7
días, 8-28 días, >29 días) en la unidad de recién nacidos del Hospital Clínica
San Rafael de Bogotá durante el año 2013.
Describir la mortalidad discriminando la procedencia de los pacientes
(Urgencias, Internos) en la unidad de recién nacidos del Hospital Clínica San
Rafael de Bogotá durante el año 2013.
Describir el porcentaje de pacientes con egreso según su peso al nacer en la
unidad de recién nacidos del Hospital Clínica San Rafael de Bogotá durante el
año 2013.
10
Describir la frecuencia en porcentaje de causas de dificultad respiratoria en los
pacientes de la unidad de recién nacidos del Hospital Clínica San Rafael de
Bogotá durante el año 2013.
Describir la frecuencia en porcentaje de causas de ictericia en los pacientes de
la unidad de recién nacidos del Hospital Clínica San Rafael de Bogotá durante
el año 2013.
METODOLOGIA
APROXIMACIÓN METODOLÓGICA
DISEÑO DEL ESTUDIO
Descriptivo, retrospectivo con recolección de datos a partir de los indicadores y
datos estadísticos de la Unidad de Recién Nacidos del Hospital Universitario
Clínica San Rafael.
POBLACIÓN
Todos los neonatos que nacieron en la institución y los que ingresaron a la unidad
neonatal entre enero y diciembre de 2013.
CRITERIOS DE INCLUSIÓN
Todos los neonatos que nacieron en la institución y los que ingresaron a la unidad
neonatal entre enero y diciembre de 2013.
CRITERIOS DE EXCLUSIÓN
Ninguno
11
TAMAÑO DE LA MUESTRA Y SELECCIÓN DE LA MUESTRA
Todos los indicadores y datos estadísticos de la unidad de recién nacidos del
Hospital Universitario Clínica San Rafael durante el periodo de 1 de enero a 31 de
diciembre de 2013.
VARIABLES A ANALIZAR
VARIABLE DEFINICIÓN TIPO DE
VARIABLE UNIDAD DE
MEDIDA
Edad Gestacional al nacer
Edad gestacional calculada al momento del nacimiento, calculadas por FUR, por ecografía del primer trimestre, o por escala de Ballard
Cuantitativa Discreta
Semanas consecutivas de la gestación
Sexo Condición orgánica, masculina o femenina
Cualitativa Nominal
1. Femenino 2. Masculino
Peso al nacer
Cantidad en gramos arrojada por la báscula electrónica de la URN al momento de hospitalizar al recién nacido.
Cuantitativa Continua
Gramos
Apgar al min Puntuación arrojada de la escala de apgar
Cuantitativa continua
Apgar a los 5 min Puntuación arrojada de la escala de apgar
Cuantitativa Continua
Parto normal Vía de nacimiento canal vaginal Cualitativa Nominal
Vía vaginal
Parto cesárea Vía de nacimiento pared abdominal
Cualitativa Nominal
Vía Abdominal
Parto Multiple Gestación de más de un embrión Cualitativa Nominal
Más de un recién nacido
Ingreso Cantidad de pacientes que fueron hospitalizados
Cuantitativa Nominal
12
Egreso Cantidad de pacientes que fueron hospitalizados y dados de alta
Cuantitativa Nominal
Mortalidad
Pacientes que fallecieron hospitalizados en la unidad independiente de vía de ingreso y patología
Cualitativa Nominal
Hipoxia Diagnostico presuntivo de acuerdo al apgar y escala de sarnat
Cuantitativa Nominal
Patología Diferentes causas medicas de ingreso a la unidad
Cualitativa Nominal
Nominal
RECOLECCION DE DATOS
Las variables se recolectaran a partir de los registros estadísticos del servicio y se
introducirán en una hoja de cálculo de Excel.
PLAN DE ANALISIS
Se realizara una caracterización de la muestra obtenida, describiendo frecuencias
absolutas y porcentuales de las variables categorizadas, así como la media y la
desviación estándar de las mismas. Además se presentara la frecuencia de las
variables de ajuste y se realizara test de ji cuadrado para la evaluación de las
diferencias.
RECURSOS
RECUSO HUMANO
El estudio será desarrollado por los estudiantes de subespecialidad de
neonatología
13
RECURSOS MATERIALES
Se utilizara el computador del gestor del servicio para digitar la información y
posteriormente realizar el análisis correspondiente.
RECURSOS FINANCIEROS
La totalidad del estudio será financiado por los estudiantes de subespecialidad de
neonatología
FINANCIAMIENTO DE LA INVESTIGACIÓN
Tabla 1. Presupuesto global para la investigación por fuentes de financiación
Fase I (en miles de pesos $).
Tabla 2. Descripción de los gastos del personal (en miles de pesos $).
RUBROS TOTAL
SERVICIO DE NEONATOLOGIA
$ 10000
EQUIPOS $ 10000
MATERIALES $ 60.000
TOTAL $ 80.000
INVESTIGADOR FORMACION ACADEMICA
FUNCION DENTRO DE
INVESTIGACION DEDICACION TOTAL
Residente de Neonatología
Investigador 1 hora diaria $1000000
Residente de Neonatología
Investigador 1 hora diaria $1000000
Residente de Neonatología
Investigador 1 hora diaria $1000000
Neonatologo Investigador 1 hora diaria $1000000
TOTAL $4000000
14
Tabla 3. Descripción de los equipos y software que usarán durante la
investigación, de la Institución y de los investigadores (en miles de pesos $).
Tabla 4. Materiales, Suministros y Bibliografía
(En miles de pesos $)
ASPECTOS BIOETICOS
Este estudio está clasificado como bajo riesgo por cuanto solo pretende analizar
los registros estadísticos del servicio y no hay registros de pacientes, por lo que no
hay necesidad de firmar consentimiento.
La custodia y la confidencialidad de la información estarán a cargo del gestor del
servicio de neonatología el Dr. Javier Cristo en el computador institucional como
parte de informe de gestión institucional
Este trabajo estará sujeto a la aprobación del comité de ética en investigación del
Hospital universitario Clínica San Rafael y su utilidad será para realizar planeación
estratégica.
