Colonización y/o infección por staphylococcus aureus resistente a meticilina y otros multirresistentes al ingreso en la unidad de cuidados intensivosmodelo predictivo

Resumen

UNIVERSIDAD DE VALLADOLID - FACULTAD DE MEDICINA DEPARTAMENTO DE ANTATOMÍA PATOLÓGICA, MICROBIOLOGÍA, MEDICINA PREVENTIVA Y SALUD PÚBLICA, MEDICINA LEGAL Y FORENSE RESUMEN DE LA TESIS DOCTORAL: Colonización y/o infección por Staphylococcus aureus resistente a meticilina y otros multirresistentes al ingreso en la Unidad de Cuidados Intensivos: modelo predictivo. Presentada por Fernando Callejo Torre para optar al grado de doctor por la Universidad de Valladolid Dirigida por: Prof. Dr. José María Eiros Bouza y Dra. MªJesús Coma del Corral INTRODUCCIÓN El Staphylococcus aureus resistente a meticilina (SARM) es considerado como unos de los microorganismos más versátiles1, basado en los múltiples mecanismos patogénicos y de resistencia que presenta. Su impacto en la mortalidad global asociado a las infecciones invasivas se ha estimado en un 20%2, (aunque todavía existe cierta controversia en términos de mortalidad atribuible3;4).Cada infección por SARM genera un incremento de 9 días de estancia y un coste estimado de 27000 dólares-USA5 (380 millones de Euros cada año en Europa)6. Ser capaces de detectar la presencia del SARM en la Unidad de Cuidados Intensivos (UCI) es crucial tanto para evitar tratamientos antimicrobianos empíricos inadecuados (o para cubrir el SARM ante un aislamiento de S.aureus pendiente de antibiograma7), como desde el punto de vista epidemiológico, previendo la trasmisión cruzada, evitando aislamientos innecesarios y ayudándonos a decidir la política de vigilancia microbiológica más acertada. Y es especialmente en este último punto en el que todavía persiste mucha discusión. Aunque la mayoría de expertos recomiendan la adopción de mecanismos de vigilancia activa frente a SARM en lugar de alto riesgo como la UCI o en situación de brotes8. La relación coste-efectividad (especialmente en UCI con baja prevalencia para SARM), el consumo de recursos de laboratorio o los efectos negativos que el asilamiento estricto tiene sobre los pacientes(aumentando el sufrimiento psicológico9 y los eventos adversos prevenibles10) son condicionantes que nos hacen ser precavidos a la hora de adoptar dichas recomendaciones. También las Sociedades Científicas apoyan de forma mayoritaria la vigilancia activa11;12 en las UCI, aconsejando el despistaje universal y disminuyendo el tiempo total de aislamiento. Sin embargo, los estudios en los que el beneficio de los programas de vigilancia universal parece estar claro13;14 se contraponen con otros15 como el STAR-UCI16 y más recientemente el REDUCE-MRSA17 en los que se observa lo contrario. La vigilancia dirigida, limitada a aquellos pacientes con alto riesgo de estar colonizados o infectados por SARM puede conllevar la reducción de aislamientos innecesario y reducir costes. Ser capaces de predecir la presencia del SARM en nuestros pacientes disminuirá además el consumo antibiótico y la carga de trabajo en los laboratorios, especialmente si esta predicción se realiza al ingreso en UCI, donde se estima que un 5-15% de los pacientes están colonizados por SARM18. De hecho, en estos pacientes previamente colonizados, existe un incremento de hasta 8 veces del riesgo de desarrollar una infección ulterior por SARM, hecho que ocurre en aproximadamente el 25% de estos pacientes19. Debemos desarrollar por lo tanto un método que discrimine de forma correcta a estos pacientes con alto riesgo para estar colonizado y/o infectado por SARM, especialmente en el momento del ingreso. Un buen abordaje es el desarrollo de modelos predictivos basados en factores de riesgo, especialmente si estos son fáciles de obtener al ingreso, sin depender del acceso a Historias Clínicas no siempre disponibles Por tanto, en lo que respecta al SARM, esta tesis tiene tres objetivos: realizar un análisis descriptivo de la situación del SARM en los años del estudio, identificar factores de riesgo asociados a la colonización y/o infección por SARM independientemente si esta se detecta al ingreso o durante la estancia en UCI y finalmente desarrollar un modelo predictivo para identificar a los pacientes de alto riesgo para estar colonizados y/o infectados por SARM en el momento del ingreso en UCI. Pero la realidad de nuestras UCI es mucho más compleja y eso hace que el SARM no pueda ser considerado de forma aislada. Los incrementos de morbilidad, estancia, costes y mortalidad también se han atribuido a todos los patógenos multirresistentes (PMR)20;21 y también, como en el caso del SARM, existe cierta discusión sobre la influencia de los PMR en la mortalidad: mientras algunos autores identifican la presencia de estos microorganismos como un factor de riesgo independiente, otros sostienen que son la mayor gravedad de la enfermedad de base, la restricción en cuanto al arsenal terapéutico disponible, el fallo en el tratamiento antimicrobiano empírico y el retraso en la instauración de un tratamiento correcto22, son motivos suficientes para justificar la influencia de los PMR en la mortalidad, más