Resumen El triaje permite la priorización de pacientes según su urgencia médica, y de ahí que este artículo se proponga realizar un modelo estadístico correlacionado con la mortalidad para generar alertas desde el triaje con una cohorte prospectiva de 6438 adultos que ingresaron a urgencias del Hospital Universitario San Ignacio del 1/3/2018 al 28/2/2019. Se dividieron aleatoriamente los datos en entrenamiento y prueba. Sobre los datos de entrenamiento se ejecutó una regresión logística bivariada entre triaje y mortalidad y, luego, una regresión logística multivariada. Después, el modelo se redujo mediante pruebas de razón de verosimilitud. En los datos de prueba se realizaron áreas bajo la curva (ROC, por sus siglas en inglés) para el cálculo de punto de corte, que se evaluó con medidas de asociación. Hubo ROC para los modelos realizados y se halló el modelo triaje con una ROC de 0,82; “reducido”, con una ROC de 0,90, y “Edad + sistólica”, con una ROC de 0,87, sin diferencia significativa. Se seleccionó el “reducido” con una sensibilidad de 0,869; una especificidad de 0,842; una VPP de 0,066, y una VPN de 0,998. El punto de corte se seleccionó con un árbol de decisiones según las variables significativas, que encontró una mayor mortalidad en pacientes triaje 1-2, con TAS menor de 117 mmHg y mayores de 58 años. El modelo final podría funcionar como tamización para generar alarmas de mortalidad en triaje iguales.
Abstract Triage allows priorization of patients according to their medical urgency. Multiple triage systems have been developed in the world. We propose a statistical model using triage to create an alert system related to mortality rates that could be used as a screening tool during triage. A prospective cohort of 6438 adults who were admitted to the emergency room of Hospital Universitario San Ignacio between 03/01/2018 and /02/28/2019 was used. The data was divided into “training” and “testing”. A bivariate logistic regression between triage and mortality using “training” data was done. Afterwards, a multivariate logistic regression was downgraded using the previous information. In order to find the set point, an Area Under the Curve (ROC) was calculated using the “testing data”. The efficiency was evaluated using measures of association. Three different ROC models were created: “triage” which showed an ROC-0.82, “reduced” with an ROC-0.90 and “age+systolic” with an ROC-0.87, thereby not exhibiting significant difference. The reduced model was chosen, presenting sensitivity of 0.869, specificity of 0.842, PPV 0.062, and NPV 0.998. A set point was chosen according to significant variables, demonstrating a higher mortality rate in those classified as triage 1-2, those over 58 years old, and those presenting with SBP below 117mmHg. Our final model could be useful as an additional screening measure for patients within the same triage classification as an alert system for mortality.