EQUIPOS Y SOFTWARE VALOR
Computador personal Residentes $ 1.000.000
Licencia de Windows $ 200.000
Licencia de Microsoft Office 2003 (Excel)
$ 150.000
TOTAL $ 1.350.000
MATERIALES VALOR
Artículos de bibliografía $ 70.000
Fotocopias varias $ 150.000
Cartuchos de impresoras $ 100.000
Papelería en general $ 200000
TOTAL $ 520000
15
RESULTADOS
En esta base de datos la información del mes de Diciembre del año 2013 no fue
registrada, por lo tanto con el apoyo de modelos lineales se realizó una imputación
de datos para este mes con base en el comportamiento de las variables durante
los años 2007 a 2012, esto con el fin de reducir el sesgo de información inherente
a este tipo de procesos y poder estimar con un respaldo teórico los datos faltantes.
Este proceso se encuentra explicado en el Apéndice.
Descripción del número de nacimientos en el Hospital:
Mensualmente se registro la información de la totalidad de nacimientos, los
resultados se condensan en la siguiente grafica:
La cantidad de nacimientos sufre una variación con tendencia a decrecer durante
los primeros meses del año, a partir del mes de abril se presenta un aumento en
los mismos registrándose su mayor cantidad en septiembre. Cabe destacar que la
cantidad de nacimientos en el mes de febrero, marzo abril, mayo y septiembre se
encuentran a más de una desviación estándar de la media anual, que es
16
aproximadamente 243 nacimientos por mes. Esto permite obtener un sentido de
referencia sobre cuales meses los nacimientos variaron más.
Descripción del Porcentaje de recién nacidos por género:
El porcentaje de recién nacidos por género mensual se obtuvo a partir de la
frecuencia relativa obtenida entre los nacimientos por género con el total de
nacimientos del mes correspondiente. Los resultados se encuentran destacados
en la siguiente gráfica:
No se evidencia una clara tendencia respecto al sexo de los recién nacidos por
meses, cabe resaltar el comportamiento más disparejo se presenta en los meses
de enero y agosto cuando nacen alrededor de 18% más niños que niñas. La
media anual para el género masculino es alrededor de 2 puntos porcentuales
mayor al promedio del género femenino, por lo tanto no hay una diferencia
significativa. No se presentan nacimientos cuyo sexo sea indeterminado.
17
Descripción de la vía de nacimiento de los recién nacidos
Se cuenta con la información sobre el total partos por cada modalidad que se
presentaron en el hospital, las proporciones se encuentran discriminadas en la
siguiente gráfica:
En este grafico se aprecian los perfiles de cada mes respecto a la vía de
nacimiento, en el cual la longitud vertical de cada categoría indica el porcentaje
que esta ocupa en el mes correspondiente. Por lo tanto puede apreciarse que fue
mayor el porcentaje de nacimientos naturales en casi todos los meses a excepción
del mes de septiembre, donde solo el 40% fue de partos naturales. El promedio
anual de partos naturales fue aproximadamente el 56% mientras que el promedio
de partos por cesaría fue el 44% anual.
Descripción Puntaje de Apgar
Este examen es realizado en todos los partos del hospital, se tienen dos etapas.
18
Test de Apgar Un minuto
El conjunto de factores que intervienen en el examen Apgar al primer minuto
después del parto permite determinar qué tan bien toleró el bebé el proceso de
nacimiento. Luego un puntaje alto de esta variable nos indica que físicamente el
recién nacido presenta condiciones favorables.
Es notable que en todos los meses del año más del 90% de los casos tienen un
puntaje entre 10 y 7. El puntaje de 6 a 3 tiene una mayor proporción de casos que
el puntaje 0 a 2 en la gran mayoría de meses a excepción del mes de abril, sin
embargo siguen repartiéndose una proporción más pequeña que los puntajes más
altos.
Test de Apgar 5 minutos
Al realizar el examen a los 5 minutos se pretende indicar al médico qué tan bien
está evolucionando el recién por fuera del vientre materno. Puntajes altos indican
una buena evolución del bebé después de nacer.
19
Es evidente la prevalencia de los puntajes 7 y mayores, estos están en todos los
meses del año por arriba del 92%. Cabe resaltar el comportamiento de los
puntajes 0 a 2 en el mes de abril dado que se mantiene constante el porcentaje
respecto a la medida al minuto del parto. En todos los meses, a excepción de
enero y febrero, se puede ver que los puntajes medios de Apgar decrecieron en
porcentaje respecto a la medición al minuto del parto. Por lo tanto los puntajes
tienden a subir a los 5 minutos respecto a la medición realizada a 1 minuto.
Un modelo para la Proporción de Neonatos con APGAR menor a 7 a
los 5 minutos
Se calculan las proporciones de neonatos como sigue: Se toman los datos
agrupados mes a mes de neonatos con APGAR menor a 7 (entre 0 y 6) a los 5
minutos de nacimiento y se toma la proporción con la información de nacidos vivos
(mes a mes).
Una vez revisados los datos, se procede a identificar datos atípicos, encontrando
que para el mes de Abril de 2009 se observa que todos los neonatos presentaron
APGAR menor de 7 a los 5 minutos de nacimiento (100% de los nacidos vivos).
Se procede a eliminar el dato asumiendo que se trató de un error tipográfico.
20
Se procede a buscar problemas de autocorrelación1. Para Tal fin graficamos la
evolución del fenómeno observado en el tiempo y se calcula las autocorrelaciones
muéstrales.
Nótese que no parece haber ninguna tendencia en el tiempo, ni componentes
estacionales2.
1 El problema de autocorrelación implica que existe dependencia entre las observaciones en tiempo 𝑡0 y 𝑡1 2 Se entiende por componente estacional cuando un fenómeno toma valores semejantes con una frecuencia definida.
21
Este gráfico evidencia que a pesar de que haya autocorrelación, esta es muy
pequeña y el costo computacional sería muy grande comparado con lo que se
podría ganar en el análisis.