que atribuir mayor virulencia a las cepas resistentes. Pero además de la morbi-mortalidad, también preocupa la falta de alternativas terapéuticas especialmente frente a aquellos PMR agrupados bajo el acrónimo ESKAPE (Enterococcus faecium, Staphylococcus aureus, Klebsiella, Acinetobacter, Pseudomonas y Enterobacter)23 y el impacto económico: se considera que el coste de una bacteriemia por un PMR cuesta el doble que la producida por un patógeno no resistente24, con un coste estimado de cada infección por PMR de 18588-29069 dólares-USA por paciente, incluso excediendo los 50.000 Euros si tenemos en cuenta todas las consecuencias económicas de forma global4 (incluyendo un incremento en las estancias de 6.4-12.7 días25). Por todo ello, esta tesis también tiene entre sus objetivos el establecer un modelo predictivo, de forma análoga al desarrollado para el SARM, para identificar aquellos pacientes con alta probabilidad de estar colonizado y/o infectado por cualquier PMR al ingreso en UCI. De esta forma también evitaremos tratamientos antibióticos empíricos incorrectos, que tanto impactan en la mortalidad26 (conscientes de que la valoración del riesgo debe hacerse antes de elegir el antimicrobiano27) y optimizaremos en control epidemiológico en las UCI, habida cuenta que los programas de control basados en un sólo patógeno tienen pocas probabilidades de éxito28, de que el principal reservorio de PMR lo constituyen los pacientes colonizados no detectados y de que los vectores son frecuentemente los propios trabajadores sanitarios20;21. También para los PMR considerados de forma global se ha optado por añadir en el modelo únicamente factores de riesgo de fácil obtención al ingreso en UCI. MÉTODOS El registro español ENVIN (Estudio Nacional de Vigilancia de Infecciones Nosocomiales en Unidades de Cuidados Intensivos) fue creado en 1994 y ha colaborado desde su inicio con el registro europeo ¿Hospitals in Europe Link for Infection Control through Surveillance (HELICS)¿. De participación voluntaria, este sistema de recogida de datos prospectivo y multicéntrico está diseñado para registrar infecciones relacionadas con dispositivos durante la estancia en UCI. Las 147 UCI participantes se distribuyen uniformemente por todo el territorio nacional y el 87.1% son unidades polivalentes médico-quirúrgicas. Los datos se recogen a través de un software específico, una aplicación localizada en un servidor web (http://hws.vhebron.net/ENVINehelics). La base de datos en SQLserver se localiza en el mismo servidor. Los datos son recogidos e introducidos en la base por un experto en enfermedades infecciosas del enfermo crítico en cada UCI. La calidad de los datos está avalada por varias auditorias ENVIN-HELICS que demuestran la existencia de una buena correlación entre los datos recogidos por los expertos de cada UCI y los datos validados por los auditores29. El presente estudio incluye información recogida de forma prospectiva desde el ingreso hasta el alta de UCI (o hasta un máximo de 30 días en la unidad) de todos los pacientes ingresados de forma consecutiva y con más de 24 horas de estancia en las 147 UCI participantes, durante los meses de Abril, Mayo y Junio del periodo 2006-2010. Además de realizar un análisis descriptivo de la situación de SARM en UCI y establecer comparativas con otros registros europeos y mundiales, la principal variable de interés es el estar colonizado y/o infectado bien por SARM, bien por cualquier PMR. La definición de las variables puede encontrarse en el manual de referencia del estudio ENVIN (disponible en http://hws.vhebron.net/envin-helics/). Esta tesis, así como el registro ENVIN, han sido aprobados por los distintos Comités de Ética de Investigación Clínica. Dado el carácter observacional del estudio y con la confidencialidad debidamente asegurada, no ha sido necesario recabar consentimiento informado. Toda la población del estudio (n=69894) se ha utilizado para el descriptivo y la identificación de los factores de riesgo asociados con la colonización y/o infección por MRSA independientemente del momento en el que estas se produzcan. Para el desarrollo de los modelos predictivos, sólo los pacientes ingresados en el año 2010 (n=16950) se utilizaron ya que sólo a partir del 2010 el registro discrimina la C/I estaba ya presenta al ingreso o se ha producido durante la estancia. Éstos pacientes se han divido en dos grupos por muestreo aleatorio simple, 2/3 para el análisis y desarrollo del modelo y el tercio restante para una validación posterior. Las variables continuas se describen como media y desviación estándar o mediana y rango intercuartíleo si muestran distribución asimétrica. Las variables categóricas se describen como frecuencias absolutas y porcentajes. La comparación de las variables demográficas entre los C/I y los que no lo están se realiza con el test t-Student (para variables continuas con distribución normal) y ¿2 de Pearson (para las categóricas). Para la identificación de los factores de riesgo tanto al ingreso como en UCI se ha utilizado un análisis univariable y una regresión de Poisson, al disponer de estancias Para los