La potencia mecánica (PM) en ventilación pulmonar —definida como la energía entregada desde el ventilador al sistema respiratorio durante un período de tiempo— ha sido reconocida como un indicador prometedor para evaluar la lesión pulmonar inducida por el ventilador y predecir el pronóstico de los pacientes ventilados1.

Puede existir un umbral de seguridad de PM por encima del cual la lesión pulmonar es inevitable. Recientemente, diferentes trabajos en enfermos con lesión pulmonar secundaria a infección por SARS-CoV-2 evidenciaron que un umbral de PM de 17J/min podría asociarse a un aumento del riesgo de muerte2,3.

En este contexto, donde se encuentra una asociación estadísticamente significativa (p<0,05) (entre la mortalidad hospitalaria y el valor umbral de 17J/min de PM en pacientes con síndrome de distrés respiratorio agudo [SDRA] secundario a SARS-CoV-2), parece recomendable —al igual que está ocurriendo en otros ámbitos— la replicación de las investigaciones clínicas basadas en las pruebas de significación para generar una evidencia con mayor credibilidad en el ámbito de la medicina intensiva4–6.

Esto es posible mediante la inferencia bayesiana, pues permite reanalizar el hallazgo significativo, donde el método del factor de Bayes (FB) se refiere como la probabilidad de los datos bajo una hipótesis en relación con la otra (hipótesis nula frente a hipótesis alternativa). Es decir, que el FB estima la cuantificación del grado o evidencia en que los datos respaldan tanto la hipótesis nula como la hipótesis alternativa para su contraste más allá de la interpretación dicotómica del rechazo o la aceptación de la hipótesis nula7,8. La repetición estadística de hallazgos significativos mediante el FB permite reforzar la credibilidad práctica de futuros artículos, que se precisa cuando la inferencia bayesiana produce una evidencia concluyente (fuerte) o superior (FB10>10) a partir de la interpretación de clasificación de valores de Jefreys para el FB: anecdótica, moderada, fuerte y muy fuerte9.

El objetivo del presente trabajo fue precisar el grado de fuerza probatoria de las hipótesis estadísticas en relación a la mortalidad a 28 días y el valor umbral de 17J/min de PM en pacientes con insuficiencia respiratoria secundaria a SARS-CoV-2 mediante el análisis bayesiano.

Estudio de cohortes observacional y analítico de todos los casos hospitalizados por infección por SARS-CoV-2 con ingreso en la UCI entre marzo de 2020 y marzo de 2022. Los datos se obtuvieron del registro de la cohorte de pacientes COVID-19 de un servicio de medicina intensiva en un hospital de tercer nivel; previa aprobación del Comité de Ética en Investigación local y la obtención (escrita y/o telefónica) del consentimiento informado de los pacientes/representantes legales.

El muestreo fue consecutivo y la muestra se dividió en 2 cohortes atendiendo al valor de PM dentro de las primeras 24h después de la intubación endotraqueal: PM<17J/min y PM≥17J/min. La medición de la PM se llevó a cabo con la fórmula simplificada propuesta por Gattinoni et al.10.

Los criterios de inclusión fueron: ser mayor de 18 años, diagnóstico confirmado de enfermedad por de SARS-CoV-2, necesidad de ingreso en la UCI y recibir ventilación mecánica controlada (CMV) con el registro correcto de las variables necesarias para el cálculo de la PM en posición supina, después de sedación y parálisis muscular (cuando fue necesario), dentro de las primeras 24h de iniciada la ventilación mecánica (VM).

Se registraron variables clínico-demográficas de los enfermos (edad, sexo, factores de riesgo cardiovascular, hábito tabáquico), tratamientos específicos aplicados en la UCI, parámetros ventilatorios iniciales (volumen tidal, frecuencia respiratoria, PEEP, Pplateau, compliance, driving pressure) y variables evolutivas.