Por las razones anteriormente expuestas es razonable plantear el modelo de
muestra aleatoria. Como se está modelando una proporción, lo más razonable es
utilizar una distribución beta3, y en vista de que hay presencia de ceros (0)4 se
prefiere realizar la estimación por el método de los momentos. Esto es: plantear un
sistema de ecuaciones como sigue:
Θ = 𝐸(Θ)
Θ2 = 𝐸(Θ2)
Donde Θ = ∑ Θ𝑖𝑛𝑖=1 y Θ2 = ∑ Θ𝑖
𝑛𝑖=1 , donde Θ𝑖 se define como la proporción de
neonatos con APGAR inferior a 7 en el 𝑖-ésimo mes.5 Asumiendo que
Θ~𝐵𝑒𝑡𝑎(𝛼, 𝛽) y con la información conocida del modelo se obtiene el siguiente
sistema de ecuaciones:
Θ =𝛼
𝛼 + 𝛽
Θ2 =(α + 1)α
(α + β + 1)(α + β)
Resolviendo para 𝛼 y 𝛽:
�� =Θ(Θ − Θ2 )
Θ2 − (Θ)2
�� =��
Θ− ��
Para los datos obtenidos Θ = 0.0183 y Θ2 = 0.00050956; entonces �� = 1.878952 y
�� = 100.6557, así el modelo obtenido es Θ~𝐵𝑒𝑡𝑎(1.878952,100.6557), El modelos
se encuentra graficado a continuación.
3 Ver Apéndice para información adicional. 4 Al haber presencia de proporciones nulas en la muestra hace que la media geométrica siempre sea cero y no es posible realizar la estimación de los parámetros 𝛼 y 𝛽. 5 Este tipo de estimadores es consistente, es decir, con probabilidad 1 convergen al valor real que se busca estimar.
22
Se aprecia que la curva se sobrepone bastante bien señalando que no existen
inconsistencias en el modelo. Esta información será útil para posteriormente
establecer una distribución a Priori sobre el parámetro de proporción de los
neonatos con APGAR menor a 7 en 5 minutos.
Aplicación
Metodología
Una aplicación muy importante de los resultados obtenidos es establecer un
conjunto de pruebas de hipótesis para llevar control de calidad sobre los procesos
de asistencia médica en una unidad de neonatología en un hospital de tercer nivel
utilizando el modelo obtenido como distribución a Priori.
23
Supongamos que un recién nacido posee una probabilidad Θ de tener un APGAR
inferior a 7. Defínase la siguiente variable aleatoria:
𝑍𝑗 = {1 𝑆𝑖 𝑒𝑙 𝑗 − é𝑠𝑖𝑚𝑜 𝑛𝑒𝑜𝑛𝑎𝑡𝑜 𝑡𝑖𝑒𝑛𝑒 𝐴𝑃𝐺𝐴𝑅 𝑖𝑛𝑓𝑒𝑟𝑖𝑜𝑟 𝑎 70 𝐸𝑛 𝑂𝑡𝑟𝑜 𝐶𝑎𝑠𝑜
Este modelo se denomina Bernoulli6 y por la suposición inicial decimos que
𝑍𝑗~𝐵𝑒𝑟(Θ). Asumamos que en un mes 𝑖 hay 𝑛 nacimientos, luego 𝑋𝑖: = ∑ 𝑍𝑗𝑛𝑗=1 es
la cantidad total de recién nacidos con APGAR inferior a 7 al minuto 5 del el 𝑖-
ésimo mes. Se puede mostrar que 𝑋𝑖~𝐵𝑖𝑛(𝑛, Θ) y utilizando la información acerca
del parámetro Θ obtenida anteriormente, obtenemos la distribución posterior de
Θdenotada como Θ|Xi.
Θ|Xi~𝐵𝑒𝑡𝑎(𝛼 + 𝑋𝑖, 𝛽 + 𝑛 − 𝑋𝑖)
Con esta información se puede establecer un procedimiento para probar el
sistema de hipótesis
𝐻0: Θ ≤ 𝜃0 𝑣𝑠 𝐻1: Θ > 𝜃0
Donde 𝜃0 son unos valores de referencia previamente establecidos.
La prueba de hipótesis se puede llevar a cabo de la siguiente manera:
1. Se calculan𝛼0 = 𝑃(Θ ≤ 𝜃0|𝑋𝑖), 𝛼1 = 𝑃(Θ > 𝜃0|𝑋𝑖), 𝜋0 = 𝑃(Θ ≤ 𝜃0) y 𝜋1 =
𝑃(Θ > 𝜃0) A partir de la información prior y posterior de la proporciónΘ.
2. Calcular el “posterior odds ratio” a favor de 𝐻0 definido como 𝛼0
𝛼1 .
3. Calcular el Factor de Bayes a favor de 𝐻0 definido como 𝐵𝐹01: =𝛼0𝜋1
𝛼1𝜋0.
Los resultados obtenidos en (2) y (3) se interpreta como sigue: El posterior odds
ratio obtenido en (2) nos da una idea de que tan probable es un modelo sobre
otro. Por ejemplo si obtenemos un posterior odds a favor de 𝐻0 ratio igual a 10, se
dice que 𝐻0 es 10 veces más probable que 𝐻1. El Factor de Bayes obtenido en (3)
es un resumen de la evidencia obtenida de la información a favor de una teoría
científica7. En general se tiene un consenso acerca de la interpretación de los
valores que puede tomar el factor de Bayes:
6 Ver Apéndice para información adicional. 7 Kass R. Raftery A. (1995). Bayes Factors, Journal of the American Statistical Association, Vol. 90 No. 90.
24
𝐵01 Evidencia en contra de 𝐻0
0.3125 a 1 Débil
0.1 a 0.3125 Sustancial
0.01 a 0.1 Fuerte
Menor a 0.01 Decisiva
En caso de que se rechace 𝐻0, Se puede decir que la proporción de neonatos con
un APGAR inferior a 7 es más alto que los límites requeridos y se debe proceder a
realizar una revisión de procedimientos.
Implementación
En efecto, las expresiones vistas anteriormente son bastante complicadas para
calcular “a mano”, por tal motivo se propone una alternativa computacional para
calcular el posterior odds ratio.
En el software libre R, se han escrito las funciones: control.APGAR,
buscar.APGAR y registro.APGAR. Donde
1. control.APGAR: Retorna el factor de bayes y sus parámetros de entrada
son:
- n: Número de nacimientos.
- X: Cantidad de neonatos con APGAR inferior a 7 en 5 minutos.
- theta0: Valor de referencia 𝜃0.
2. buscar.APGAR: Retorna la cantidad máxima de niños con APGAR menor a
7 para tal que la hipótesis nula no sea rechazada. Sus parámetros de
entrada son:
- n: Número de nacimientos.