modelos predictivos, de todas las variables disponibles se utilizaron únicamente aquellas fáciles de obtener al ingreso en UCI, conscientes que en otros estudios no se han encontrado diferencias desde el punto de vista predictivo cuando se han eliminado variables a modelos complejos30;31;32 para simplificar su uso. Aquellas variables que se corresponden con factores de riesgo con plausibilidad clínica y clara asociación en el univariable, fueron incluidas en el estudio multivariable (regresión logística). Finalmente se realizó una validación de los modelos: la calibración fue testada con el test de bonanza de ajuste de Hosmer-Lemeshow y la discriminación con el área bajo la curva COR (ABC-COR). Para el análisis de datos se utilizó SPSS versión 18 para Windows (SPSS Inc., Chicago, IL, USA) y STATA software, versión 9.2 (StataCorp, College Station, TX). RESULTADOS De los 69894 pacientes incluidos (11684, 12453, 13824, 14983 y 16950 en los años 2006, 2007, 2008, 2009 and 2010, respectivamente) se detectó la presencia de SARM en 1046 (258 en el año 2010), con una incidencia global de 1.5. en el año 2010 la prevalencia al ingreso se situó en 0.8 con una incidencia para SARM una vez ingresado en UCI del 0.6%. De todos los S.aureus aislados, el 21% correspondió al SARM. En cuanto a todos los PMR, la prevalencia global fue de 2.12%, al detectar 359 PMR al ingreso en UCI en 314 pacientes. La mayoría de ellos (87.58%) estaban C/I por un sólo PMR, mientras que el 12.42% lo estaban por dos o más PMR de forma simultánea. La variables asociadas independientemente con la C/I por SARM independientemente de si esta estaba presente al ingreso o sucedió una vez en UCI fueron: tratamiento antibiótico previo, gravedad por escala APACHE II cuando supera los 18 puntos, el presentar infecciones de piel y partes blandas o post-quirúrgicas superficiales, ser pacientes críticos traumatológicos o médicos (en vez de coronarios o postquirúrgicos), edad>65 (especialmente>75), portador de catéter urinario e ingresado desde un centro de larga estancia. Sin embargo el ser mujer y la inmunodeficiencia surgieron como factores protectores. La multi-colonización (SARM + otro PMR) es frecuente y la presencia de Pseudomonas, Betalactamasas de espectro extendido (BLEE), Acinetobacter o Enterococcus resistente a vancomicina (ERV) incrementa el riesgo de estar C/I por SARM de forma significativa (1.64, 1.43, 1.79 y 3.69 veces, respectivamente). En cuanto al modelo predictivo para el SARM al ingreso en UCI, se introdujeron siete variables en la regresión logística multivariable (edad, sexo, tipo de paciente, cirugía urgente, origen, inmunodepresión e infección de piel y partes blandas). Todas salvo la edad permanecieron en el modelo final. Aunque éste último presentaba buena discriminación (ABC-COR, 0.77; 95% IC, 0.72-0.82) la sensibilidad fue del 67% (especificidad 76.5%). Con el tercio restante de pacientes (n=4952) que no se introdujeron en el multivariable, se realizó una validación posterior en la que el ABC-ROC fue de 0.72 (95% IC, 0.65-0.79), con un p-valor de 0.539 en el test de bonanza de ajuste de Hosmer-Lemeshow. En vista de los resultados obtenidos se intentó un nuevo modelo, en el supuesto de que el paciente ingresara proveniente de otra UCI, incluyendo todas las variables disponibles en el estudio (las usadas para el primer modelo junto con catéter urinario, nutrición parenteral, depuración extrarrenal, ventilación no invasiva, traqueotomía, catéteres arterial, nutrición enteral, sonda nasogástrica y gravedad por APACHE). En el caso del SARM este modelo alcanzó un ABC-COR de 0.82 (95% IC, 0.77-0.86) con una sensibilidad de 63.64% y una especificad de 78.48%). En cuanto al modelo predictivo para cualquier PMR al ingreso en UCI, las variables introducidas en la regresión logística multivariable: edad, sexo, tipo de paciente, cirugía urgente, origen, inmunodepresión, neutropenia, infección dérmica post-quirúrgica superficial y profunda e infección de piel y partes blandas. Todas salvo neutropenia e infección dérmica post-quirúrgica superficial permanecieron en el modelo final. Al igual que modelo para SARM, presentaba buena discriminación (ABC-COR, 0.775; 95% IC, 0.744-0.807) pero con una sensibilidad del 67.4% y una especificidad del 75.7%. En la validación posterior el ABC-ROC fue de 0.712 (95% IC, 0.665-0.759), con un p-valor de 0.539 en el test de bonanza de ajuste de Hosmer-Lemeshow. También se intentó un nuevo modelo para el supuesto de que el paciente ingresara proveniente de otra UCI, incluyendo todas las variables disponibles. Este modelo alcanzó un ABC-COR de 0.82 (95% IC, 0.774-0.828) con una sensibilidad de 71.4% y una especificad de 73.8%). DISCUSION Los pacientes ingresados en UCI y C/I por SARM son significativamente mayores, más graves al ingreso, predominantemente varones, con estancias más largas y generalmente pacientes críticos traumatológicos o médicos. La mayor parte de los factores de riesgo identificados en el multivariable (como tratamiento antibiótico previo, infecciones dérmicas o inmunodeficiencia) se han descrito en estudios previos en pacientes ingresados en planta