Se realizó inicialmente un análisis descriptivo de la muestra donde las variables categóricas se presentan como el valor y su porcentaje; y como mediana y sus percentiles 25-75 (p25-75) para las variables cuantitativas continuas. En la comparación de las variables cuantitativas continuas se empleó el contraste T bayesiano para muestras independientes. La comparación de frecuencias se estableció mediante tablas de contingencia y el FB10 Poisson. Para todas las pruebas, la hipótesis alternativa especifica que el grupo PM<17J/min no es igual al grupo PM≥17J/min. Finalmente se realizó un análisis bayesiano con el modelo binomial beta. Se consideró como hipótesis nula (H0) que el valor de PM<17J/min se asociaba con la mortalidad a 28 días y como hipótesis alternativa (H1) que el valor de PM≥17J/min se asociaba con la mortalidad a 28 días. Basándonos en nuestros resultados previos3, se utilizó un valor de mortalidad a 28 días a priori del 21,5% (la hipótesis alternativa especifica que la proporción era mayor a 0,21). La forma de la distribución previa bajo la hipótesis alternativa se especifica con beta (1,1). Los resultados se muestran con FB10 (a favor de la hipótesis alternativa de significación) y FB01 (a favor de la hipótesis nula), con un intervalo de credibilidad (IdC) del 95%.

El análisis estadístico se efectuó con el software JASP 2023 (versión 0.17).

En el período analizado, ingresaron un total de 911 enfermos en la UCI con enfermedad por SARS-CoV-2. Cumplían criterios de inclusión 552 pacientes. Se obtuvieron las variables necesarias para realizar el análisis un total de 253 enfermos, los cuales se dividieron en 2 grupos en virtud de la PM en las primeras 24h de la VM.

La mediana de edad de la cohorte estudiada fue de 64 años (p25-75: 57-72), siendo en su mayoría varones (179 [71%]). Las principales características del total de 253 pacientes se muestran en la tabla 1.

En el análisis comparativo de las características clínico-demográficas entre los 2 grupos de pacientes (tabla 2) destaca la diferencia en la distribución del sexo (BF10: 3,49) y el valor de la CK (BF10: 1,35).

No se evidencian diferencias relevantes en la comparación de las variables asociadas a las acciones terapéuticas realizadas durante el ingreso en la UCI (tabla 3).

Como se muestra en la tabla 4, la frecuencia respiratoria inicial (BF10: 3.83×10+6), el valor de la presión pico (BF10: 3,72×10+13) y el desarrollo de neumotórax (BF10: 17.663) fueron los valores con más probabilidad de ser diferentes entre los 2 grupos de pacientes comparados.

En el contraste bayesiano binomial los resultados obtenidos fueron: Para el grupo de pacientes con PM<17J/min (fig. 1A), el factor de Bayes BF10 fue de 12,71, lo que indica que la evidencia a favor de la hipótesis alternativa (es decir, que hay una diferencia real entre los grupos) es 12,71 veces más fuerte que la evidencia a favor de la hipótesis nula (es decir, que no hay diferencia real entre los grupos). El IdC del 95% para la proporción de pacientes en este grupo es de 0,27-0,58. Para el grupo de pacientes con PM≥17J/min (fig. 1B), el factor de Bayes BF10 es mucho mayor, de 36.100, lo que indica una fuerte evidencia a favor de la hipótesis alternativa. El IdC del 95% para la proporción de pacientes en este grupo es de 0,42-0,72.

Figura 1.

Representación gráfica a priori y a posteriori de los grados de inferencia del contraste bayesiano binomial y el análisis secuencial. Los resultados indican que en el grupo de pacientes con MP<17J/min (A), el factor de Bayes (BF) a favor de la hipótesis alternativa (que la proporción de pacientes por debajo del umbral es mayor) es de 12,71, lo que sugiere una evidencia a favor de la hipótesis alternativa en comparación con la hipótesis nula (que las proporciones son iguales). Además, el intervalo de credibilidad del 95% (IdC95%) para la diferencia de proporciones se encuentra entre 0,27 y 0,58, lo que indica que es probable que la proporción en el grupo con PM<17J/min sea significativamente mayor que la del grupo con PM≥17J/min. Por otro lado, en el grupo de pacientes con PM≥17J/min (B), el BF a favor de la hipótesis alternativa (que la proporción de pacientes por debajo del umbral es menor) es de 36.100, lo que sugiere una fuerte evidencia a favor de la hipótesis alternativa en comparación con la hipótesis nula. El IdC95% para la diferencia de proporciones se encuentra entre 0,42 y 0,72, lo que indica que es probable que la proporción en el grupo con PM≥17J/min sea significativamente menor que la del grupo con PM<17J/min.

(0,31MB).

En ambos casos, el factor de Bayes BF01 (que mide la evidencia a favor de la hipótesis nula) es muy bajo, indicando una fuerte evidencia a favor de la hipótesis alternativa. La representación gráfica y el análisis secuencial se observan en la figura 1.