- tol: Factor de bayes mínimo establecido por el investigador.
- theta0: Valor de referencia 𝜃0.
3. registro.APGAR: Elabora un gráfico de control. Sus parámetros de entrada
son:
- matrix: Matríz de datos.
- tol: Factor de bayes Establecido por el investigador.
- theta0:Valor de referencia 𝜃0.
25
Para esta aplicación solo es necesario utilizar la función registro.APGAR, el fin de
las otras dos funciones se utilizan para que la programación de registro.APGAR
sea más sencilla. A continuación se describe detalladamente su uso:
Supóngase que se tiene la siguiente información:
Mes Número de nacimientos
Cant. Neonatos APGAR<7 5min
Enero 2015 425 1
Febrero 2015 374 7
Marzo 2015 394 4
Abril 2015 382 3
Mayo 2015 393 19
Junio 2015 383 1
Julio 2015 420 1
Agosto 2015 423 7
Septiembre 2015 377 0
Octubre 2015 401 2
Lo primero que hay que hacer es guardar esta información en una matríz de la
siguiente manera:
Data<-matrix(c(425, 374, 394, 382, 393, 383, 420, 423, 377, 401, 1, 7, 4, 3, 19, 1,
1, 7, 0, 2), ncol=2, nrow=10)
Supongamos que nuestro valor de referencia es 𝜃0 = 0.018 el cual es simplemente
el promedio de las observaciones históricas. Y supongamos que nuestro factor de
bayes de referencia es 1
4= 0.25, esto es, se necesita evidencia sustancial para
afirmar que Θ > 0.018. Así la función se corre de la siguiente manera:
registro.APGAR(Data,1/4, 0.018)
Y se obtiene la siguiente salida gráfica:
26
La gráfica se interpreta como sigue:
Siempre que la línea azul esté por debajo e incluso al mismo nivel que la línea
roja, se dice que la cantidad de recién nacidos con APGAR inferior a 7 a 5 minutos
de nacidos se encuentra bajo control. En el momento que la línea azul cruza
completamente la línea roja, se dice que cantidad de neonatos con APGAR inferior
a 7 a 5 minutos de nacidos se encuentra fuera de control y se deben revisar los
procedimientos en el hospital para encontrar el motivo del aumento. En la
simulación vemos que en el mes de Mayo, la cantidad de recién nacidos con
APGAR inferior a 7 estaba fuera de control, por lo tanto era necesario chequear
los procedimientos en ese mes.
Descripción de la edad gestacional
La edad gestacional es una variable que se registró en cada caso al momento del
parto, los registros obtenidos se encuentran en la siguiente gráfica:
27
Es destacable la diferencia de frecuencias entre los partos a término y los partos a
pretermino mes a mes, los primeros son más frecuentes y en promedio ocurrieron
205 por mes destacándose que en mayo y septiembre se registraron las mayores
cantidades, cabe recordar que en estos dos meses se presentaron la mayor
cantidad de partos en general, esto pudo incitar este resultado. Un caso similar se
puede relacionar en los meses febrero, marzo y abril cuya cantidad de partos en
general fue menor que en el resto de meses, esto incidió en su lejanía de la media
anual a más de una desviación estándar.
Para la variable pretermino se evidencia un comportamiento a su vez relacionado
con la cantidad de partos mes a mes aunque con una variación más pequeña
respecto a la categoría “Termino”, todos los meses a excepción de septiembre
28
contaban en total con una cantidad de partos Pretermino a menos que una
desviación estándar de la media que en este caso es de 38 partos mensuales.
El análisis de perfiles permitirá una mejor interpretación proporcional de la
información capturada.
Descripción porcentual de la edad gestacional Pretermino
En este grafico se puede ver que la media anual de partos pretermino es alrededor
de 15.78% mensual, los meses de mayor porcentaje son marzo y abril, mientras
que los meses de junio y agosto se presenta una proporción inferior
29
Descripción del peso en los recién nacidos
Esta información fue obtenida en gramos, los resultados se muestran a
continuación distinguiendo entre los recién nacidos que murieron y los que
tuvieron egreso.
Cabe resaltar la prevalencia de peso mayor a 2500 gramos en la mayoría de
meses, siendo el mayor el mes de agosto y el menor el mes de octubre, la media
anual de porcentaje para esta categoría es de 65 %. Mientras tanto en los recién
nacidos que murieron el promedio anual de esta categoría fue 35 %.
30
Hay categorías con frecuencias muy bajas, en especial en pacientes con egreso, a
diferencia de los pacientes muertos los cuales presentan algunas categorías de
bajo peso notoriamente diferenciables.
Descripción de las categorías por peso para recién nacidos
Con base en los datos obtenidos de la medición se categorizo a los individuos y se
obtuvieron los siguientes resultados:
Se puede evidenciar que hay una alta prevalencia de la categoría adecuado,
mientras que la categoría grande tiene una proporción inferior a las demás
categorías casi en todos los meses. Dentro de estas variaciones en el peso la
categoría inferior presenta una proporción que se encuentra alrededor del 8%
promedio para todo el año.
31
Descripción de procedencia de recién nacidos a la Unidad Neonatal:
Se obtuvieron los registros de la procedencia entre unidades a la unidad neonatal,
estos fueron los resultados:
La sala de parto es porcentualmente mes a mes la que más recién nacidos
traslada a la unidad neonatal, en el mes de abril se presentó un alto flujo de
ingresos por parte de Urgencias. Cabe destacar que desde la sala de puerperio se
traslada en proporción la menor cantidad de individuos a la sala de neonatos.
32
Descripción de la mortalidad global Unidad de recién nacidos
Se tiene el conteo de las muertes por mes en la unidad de cuidados intensivos, los
datos se representan en el siguiente gráfico:
Durante el mes de enero se estima que 18 de cada 1000 recién nacidos murieron,
esta fue la tasa de mortalidad más alta, las demás tasas no siguieron un
comportamiento estable o reflejaron un patrón de seguimiento, sin embargo llama
mucho la atención que el riesgo de morir en Enero (18/1000) fue 4.6 veces el
registrado en Agosto (3.9/1000), esto obliga a revisar el protocolo de manejo en
dicho mes. La tasa promedio de mortalidad anual fue 10 muertes por cada 1000
recién nacidos. Se podría pensar que este comportamiento es generalizado en
todos los años, esto es: El riesgo de muerte en el mes de enero es mayor a los
demás meses, para comprobar esto, se corre un modelo de regresión log-it, donde
se utilizan 12 variables regresoras cada una referenciando a un mes específico
obteniendo que ninguno de sus coeficientes es significativo, es decir, no hay razón
para pensar que hay meses donde el riesgo de muerte en los recién nacidos es
mayor. Por lo tanto el comportamiento descrito anteriormente no es generalizado.