de hospitalización, no en UCI. En cuanto al origen de los pacientes, dado que el SARM-comunitario todavía es excepcional en nuestro país, los provenientes de la comunidad presentan un riesgo bajo, al contrario que los procedentes de centros de larga estancia, habitados por pacientes progresivamente más complejos, con dispositivos invasivos, amplios tratamientos antibióticos y úlceras dérmicas, que además cada vez son dados de alta antes de los hospitales de agudos. Con una alta presión de colonización, estos centros se están convirtiendo en uno de los más importantes reservorios para SARM en nuestro medio. No encontramos ningún aumento del riesgo en pacientes admitidos desde otra UCI, quizá porque si las UCI están en el mismo hospital suelen compartir la misma ecología local y, en el caso que sean de distintos centros, las trasferencias a los centros de referencia suelen ocurrir en las primeras horas/días del ingreso. Finalmente, existe un incremento del riesgo de estar C/I por SARM si se está C/I por otro PMR. La coexistencia del SARM con otros PMR no es extraña y se ha descrito en pacientes críticos33. En algunos casos puede ser explicado por la falta de adherencia a las medidas de control de infección, favoreciendo la contaminación cruzada, pero el hecho fundamental es que se han descrito similares factores de riesgo para la colonización e infección nosocomiales en prácticamente todos los PMR28 (constituyendo la principal causa del fallo de programas preventivos en UCI enfocados a un solo multirresistente). Por este motivo no se han incluido en el multivariable. Además del descriptivo, los otros objetivos fundamentales de la tesis son los de crear una herramienta para predecir la C/I por SARM o por cualquier otro PMR al ingreso en UCI. En cuanto al modelo predictivo para SARM este es en nuestro conocimiento el primer trabajo en desarrollar un modelo específico para el momento de ingreso en la unidad en el que todos los pacientes críticos están representados y basado exclusivamente en factores de riesgo clínicos/demográficos fáciles de identificar por el clínico. El modelo resultante tiene un buen índice global de predicción, pero con una sensibilidad no lo suficientemente alta como para extrapolar su uso en la práctica clínica habitual, teniendo en cuenta el impacto de los falsos negativos en UCI. Tampoco la adicción de otros factores, más complejos y no necesariamente obtenidos al ingreso mejoran notablemente su capacidad predictiva. Se han publicado en la literatura varios estudios para desarrollar reglas predictivas simples y coste-efectivas para detectar a los C/I por SARM, pero en lo que respecta a los pacientes críticos o bien se han integrado en el global de pacientes hospitalizados, sin ser analizados como subgrupo, o se han excluido de los estudios. Sólo dos han sido enfocados a los paciente graves en particular34;35. Sin embargo, en ambos se excluyeron los pacientes con SARM pre-existente al ingreso y ninguno de los modelos descritos puede ser usado estrictamente al ingreso en UCI. Minhas et al.35 estudiaron en una sola UCI de Neurocríticos, de forma retrospectiva y a través de un análisis univariable únicamente, la adquisición de SARM durante la estancia en UCI de más de 48h en pacientes en los que se demostró haber ingresado libres del patógeno. En su estudio prospectivo unicéntrico, Yamakawa et al.34 incluyeron en su modelo multivariable, factores obtenidos durante las primeras 24h de estancia, una vez el paciente ingresado en UCI. Encontraron que aislando a pacientes intubados en las primeras 24h o aquellos con heridas abiertas cubrían el 96.7% de los infectados por SARM y el total de pacientes con esos dos factores de riesgo se limitaba al 57.4% de todos los ingresados. Sin embargo, el propósito del estudio era el de buscar factores de riesgo asociados a la infección nosocomial por SARM (no colonización) en pacientes que no portaban el patógeno al ingreso. Intentaron analizar posteriormente los predictores de infección al ingreso pero debido al limitado tamaño muestral (n=19 pacientes), no fue posible. Diversos motivos pueden contribuir a la baja sensibilidad del modelo expuesto en esta tesis. Limitar los factores de estudio a sólo aquellos sencillos de obtener al ingreso, incrementa la utilidad práctica de la herramienta pero también implica la exclusión de algunos factores descritos ampliamente en la literatura como el tratamiento antibiótico previo o la colonización previa. Además en el estudio existe la posibilidad de una infraestimación de las tasas de SARM, dado que la política de vigilancia microbiológica no es uniforme en todas las unidades (aunque la mayoría extraen cultivos de forma sistemática al ingreso o al menos a aquellos sospechosos de estar C/I por algún PMR). Tradicionalmente nuestras tasas de SARM son muy bajas en comparación con otros países como EEUU, en el que se ha descrito una prevalencia al ingreso del 8% con una incidencia durante la estancia en la unidad del 5%36. Por último, para hacer que el modelo resultante sea extrapolable, nuestro estudio incluye a más de 11000 pacientes críticos de todo tipo, sin seleccionar