El presente análisis respalda el hallazgo significativo comunicado previamente por nuestro grupo de trabajo3, con una evidencia extrema a favor de la hipótesis estadística alternativa: un valor de PM≥17J/min se asocia con la mortalidad a 28 días en pacientes que necesitaron VM por insuficiencia respiratoria secundaria a enfermedad por SARS-CoV-2.

Con la idea de aplicabilidad e interpretabilidad de nuestros resultados en la práctica clínica, la «traducción» de los valores presentados a los llamados «pesos de la evidencia» (logaritmo decimal del factor de Bayes); se puede afirmar que el peso de la evidencia —que valores de PM≥17J/min se asocien con la mortalidad a los 28 días— es de 45 decibanes. Mientras que, la evidencia negativa a que esta asociación se produzca es representada con −17 decibanes. Considerando que un deciban es el cambio más pequeño en el peso de la evidencia que puede ser percibido directamente por la intuición humana, podemos afirmar que un valor umbral de 17J/min en PM es un excelente marcador de mortalidad a 28 días. Pensamos que el uso de decibanes en estos trabajos podría ser muy ilustrativo, puesto que la transformación logarítmica de los BF significa que ambos pesos de evidencia se expresan en una única escala de medida. Un deciban positivo podría usarse para confirmar una enfermedad o un marcador pronóstico y uno negativo para descartarla11,12.

Sin embargo, para la correcta interpretación de los datos expuestos es importante tener en consideración que respecto a la distribución a posteriori en el gráfico, esta se centra en valores para la media de estimación del parámetro theta de alrededor del 40 y 56%, respectivamente (con una mortalidad a los 28 días del 10 y 15% para los 2 grupos analizados). Este dato sugiere que la distribución de la variable theta no es simétrica y que tiene una cola pesada en el lado derecho de la distribución. En otras palabras: hay una mayor probabilidad de que theta tome valores más altos que los que se esperarían si la distribución fuera simétrica. Esta información es importante porque sugiere que los valores estimados de theta podrían estar sesgados hacia valores más altos. Además, la distribución a posteriori también puede indicar que la estimación de la mortalidad a los 28 días es más incierta de lo que se esperaría si la muestra fuera más grande y la población más homogénea. Esto se debe a que la distribución a posteriori refleja la incertidumbre en la estimación de theta a partir de la información limitada de la muestra. Tampoco se puede descartar que, aunque los datos en la tabla sean una muestra representativa de la población, los valores estimados a posteriori en la gráfica reflejen una mayor incertidumbre en la estimación de la mortalidad a los 28 días debido a una muestra más pequeña o una mayor variabilidad en la población13–15.

En el año 2018, el grupo de investigadores de la Red PROVE16, a través de un análisis poc hoc de las bases de datos de alta resolución: Medical Information Mart for Intensive Care (MIMIC-III) y la eICU Collaborative Research Database (eICU)17–19; presentaban la primera investigación clínica que probaba la hipótesis de que la PM generada por el ventilador mecánico está asociada con resultados centrados en el paciente. Los autores de dicho trabajo resumían los hallazgos de su investigación en 4 puntos: 1) La PM en las segundas 24h de ventilación se asocia de forma independiente con una mayor mortalidad hospitalaria de los pacientes en estado crítico que reciben ventilación invasiva durante más de 48h; 2) Una mayor PM se asocia de forma independiente con una mayor mortalidad en la UCI, un menor número de días sin ventilador y mayor probabilidad de sobrevivir el día 28, y una estancia más prolongada en la UCI y en el hospital; 3) El impacto de PM es consistente e independiente de la presencia de SDRA o el uso de bloqueo neuro-muscular, y 4) Incluso con volúmenes corrientes bajos y driving pressure baja, el PM alto se asoció con peores resultados, lo que sugiere que MP agrega información adicional más allá del volumen y la presión.