33
Se registraron algunas variables relacionadas con la mortalidad, la información
obtenida se detalla a continuación:
Descripción de la mortalidad según tiempo de vida post-natal
En los meses de enero, abril, junio y agosto se presenta un comportamiento total
con su respectiva categoría, esto se debe a los pocos casos que pudieron haber
ocurrido en esos meses, no parece haber un comportamiento definido o
prevalente pero la categoría “mayor a 29 días” presenta un mayor porcentaje.
34
Descripción de la mortalidad según la procedencia del paciente
Se destaca que la mayoría de casos durante el año fueron provenientes de la
unidad de internos.
Para los resultados mostrados de aquí en adelante no se tiene en cuenta el mes
de diciembre ya que el proceso de imputación no sería adecuado debido a la baja
frecuencia y datos faltantes de la información ya existente.
Un modelo para la tasa de mortalidad
Para el cálculo de la tasa de mortalidad en un mes dado se toma la cantidad total
de muertes, se divide por el total de nacidos vivos y el valor obtenido se multiplica
por mil. A continuación se grafica la evolución temporal de la proporción de
mortalidad desde enero del 2007 hasta octubre de 2014.
35
No parece haber tendencia alguna en la tasa de mortalidad. Ahora veamos los
gráficos de autocorrelación muestral y autocorrelación parcial.
36
A pesar de que algunos valores sobrepasan los valores de referencia para la
prueba de hipótesis de no auto-correlación (Es de esperarse que uno de cada
veinte sobrepasen estos valores cuando no hay auto-correlación). Por lo tanto, no
amerita realizarse un análisis en series de tiempo para este problema.
Sea Xi ≔ "Tasa de mortalidad en el i − ésimo mes" una buena alternativa para
modelar este fenómeno es utilizar un modelo exponencial8. Para estimar el
parámetro λ se puede utilizar el método de máxima verosimilitud como sigue:
ℓ(λ, X1, X2, … , Xn) =1
λnExp (−
∑ Xini=1
λ)
ℒ(λ) = −∑ Xi
ni=1
λ+ n ln (
1
λ)
∂
∂ (1λ
) = − ∑ Xi
n
i=1
+ n λ = 0
8 Ver Apéndice.
37
Así
λ =∑ Xi
ni=1
n= X
Para los datos de mortalidad se tiene que X = 9.904, luego se tiene que
Xi~Exp(9.904). A continuación se muestra un histograma con la densidad
superpuesta para mostrar que el modelo ajusta bien a los datos obtenidos.
Aplicación
Es importante establecer una regla general para detectar aumentos significativos
en la tasa de mortalidad. Una manera de hacerlo es establecer un conjunto de
hipótesis que detecte una superioridad significativa a un valor escogido por el
investigador.
38
Metodología
Se llevará a cabo un procedimiento para probar el siguiente sistema de hipótesis.
H0: λ ≤ λ0 vs H1: λ > λ0
Donde λ0 es una tasa de mortalidad seleccionada con base a estándares
nacionales e internacionales.
En otras palabras, se asume que la tasa de mortalidad en el mes i-ésimo es
menor a un valor de referencia a no ser que haya suficiente evidencia estadística
de lo contrario.
[1] Muestra que el test uniformemente más potente9 en virtud del lema de
Neymann-Pearson es.
Rechazar H0 si y solo si ∑ Xini=1 > 𝑘 donde k es tal que ∫
xn−1
Γ(n)λ0n Exp (−
x
λ0)
∞
kdx = α
donde α es el nivel de significancia de la prueba, como se quiere realizar el Test
en cada mes secuencialmente, solo se tiene acceso a una observación de la tasa
de mortalidad, por lo tanto ∫xn−1
Γ(n)λ0n Exp (−
x
λ0)
∞
kdx = ∫
1
λ0Exp (−
x
λ0)
∞
kdx = e
− x
λ0 . Lu
se rechaza H0 cuando la tasa de mortalidad en el i-ésimo mes es mayor a k =
− ln(α) λ0.
Con esta regla sencilla se puede realizar un control mes a mes de la tasa de
mortalidad en la unidad de neonatología, solo hace falta calcular k = − ln(α) λ0
donde α es un nivel de significancia seleccionado que usualmente es 5% pero se
puede cambiar por cualquier valor cercano. Si la tasa de mortalidad en un mes
dado supera k, se dice que hay suficiente evidencia estadística para rechazar H0 y
se dice que la tasa de mortalidad del mes en cuestión es significativamente más
alta que λ0.
9 El test uniformemente más potente es aquel que tiene la habilidad de detectar más fácilmente
cuando la hipótesis nula es falsa.
39
Implementación
En el software R se ha escrito la función control.TMort que devuelve una gráfica
de control para la tasa de mortalidad. control.TMort recibe tres parámetros de
entrada:
Data: Vector con las tasas de mortalidad mes a mes.
Alpha: Nivel de significancia.
Lambda0: Nivel de referencia para la tasa de mortalidad.
Ejemplo:
Con fines meramente ilustrativos, y asumiendo que se calcula la mortalidad, bajo
el concepto de tasa (muertes por cada mil nacidos vivos en un periodo de tiempo
determinado) se efectúa la siguiente simulación para un año hipotético, en este
caso el 2015.