patologías específicas ni en UCI especializadas (quemados, neurocríticos) de todo el territorio nacional, sin tener en cuenta las particularidades locales que pueden condicionar el desarrollo y generalización de la regla predictiva32;30). En cualquier caso, todavía necesitamos una herramienta diagnóstica rápida y de alta sensibilidad que permita sospechar al ingreso y de forma fiable a aquellos pacientes C/I por SARM. A medida que los test rápidos de laboratorio mejoran hay una tendencia a confiar en ellos de forma exclusiva y abandonar el estudio de los factores de riesgo clínico/demográficos, especialmente después de los resultados observados en estudios previos en pacientes no-críticos y la emergencia del SARM-comunitario, para el que la mayoría de los pacientes no presentan factores de riesgo identificables. Entre estos test, la PCR en tiempo real es la más utilizada al ser cada vez más efectiva, fácil y coste-efectiva. Las técnicas clásicas de PCR se ha asociado con un 2% de falsos positivos30 pero también pueden derivar en un falso negativo si la cantidad de material genético de la muestra es más bajo que el umbral de detección o si el test no se ha actualizado con las nuevas mutaciones, dado que más de diez SSCmec has sido descritos, incrementando la posibilidad de no identificar algún clon específico37;38 que pueda aparecer en el futuro. El lugar de dónde se recoge la muestra también puede afectar al resultado39 y aunque el resultado del test está disponible en un par de horas, la realidad de los recursos humanos y logísticos de los hospitales hacen que la media de tiempo desde la detección a la comunicación de los resultados al clínico se sitúe entre las 13 y 21 horas40;41, a veces incluso cerca de las 24h, momento a partir del cual la PCR en tiempo real se considera no coste-efectiva42. Todos estos problemas también se evidencian en el manejo de los PMR en general, no sólo en el caso del SARM. El impacto de los multirresistentes es un problema creciente a medida que nuestros pacientes críticos cada vez son mayores, con mayor grado de co-morbilidad, más frecuentemente inmunodeprimidos y expuestos a múltiples procedimientos y dispositivos invasivos. En este contexto, la multi-colonización en un mismo paciente no es infrecuente y su estudio ha llevado a identificar factores de riesgo comunes en los PMR. Safdar et al.28 resumió la mayor parte de ellos: edad avanzada, comorbilidad y gravedad de la patología, estancias hospitalarias prolongadas, exposición a dispositivos invasivos, antibioterapia previa, admitido desde otro centro sanitario y antecedente de cirugía gastrointestinal y trasplante se identificaron como factores de riesgo en su revisión. Aunque este trabajo no se ha enfocado en una infección o factor de riesgo en particular (al contrario que en otros estudios 43-45), y a pesar de ello nuestros pacientes cumplían con los factores de riesgo enunciados por Safdar et al. En esta tesis los C/I por PMR son mayores, generalmente varones, médicos o quirúrgicos (a diferencia de los coronarios y traumatológicos), ingresados desde otra UCI o desde un centro de larga estancia o en el contexto de una cirugía urgente, inmunodeprimidos o con infección de piel y partes blandas. Entre todos estos factores, algunos merecen algunas consideraciones especiales. En este estudio se identifica la inmunodepresión como un claro factor de riesgo, a diferencia de otros en los que no se encuentra asociación con la C/I por PMR. Esta diferencia puede deberse a varios motivos. Por un lado, puede existir alguna diferencia en la definición de las variables, ya que en nuestro caso eran pacientes con tratamiento inmunodepresor (dosis altas o tratamiento crónico con corticoides, quimio/radioterapia o patología neoplásica avanzada), excluyendo la neutropenia o la inmunodeficiencia congénita o adquirida, que fueron evaluadas de forma independiente. Pero quizá la explicación más probable es que la mayoría de estos estudios se centran en la adquisición del patógeno una vez en UCI20, y no al ingreso. Si un inmunodeprimidos ingresa en UCI es más probable que esté infectado, mientras que si no está colonizado ni infectado por PMR al ingreso, durante la estancia en la unidad la probabilidad de estarlo disminuye por el efecto del asilamiento protector al que se les somete desde el principio en UCI. También surge como factor de riesgo el ingreso desde un centro de larga estancia. Los pacientes residentes en estos centros están cambiando en los últimos años. Cada vez son dados de alta antes de los hospitales ¿de agudos¿, son mayores, con más co-morbilidad y frecuentemente portan dispositivos invasivos. En línea con nuestros resultados, estos centros se identifican constantemente como un potente factor de riesgo para la infección por PMR43. La presión de colonización, el impacto psicológico y social del aislamiento en los ancianos, la necesidad de asumir con celeridad a pacientes colonizados desde los saturados hospitales de agudos y en muchos casos con menor soporte microbiológico son algunos motivos que explican por qué estos centros constituyen uno de los principales reservorios de