Nuestros resultados están en consonancia con parte de las conclusiones del trabajo de Neto et al.13, y con trabajos posteriores. En este sentido —basado en estadística frecuentista—, Schuijt et al., a través del análisis de los datos del estudio PRoVENT-COVID (de carácter multicentrico, con una cohorte de 825 pacientes y con los valores de los parámetros ventilatorios el primer día de exposición a ventilación mecánica), evidenciaron que la PM se asociaba de forma independiente con la mortalidad a 28 días (HR: 1,17; IC 95%: 1,01-1,36; p=0,031), y que el incremento por cuartiles de MP, estratificado por valores de driving pressure aumentaba este riesgo de fallecer a los 28 días (HR: 1,15; IC 95%: 1,01-1,30; p=0,028)20. En este sentido, el trabajo de Urmer et al.21, con los datos de más de 13.000 enfermos registrados y utilizando modelos bayesianos para estimar la fuerza de la asociación con la mortalidad en la UCI, no solo se constató la asociación de la PM con la mortalidad (HR: 1.060, IdC del 95%: 1.053-1.066), sino que se comprobó que esta asociación persistía durante la duración de la ventilación mecánica.

Con los datos expuestos, no podemos más que ratificar —a través de nuestro análisis bayesiano— nuestra opinión de considerar estos resultados como hallazgos esperables, si entendemos que la potencia mecánica es una variable que incluye todos los componentes que posiblemente pueden causar VILI: presiones, volumen, flujo, frecuencia respiratoria. No obstante, la potencia mecánica debe normalizarse a la cantidad de superficie pulmonar ventilada; considerando relación entre la potencia mecánica y el área alveolar expuesta a la energía suministrada como «intensidad»22.

Nuestro estudio presenta las limitaciones propias de un estudio analítico retrospectivo de cohortes realizado en un solo centro, además de que no se dispongan las variaciones de las variables estudiadas con relación al tiempo, por lo que nuestros resultados podrían no ser extrapolables a otros. Aunque nuestros resultados muestran una asociación significativa entre la mortalidad a los 28 días y la PM en las primeras 24h, es importante tener en cuenta que esta variable no refleja, por sí sola, la complejidad y la evolución de la enfermedad a largo plazo. Además, se observa un cambio en las curvas del factor de Bayes (para los 2 subgrupos hay un punto de inflexión muy llamativo alrededor del paciente #20) que sugiere que la población de pacientes incluidos en el estudio no es homogénea a lo largo del mismo, lo que puede tener implicaciones importantes para la interpretación de los resultados del estudio. En este punto es importante recordar que —al margen del posible sesgo que se introduce por la pérdida de un número importante de enfermos a analizar— la cohorte de enfermos estudiada se enmarca en 2 años de pandemia y 6 oleadas, donde han existido modificaciones que pudieran justificar lo expuesto: evolución del propio virus, la edad y el estado de salud de los pacientes, la vacunación, el conocimiento de los diferentes fenotipos del CARDS pueden ser algunas de ellas.

No existe una única metodología estadística. Con la concepción frecuentista solo es lícito asignar probabilidades a fenómenos aleatorios que pueden definirse a través de experimentos que pueden repetirse muchas veces y siempre en condiciones idénticas e independientes. La probabilidad bayesiana se aplica a cualquier suceso aleatorizado, tanto el que puede repetirse en las condiciones exigidas por la probabilidad frecuentista como aquel que no las cumple. La metodología bayesiana es una herramienta fundamental para actualizar de forma secuencial la información relevante de un estudio. De esa forma, después de una primera fase de análisis, el conocimiento generado servirá como inicio de un nuevo proceso de aprendizaje que incorpore nueva información sobre el problema23.

Aunque nuestros datos sugieren que un valor de PM≥17J/min se asocia con una evidencia extrema con la mortalidad a 28 días en pacientes que necesitaron VM por insuficiencia respiratoria secundaria a enfermedad por SARS-CoV-2, hay que considerar que es difícil atribuir la influencia de la PM en un momento parcial a toda la trayectoria de la enfermedad, especialmente considerando que la VM en sí misma es un proceso prolongado y complejo en el que los pacientes pueden experimentar cambios significativos en su estado clínico y pronóstico. Es importante reconocer la complejidad de la enfermedad y que una variable como la PM en las primeras 24h puede ser útil, pero no suficiente para explicar completamente el pronóstico de los pacientes.

Alejandro González-Castro: Ideación, elaboración y redacción del manuscrito.

Elena Cuenca Fito: Elaboración y recogida de datos.

Yhivian Peñasco: Elaboración y corrección.

Vicent Modesto: Correción análisis estadístico.

Patricia Escudero-Acha: Corrección.

Carmen Huertas: Depuración base de datos.

Juan Carlos Rodríguez Borregán: Elaboración y corrección.

El presente manuscrito no ha recibido financiación alguna.

Todos los autores reconocen no presentar conflicto de intereses en la realización del presente trabajo.