Supóngase que en los primeros 10 meses de 2015 se obtienen las siguientes
tasas de mortalidad:
MES TASA MORTALIDAD
Enero 2015 1.415068
Febrero 2015 4.241078
Marzo 2015 7.503867
Abril 2015 15.814086
Mayo 2015 10.889551
Junio 2015 6.509572
Julio 2015 3.251077
Agosto 2015 5.754923
Septiembre 2015 5.577378
Octubre 2015 0.602495
Y se quiere saber si la tasa de mortalidad en cada uno de esos meses es
significativamente mayor a λ0 = 4 con un nivel de significancia del 5%. Luego La
función control.TMort se utiliza de la siguiente manera:
Data<-c(1.415068, 4.241078, 7.503867, 15.814086, 10.889551, 6.509572,
3.251077, 5.754923, 5.577378, 0.602495)
control.TMort(Data, 0.05, 4)
40
Obteniendo la salida
Se puede ver que en el cuarto mes la tasa de mortalidad es significativamente
mayor a 4 por mil, luego, una inspección de los procedimientos era necesaria para
ese mes.
Descripción de causas de dificultades respiratorias con base en su frecuencia:
A continuación se tiene el conteo de complicaciones respiratorias en los pacientes
recién nacidos, el siguiente grafico relaciona todos los casos por medio de su
porcentaje:
41
A través del transcurso de los meses la Membrana hialina y la Taquipnea
transitoria tuvieron mayor frecuencia en el desarrollo de complicaciones
respiratorias. Las demás causas tienen un comportamiento parecido variando mes
a mes pero no siguen un patrón relevante.
Descripción de causas de Ictericia con base en su frecuencia
A continuación se tiene el conteo de complicaciones en la salud de los pacientes
que derivaron en casos de Ictericia. La grafica relaciona estos resultados:
42
Se destaca la incidencia de Multifactorial en la causa de Ictericia en todos los
meses de registro en mayor proporción, I.BO tuvo incidencia en la mayoría de
meses, los demás no tuvieron una incidencia constante o frecuente.
43
APÉNDICE.
DISTRIBUCIÓN BETA.
Se dice que θ distribuye Beta con parámetros α, β si y solo sí su función de
distribución está dada por f(θ; α, β) =1
B(α,β)θα−1(1 − θ)β−1I(0,1)(θ). Se denota
X~Beta(α, β)
Donde
B(α, β) = ∫ θα−1(1 − θ)β−1 dθ1
0
[1] Muestra que:
E(Xk) =Γ(α + k)Γ(α + β)
Γ(α)Γ(k + α + β)
En particular E(X) =α
α+β y E(X2) =
(α+1)α
(α+β+1)(α+β). A continuación se muestra cómo
cambian las densidades conforme se configuran los parámetros.
44
DISTRIBUCIÓN EXPONENCIAL
Se dice que X tiene distribución exponencial si y solo si su función de densidad
está dada por f(x; λ) =1
λExp (−
x
λ) I(0,∞)(θ). Se denotaX~Exp(λ) y tiene las
siguientes características:
F(x) = 1 − Exp (−x
λ) si x > 0
E(X) = λ
Var(X) = λ2
A continuación se muestra como cambia la densidad Exponencial conforme se
configura su parámetro
45
DISTRIBUCIÓN BINOMIAL
Se dice que X distribuye binomial sí y solo sí la función de densidad de X está
dada por f(x; n, p) = (nk)px(1 − p)n−xI{1,2,…,n}(x) y se denota X~Bin(n. p). Cuando
n = 1 se dice que X distribuye Bernoulli y se denota X~Ber(p).
E(X) = np
Var(X) = np(1 − p)
IMPUTACIÓN
El proceso de imputación de la base de datos se realizó con la asistencia de un
modelo lineal para cada variable. Los valores faltantes fueron estimados dada la
información observada y considerando los siguientes factores como variables
explicativas: la tendencia de cada variable (crecimiento o decrecimiento a través
del tiempo) y la estacionalidad dada por el mes observado.
Entonces el modelo ajustado a cada variable sigue siguiente expresión:
yit = µ + xita + Si + εit (*)
n: número de observaciones de la variable “y”
i: subíndice que indica el mes observado (1,2,…,12)
t: Subíndice que indica el año observado (1,2,…,8)
x: es una sucesión de valores (1,2,3,…,n)
a: es una constante que captura la curvatura de la tendencia de “y” a través del
tiempo.
S: es una variables de impulsos el cual es diferente para cada mes (Enero,…,
Diciembre)
46
ε: es un error aleatorio
La estimación de los valores µ, x , a, S se hallaron maximizando el error cuadrático
medio calculado bajo el modelo (*), y por consiguiente la estimación de los valores
faltantes de la variable, mediante la siguiente expresión:
yit = µ + xita + Si
El correspondiente modelamiento fue realizado en Excel con las funciones
ESTIMACION.LINEAL() y la maximización con la herramienta Solver de este
programa.
Por otro lado, para las variables “Respiratorio” e “Ictericia”, aunque el análisis
debía hacerse por subcategorías, no se realizó de esta manera debido a que para
algunas de estas había una gran cantidad de datos faltantes, lo cual no
garantizaba la calidad de la estimación a la hora de realizar la imputación, y no se
trabajo sobre las demás categorías por separado para evitar la pérdida de
información que conllevaba no tener en cuenta a aquellas subcategorías con datos
faltantes.
CÓDIGO
control.APGAR<-function(n,X,theta0)
{
theta<-read.csv(file="APGAR5min.csv", head=FALSE, sep=";")
theta<-as.matrix(theta)
a<-mean(theta)*(mean(theta)-mean(theta^2))/(mean(theta^2)-
mean(theta)^2)
b<-a/mean(theta)-a
a0<-pbeta(theta0,a+X,b+n-X)
a1<-1-a0
pi0<-pbeta(theta0,a,b)
pi1<-1-pi0
return((a0*pi1)/(a1*pi0))
}
buscar.APGAR<-function(n,tol,theta0)
47
{
x<-n
bf<-0
theta<-read.csv(file="APGAR5min.csv", head=FALSE, sep=";")
theta<-as.matrix(theta)
a<-mean(theta)*(mean(theta)-mean(theta^2))/(mean(theta^2)-
mean(theta)^2)
b<-a/mean(theta)-a
while( bf <= tol)
{
X<-x
a0<-pbeta(theta0,a+X,b+n-X)
a1<-1-a0
pi0<-pbeta(theta0,a,b)
pi1<-1-pi0
bf<-(a0*pi1)/(a1*pi0)
x<-x-1
}
return(x+1)
}
registro.APGAR<-function(matrix, tol, theta0)
{
k<-dim(Data)[1]
s<-1:k
C<-Z<-rep(0,k)
for( i in 1:k)
{
C[i]<-buscar.APGAR( matrix[i,1],tol, theta0)
Z[i]<-matrix[i,2]
}
plot(s, Z, type="l", ylim=c(min(c(Z,C)), max(c(Z,C))),main="Control APGAR",
xlab="tiempo en meses", ylab="Evolución", col=5 )
lines(s, C, col=2 )
}
48
DISCUSION:
Durante el año 2013 se presentó un total de 2914 nacidos con un promedio
mensual de 243 y con picos de natalidad en los meses de mayo (298) y
especialmente en septiembre, este último mes con 311 nacidos vivos.