PMR de nuestra sociedad, obligando a extremar las precauciones cuando admitamos estos pacientes en nuestras unidades En lo que se refiere al último de nuestros objetivos principales, crear un modelo predictivo para cualquier PMR, las conclusiones son similares a las del modelo para SARM. Desafortunadamente, el modelo propuesto en esta tesis, aunque alcanza un buen ABC-COR, adolece también de una baja sensibilidad que resulta en un inaceptable número de falsos negativos como para pensar en su aplicación en UCI. Este es el primer trabajo que aborda el desarrollo de un modelo para el momento preciso del ingreso en UCI, basado en factores clínico-demográficos sencillos de recoger en una rápida anamnesis y exploración física. Aunque se han intentado desarrollar modelos para los distintos PMR de forma aislada, solo unos pocos consideran a los PMR de forma global, e incluso menos se centran en el momento del ingreso. Quizá la herramienta que ha tenido más impacto ha sido la propuesta por la American Thoracic Society/Infectious Disease Society of America que en sus guías del año 200545 enunciaban una lista de factores de riesgo para PMR en el caso de la neumonía nosocomial, también útil para identificar a pacientes de la comunidad con alto riesgo de PMR. Como consecuencia, el consumo de antibioterapia de amplio espectro aumentó posteriormente, incluso aunque la precisión de predicción tanto para la colonización como para la infección por PMR de esa propuesta no se reprodujo en otros estudios, incluyendo los aplicados a pacientes críticos46;47. Además, la carencia de un modelo predictivo válido se acompaña de la falta de un test de laboratorio de diagnóstico rápido altamente sensible. Aunque se han hecho grandes avances en técnicas como la PCR en tiempo real, de hibridación con sondas de ácidos nucleicos peptídicos, la tecnología del microarray o basadas en la espectometría de masas (MALDI-TOF)48, todavía no se dispone de una técnica lo suficientemente efectiva tal y como Diekema et al49 exponen en una revisión reciente sobre este tema. Y es que mientras en el caso del SARM o del ERV un sólo gen (mecA, vanA) suponen el "patrón oro" para su identificación, el caso de los GRAM negativos es mucho más complejo. En estos últimos no siempre que se detecta un gen de resistencia éste se expresa realmente y tiene significación clínica y además pueden existir múltiples mecanismos de resistencia en el mismo fenotipo resistente. Esta tesis tiene ciertas limitaciones que se deben conocer. Entre ellas es que el registro ENVIN-HELICS no está diseñado para el propósito de este análisis, habiendo utilizado el registro como una cohorte multipropósito. En cuanto al SARM, para la regresión de Poisson no se pudo discriminar hasta el año 2010 entre aquellos pacientes C/I al ingreso, incluyendo colonizados previos en el multivariable, si bien es cierto que esto puede no ser una limitación en sí, dado que muchas UCI a nivel mundial no han adoptado la vigilancia universal. No se distingue entre SARM hospitalario y comunitario, dado que la incidencia de este último en España es mínima (aunque su impacto real no ha sido evaluado al no haber realizado tipaje molecular de todas las muestras). En cuanto a los PMR, nuestras bajas tasas al ingreso en UCI no son infrecuentes en los países europeos50 pero es claramente inferior a la media que se sitúa entre un 13 y un 37%47;51 (aunque varía mucho entre hospitales).En cualquier caso, también estas tasas pueden estar infraestimadas, dado que, como se ha comentado, la política de vigilancia al ingreso no es uniforme en todas las UCI y el hecho de que el registro ENVIN recoge todos los datos completos durante los meses de Abril, Mayo y Junio, cuando la prevalencia del SARM y de otros PMR no es tan alta como en invierno, por lo que el factor estacional también puede haber influido. Aunque el ABC-COR obtenido en los diferentes modelos parece prometedor, la baja sensibilidad resultaría en una pérdida inaceptable de un alto porcentaje de C/I por SARM en UCI. Con la evidencia disponible, los factores de riesgo clínico-demográficos no deben usarse de forma asilada para predecir la presencia del multirresistente, si bien es cierto, los presentes resultados enfatizan la necesidad de continuar el estudio de los factores de riesgo para SARM para descubrir factores nuevos, más sensibles y específicos, en paralelo con los test de laboratorio. La combinación de un modelo predictivo para estimar la probabilidad pre-test52 al ingreso en UCI, calibrado con los condicionantes locales de cada unidad32;30, junto con un test rápido de laboratorio como la PCR en tiempo real o la MALDI-TOF (Matrix-Assisted Laser Desorption / Ionization Time-Of-Flight) parece el camino a seguir en futuros estudios. Los factores descritos al ingreso en UCI en el multivariable deben ser tenidos en cuenta para este propósito. CONFLICTOS DE INTERES Ninguno. La "Fundación Burgos por la Investigación de la Salud" ha becado este proyecto en 2013. BIBLIOGRAFÍA (1) Mensa J, Soriano A, Llinares P et al. Guía de tratamiento antimicrobiano de la infección por Staphylococcus aureus. [Guidelines for the