En cuanto al género no hay diferencias significativas entre masculino (51%) y
femenino (49%), lo que se ajusta a los datos mundiales 2012-2013 (19).
Con respecto a la vía del nacimiento, la vaginal es la más frecuente, con un
porcentaje mensual del 56%, las cesáreas se presentan en un 44%, solo siendo
superada la cifra de cesáreas en el mes de septiembre, cuando el 60% de los
nacimientos se presentaron por esta vía. A nivel mundial el porcentaje de
nacimientos por cesárea, aceptado por la OMS, es del 15%, en España en 2012
fue del 21.8%, según datos del Ministerio de Sanidad y Servicios Sociales e
Igualdad. Lo anterior permite definir que en la institución el porcentaje de cesáreas
es de 2 a 3 veces mayor a lo recomendado, aunque no tenemos datos de las
causas que generaron este tipo de intervenciones.
La valoración de APGAR demuestra una adecuada vitalidad de los recién nacidos,
con un 90% de resultados superiores a la calificación de 7 puntos y que en los
recién nacidos deprimidos las maniobras de reanimación practicadas por el equipo
de la Unidad Neonatal fueron efectivas, con menor número de recién nacidos con
una puntuación de APGAR menor de 7 a los 5 minutos. Lo anterior se ajusta a las
recomendaciones mundiales sobre la adaptación del recién nacido (20).
Por edad gestacional se observa que la gran mayoría de los nacimientos es de
recién nacidos a término (Promedio: 205 por mes, 84.36% de los nacimientos). La
media mensual de nacimientos de prematuros es del 15.78%, mayor que en
países desarrollados que es del 8.6% (5). El aumento puede ser debido a que ésta
es una institución de 3er nivel, centro de referencia, donde se reciben casos de
patologías complejas. Mensualmente nacen en promedio 38 prematuros y en el
mes de mayores nacimientos (septiembre 311) también se presenta mayor
número de prematuros.
En cuanto al peso se observa que los recién nacidos de la unidad son en su gran
mayoría de peso adecuado (> a 2500 gr), aproximadamente un 8% presenta bajo
peso al nacer (< a 2500 gr). La UNICEF para América Latina reporta un 10% de
bajo peso y para países desarrollados de un 7%, la PAHO reporta un 8.8% para
Colombia y 9% para América Latina, encontrándose la institución dentro de los
49
rangos establecidos. Al egreso el mayor porcentaje es de peso adecuado (65%),
con 22% para los de 2001 a 2500gr y 13% para los de 1501 a 2000gr, siendo
estos últimos derivados al Programa Canguro.
De acuerdo a la procedencia de los recién nacidos se encuentra que la gran
mayoría de estos provienen de las salas de adaptación de la misma institución,
con un incremento de la proporción de pacientes hospitalizados desde urgencias
pediátricas para los meses de marzo, abril, mayo y en el segundo semestre en
agosto y noviembre, coincidiendo con los meses de alerta epidemiológica por
infección respiratoria. En el año 42% de los pacientes provienen de salas de parto,
32.5% de urgencias y el restante 25.5% del alojamiento conjunto.
La tasa de mortalidad en el Hospital Universitario Clínica San Rafael, en el año
2013 fue de 10 por cada 1000 nacidos. El Banco Mundial en su informe 2010-2014
reporta una cifra igual para Colombia (10 por cada 1000 nacidos) (21). En
comparación con países industrializados, en los cuales esta tasa es de 2 a 3 por
cada 1000 nacidos, la mortalidad del Hospital y de Colombia es muy alta, y las
causas no son objeto de análisis de este trabajo, se sugiere intentar reducir la cifra
creando estrategias de tratamiento de hallazgos relevantes desde el control
prenatal. La mortalidad temprana, hasta 7 días de nacido, alcanza un 40%, menor
que cifras internacionales que reportan hasta un 75% de las muertes neonatales
(22), esta mortalidad refleja la calidad de los controles prenatales, los cuidados en
la atención durante el trabajo de parto y la severidad de la patología por la cual ha
sido hospitalizado un recién nacido. La totalidad de los casos durante el año fue
de pacientes provenientes de Sala de partos y alojamiento conjunto, excepto en
marzo y abril y junio cuando el 50% fueron pacientes de urgencia; que pueden
explicarse por patología relacionada con el pico de enfermedad respiratoria.
Las complicaciones respiratorias más frecuentes son la taquipnea transitoria del
recién nacido en relación con la adaptación del recién nacido al medio extrauterino
y nacimiento vía abdominal relacionados también con la dificultad respiratoria
adaptativa y la aspiración de líquido claro con un 16%, 7% y 9% respectivamente
para un total de 32%. La enfermedad por déficit de surfactante (23%) se relaciona
con el nacimiento de recién nacidos prematuros, patología de esperarse en un
hospital de 3er nivel como está descrito en la literatura mundial (23).
En cuanto a la ictericia su causa más frecuente es la multifactorial (ictericia por
bajo aporte, ictericia sin incompatibilidad, ictericia de la prematurez, ictericia por
policitemia) que en algunos meses puede ser hasta el 100% (en promedio el
73.5%) de las hospitalizaciones por hiperbilirrubinemia, desplazando a un segundo
50
lugar a las ictericias por isoinmunización de grupo o RH, que pueden llegar a ser el
5% del total, algunas de las cuales requirieron de exsanguinotransfusión como
manejo (24).