antimicrobial treatment on infections caused by Staphylococcus aureus]. Rev Esp Quimioter 2013;26(Suppl 1):1-84. (2) Stefani S, Goglio A. Methicillin-resistant Staphylococcus aureus: related infections and antibiotic resistance. Int J Infect Dis 2010;14 Suppl 4:S19-S22. (3) de Kraker ME, Wolkewitz M, Davey PG et al. Clinical impact of antimicrobial resistance in European hospitals: excess mortality and length of hospital stay related to methicillin-resistant Staphylococcus aureus bloodstream infections. Antimicrob Agents Chemother 2011;55:1598-1605. (4) Olaechea PM, Insausti J, Blanco A, Luque P. [Epidemiology and impact of nosocomial infections]. Med Intensiva 2010;34:256-267. (5) Olchanski N, Mathews C, Fusfeld L, Jarvis W. Assessment of the influence of test characteristics on the clinical and cost impacts of methicillin-resistant Staphylococcus aureus screening programs in US hospitals. Infect Control Hosp Epidemiol 2011;32:250-257. (6) Kock R, Becker K, Cookson B et al. Methicillin-resistant Staphylococcus aureus (MRSA): burden of disease and control challenges in Europe. In URL: http://www.eurosurveillance.org/ViewArticle.aspx?ArticleId=19688. Published June 15, 2010. Accessed March 3, 2013. Euro Surveill 2010;15:19688. (7) Kaye KS, Harris AD, Samore M, Carmeli Y. The case-case-control study design: addressing the limitations of risk factor studies for antimicrobial resistance. Infect Control Hosp Epidemiol 2005;26:346-351. (8) Lee AS, Huttner B, Harbarth S. Control of methicillin-resistant Staphylococcus aureus. Infect Dis Clin North Am 2011;25:155-179. (9) Catalano G, Houston SH, Catalano MC et al. Anxiety and depression in hospitalized patients in resistant organism isolation. South Med J 2003;96:141-145. (10) Stelfox HT, Bates DW, Redelmeier DA. Safety of patients isolated for infection control. JAMA 2003;290:1899-1905. (11) Lopez-Pueyo MJ, Barcenilla-Gaite F, Amaya-Villar R, Garnacho-Montero J. Multirresistencia antibiótica en unidades de críticos. [Antibiotic multiresistance in critical care units]. Med Intensiva 2011;35:41-53. (12) Muto CA, Jernigan JA, Ostrowsky BE et al. SHEA guideline for preventing nosocomial transmission of multidrug-resistant strains of Staphylococcus aureus and enterococcus. Infect Control Hosp Epidemiol 2003;24:362-386. (13) Jain R, Kralovic SM, Evans ME et al. Veterans Affairs initiative to prevent methicillin-resistant Staphylococcus aureus infections. N Engl J Med 2011;364:1419-1430. (14) Robicsek A, Beaumont JL, Paule SM et al. Universal surveillance for methicillin-resistant Staphylococcus aureus in 3 affiliated hospitals. Ann Intern Med 2008;148:409-418. (15) Harbarth S, Fankhauser C, Schrenzel J et al. Universal screening for methicillin-resistant Staphylococcus aureus at hospital admission and nosocomial infection in surgical patients. JAMA 2008;299:1149-1157. (16) Huskins WC, Huckabee CM, O'Grady NP et al. Intervention to reduce transmission of resistant bacteria in intensive care. N Engl J Med 2011;364:1407-1418. (17) Huang SS, Septimus E, Kleinman K et al. Targeted versus universal decolonization to prevent ICU infection. N Engl J Med 2013;368:2255-2265. (18) Lucet JC, Regnier B. Screening and decolonization: does methicillin-susceptible Staphylococcus aureus hold lessons for methicillin-resistant S. aureus? Clin Infect Dis 2010;51:585-590. (19) Ziakas PD, Anagnostou T, Mylonakis E. The Prevalence and Significance of Methicillin-Resistant Staphylococcus aureus Colonization at Admission in the General ICU Setting: A Meta-Analysis of Published Studies*. Crit Care Med 2014;42:433-444. (20) Nseir S, Di PC, Diarra M et al. Relationship between immunosuppression and intensive care unit-acquired multidrug-resistant bacteria: a case-control study. Crit Care Med 2007;35:1318-1323. (21) Salgado CD, O'Grady N, Farr BM. Prevention and control of antimicrobial-resistant infections in intensive care patients. Crit Care Med 2005;33:2373-2382. (22) Bhattacharya S. Early diagnosis of resistant pathogens: how can it improve antimicrobial treatment? Virulence 2013;4:172-184. (23) Boucher HW, Talbot GH, Bradley JS et al. Bad bugs, no drugs: no ESKAPE! An update from the Infectious Diseases Society of America. Clin Infect Dis 2009;48:1-12. (24) Alvarez-Lerma F, Grau S. Management of antimicrobial use in the intensive care unit. Drugs 2012;72:447-470. (25) Roberts RR, Hota B, Ahmad I et al. Hospital and societal costs of antimicrobial-resistant infections in a Chicago teaching hospital: implications for antibiotic stewardship. Clin Infect Dis 2009;49:1175-1184. (26) Augustin P, Kermarrec N, Muller-Serieys C et al. Risk factors for multidrug resistant bacteria and optimization of empirical antibiotic therapy in postoperative peritonitis. Crit Care 2010;14:R20. (27) Drinka P, Niederman MS, El-Solh AA, Crnich CJ. Assessment of risk factors for multi-drug resistant organisms to guide empiric antibiotic selection in long term care: a dilemma. J Am Med Dir Assoc 2011;12:321-325. (28) Safdar N, Maki DG. The commonality of risk factors for nosocomial colonization and infection with antimicrobial-resistant Staphylococcus aureus, enterococcus, gram-negative