CONCLUSIONES
Del análisis de las estadísticas, año 2013, del Servicio de Neonatología del
Hospital Universitario Clínica San Rafael podemos concluir que se comporta como
un centro de atención de tercer nivel con indicadores congruentes con la realidad
del servicio de salud de Colombia; pero que indicadores como mortalidad e
infección son susceptibles de mejoría para alcanzar los datos estadísticos de
países desarrollados.
Para disminuir el número de nacimientos pretérmino se debe trabajar
mancomunadamente con el servicio de Ginecología y Obstetricia en medidas a
mejorar el control prenatal. Además, de ser posible disminuir el número de
cesáreas para evitar la hospitalización de recién nacidos con dificultad respiratoria
adaptativa hospitalizados en el servicio.
En aras de mejorar la calidad del servicio se implementará un sistema de
recolección de datos y gráficos de control para alertar en casos de nacimientos
con resultados de APGAR bajos o de mortalidad que se salgan de lo esperado.
No hay conflictos de interés.
BIBLIOGRAFIA
1. United Nations Inter-agency Group for Child Mortality Estimation (UN IGME).
Levels and trends in child mortality. New York: UNICEF, 2013 Contract No.:
15 November 2013. (http://www.childmortality.org).
2. CHERG-WHO Methods and data sources for child causes of death 2000 -
2013 (Global Health Estimates Technical Paper
WHO/HIS/HSI/GHE/2014.6.2)
(http://apps.who.int/gho/data/view.wrapper.CHILDCODv?lang=en).
3. C. Feria-Kaiser, et al. Cambios epidemiológicos de 1992 a 2007 en una
unidad de cuidados intensivos neonatales. Gaceta Médica de México.
2013;149:5-15.
51
4. Delgado M, Muñoz A, Orejuela L, Sierra C. Algunos factores de riesgo para
mortalidad neonatal en un hospital de III nivel, Popayán. Colombia Médica,
2003; 34(4).
(http://colombiamedica.univalle.edu.co/index.php/comedica/article/view/272/2
75)
5. Born too soon: The global action report on preterm birth. World Health
Organization 2012. (www.who.int)
6. Juliao J., Archila M., San Diego M., Gaitán H..Morbimortalidad de los prematuros en la unidad de cuidado intensivo neonatal, de la Clínica Reina Sofía 2001 - 2006, Bogotá, Colombia. Rev.Medica.Sanitas 13 (1): 18-25, 201.
7. Ramirez M; Macias M, Lazcano F. Etiología de la sepsis neonatal en una
unidad hospitalaria de segundo nivel. Salud pública méx [online]. 2007,
vol.49, n.6 [cited 2014-12-11], pp. 391-393. (http://dx.doi.org/10.1590/s0036-
36342007000600004).
8. Rubin L, Sanchez P, Siegel J, Levine G, Saiman L, Jarvis W, and the Pediatric Prevention Network. Evaluation and Treatment of Neonates With Suspected Late-Onset Sepsis: A Survey of Neonatologists’ Practices. Pediatrics 2002;110;e42.
9. Gutiérrez Benjumea A., Romero A., García A., Leal A.M., Millán Jiménez A. Sepsis Nosocomiales en el periodo neonatal.Vox Paediatrica 2012; XIX(1):14-17.
10. Murcia M, Bedoya C, López S. Epidemiología de la infección nosocomial en la unidad neonatal del Hospital de San José, Bogotá. Marzo - Agosto de 2009. Repert.Med.Cir 2011;20(1): 18 - 23.
11. FERNANDEZ JONUSAS, Silvia et al. Infecciones nosocomiales en una Unidad de Cuidados Neonatales: programa de vigilancia epidemiológica. Arch. argent. pediatr. [online]. 2011, vol.109, n.5 [citado 2014-12-11], pp. 398-405. Disponible en: (http://www.scielo.org.ar/scielo.php?script=sci_arttext&pid=S032500752011000500005&lng=es&nrm=iso). ISSN 0325-0075. (http://dx.doi.org/10.5546/aap.2011.398)
12. Polin, et al. Nosocomial Infections in the Neonatal Intensive Care Unit. Neoreviews 2003; 4:e81-e89.
13. Bentlin MR, Suppo de Souza LM. Late-onset Sepsis: Epidemiology, Evaluation, and Outcome. NeoReviews 2010;11;e426-e435.
14. Matos Toledo AC, Ramírez Delgado EY, Martorell Zamora E. Características clínicas y estado al egreso de neonatos admitidos en Unidad de Cuidados Intensivos [artículo en línea]. MEDISAN 2006; 10(1). (http://bvs.sld.cu/revistas/san/vol10_2_06/san04206.htm)
15. Pérez Zamudio R, López Terrones C, Rodríguez Barboza A. (2013). Morbilidad y mortalidad del recién nacido prematuro en el Hospital General de Irapuato. Boletín médico del Hospital Infantil de México, 70(4), 299-305.
52
(http://www.scielo.org.mx/scielo.php?script=sci_arttext&pid=S166511462013000400005&lng=es&tlng=es)
16. Bellani P, de Sarasqueta P. Factores de riesgo de mortalidad neonatal, internación prolongada y predictores de discapacidad futura en una unidad de cuidados intensivos neonatales de alta complejidad. Arch.argent.pediatr 2005; 103(3).
17. Moreno Mosquera L. Caracterización de la población de neonatos/as de la unidad de cuidados intensivos del Hospital Universitario la Samaritana de Bogotá. Agosto –Noviembre - Pasantia 2013. (http://www.bdigital.unal.edu.co/12642/1/561281.2014.pdf)
18. Mood, A.; Graybill, F, Boes.D. (1974). Introduction to the Theory of Statistics.
McGraw-Hill International Editions.
19. http://www.datosmacro.com/demografia/natalidad.
20. Committee on fetus and new born. The Apgar Score. Pediatrics 2006; 117(4):
1444-1447.
21. http://datos.bancomundial.org/.
22. M. Musooko et al, Incidence and risk factors for early neonatal mortality in
newborns with severe perinatal morbidity in Uganda. International Journal of
Gynecology and Obstetrics 127 (2014) 201-205.
23. Hany Ali, Transtornos respiratorios del recién nacido: identificación y
diagnóstico. Pediatrics in review 2004;25(6):201-208.
24. Leslie Ivonne Martínez de la Barrera, Ictericia neonatal – Hiperbilirrubinemia
Indirecta. CCAP volumen 12 número 2.