bacilli, Clostridium difficile, and Candida. Ann Intern Med 2002;136:834-844. (29) Lopez-Pueyo MJ, Olaechea-Astigarraga P, Palomar-Martinez M, Insausti-Ordenana J, Alvarez-Lerma F. Quality control of the surveillance programme of ICU-acquired infection (ENVIN-HELICS registry) in Spain. J Hosp Infect 2013;84:126-131. (30) Robicsek A, Beaumont JL, Wright MO, Thomson RB, Jr., Kaul KL, Peterson LR. Electronic prediction rules for methicillin-resistant Staphylococcus aureus colonization. Infect Control Hosp Epidemiol 2011;32:9-19. (31) Harbarth S, Sax H, Fankhauser-Rodriguez C, Schrenzel J, Agostinho A, Pittet D. Evaluating the probability of previously unknown carriage of MRSA at hospital admission. Am J Med 2006;119:275-23. (32) Pan A, Lee A, Cooper B et al. Risk factors for previously unknown meticillin-resistant Staphylococcus aureus carriage on admission to 13 surgical wards in Europe. J Hosp Infect 2013;83:107-113. (33) Hanberger H, Walther S, Leone M et al. Increased mortality associated with methicillin-resistant Staphylococcus aureus (MRSA) infection in the intensive care unit: results from the EPIC II study. Int J Antimicrob Agents 2011;38:331-335. (34) Yamakawa K, Tasaki O, Fukuyama M et al. Assessment of risk factors related to healthcare-associated methicillin-resistant Staphylococcus aureus infection at patient admission to an intensive care unit in Japan. BMC Infect Dis 2011;11:303. (35) Minhas P, Perl TM, Carroll KC et al. Risk factors for positive admission surveillance cultures for methicillin-resistant Staphylococcus aureus and vancomycin-resistant enterococci in a neurocritical care unit. Crit Care Med 2011;39:2322-2329. (36) Lin MY, Hayden MK. Methicillin-resistant Staphylococcus aureus and vancomycin-resistant enterococcus: recognition and prevention in intensive care units. Crit Care Med 2010;38:S335-S344. (37) Laurent F, Chardon H, Haenni M et al. MRSA harboring mecA variant gene mecC, France. Emerg Infect Dis 2012;18:1465-1467. (38) Bartels MD, Boye K, Rohde SM et al. A common variant of staphylococcal cassette chromosome mec type IVa in isolates from Copenhagen, Denmark, is not detected by the BD GeneOhm methicillin-resistant Staphylococcus aureus assay. J Clin Microbiol 2009;47:1524-1527. (39) David MZ, Daum RS. Community-associated methicillin-resistant Staphylococcus aureus: epidemiology and clinical consequences of an emerging epidemic. Clin Microbiol Rev 2010;23:616-687. (40) Evans RS, Wallace CJ, Lloyd JF et al. Rapid identification of hospitalized patients at high risk for MRSA carriage. J Am Med Inform Assoc 2008;15:506-512. (41) Polisena J, Chen S, Cimon K, McGill S, Forward K, Gardam M. Clinical effectiveness of rapid tests for methicillin resistant Staphylococcus aureus (MRSA) in hospitalized patients: a systematic review. BMC Infect Dis 2011;11:336. (42) Harbarth S, Hawkey PM, Tenover F, Stefani S, Pantosti A, Struelens MJ. Update on screening and clinical diagnosis of meticillin-resistant Staphylococcus aureus (MRSA). Int J Antimicrob Agents 2011;37:110-117. (43) Cardoso T, Ribeiro O, Aragao IC, Costa-Pereira A, Sarmento AE. Additional risk factors for infection by multidrug-resistant pathogens in healthcare-associated infection: a large cohort study. BMC Infect Dis 2012;12:375. (44) Seguin P, Fedun Y, Laviolle B, Nesseler N, Donnio PY, Malledant Y. Risk factors for multidrug-resistant bacteria in patients with post-operative peritonitis requiring intensive care. J Antimicrob Chemother 2010;65:342-346. (45) Guidelines for the management of adults with hospital-acquired, ventilator-associated, and healthcare-associated pneumonia. Am J Respir Crit Care Med 2005;171:388-416. (46) Gross AE, Van Schooneveld TC, Olsen KM et al. Epidemiology and Predictors of Multidrug-Resistant Community-Acquired and Healthcare-Associated Pneumonia. Antimicrob Agents Chemother 2014. (47) Nseir S, Grailles G, Soury-Lavergne A, Minacori F, Alves I, Durocher A. Accuracy of American Thoracic Society/Infectious Diseases Society of America criteria in predicting infection or colonization with multidrug-resistant bacteria at intensive-care unit admission. Clin Microbiol Infect 2010;16:902-908. (48) Tojo M, Fujita T, Ainoda Y et al. Evaluation of an automated rapid diagnostic assay for detection of Gram-negative bacteria and their drug-resistance genes in positive blood cultures. PLoS One 2014;9:e94064. (49) Diekema DJ, Pfaller MA. Rapid detection of antibiotic-resistant organism carriage for infection prevention. Clin Infect Dis 2013;56:1614-1620. (50) Geffers C, Gastmeier P. Nosocomial infections and multidrug-resistant organisms in Germany: epidemiological data from KISS (the Hospital Infection Surveillance System). Dtsch Arztebl Int 2011;108:87-93. (51) Xie J, Ma X, Huang Y et al. Value of American Thoracic Society guidelines in predicting infection or colonization with multidrug-resistant organisms in critically ill patients. PLoS One 2014;9:e89687. (52) Zilberberg MD, Shorr AF. Impact of prior probabilities of MRSA as an infectious agent on the accuracy of the emerging molecular diagnostic tests: a model simulation. BMJ Open 2012;2.