Heart rate variability as predictor of mortality in sepsis: a prospective cohort study

Abstract

Fundo A sepse é uma condição médica grave com prevalência crescente e alta mortalidade. o O papel do sistema nervoso autônomo na fisiopatologia da sepse tem sido cada vez mais pesquisado. O objetivo deste estudo é avaliar a Variabilidade da Frequência Cardíaca (VFC) como um preditor de mortalidade em pacientes sépticos. Métodos Esta foi uma coorte prospectiva de pacientes diagnosticados com sepse. O recrutamento de pacientes foi realizado em UTI de hospital universitário terciário entre março de 2012 e fevereiro de 2014. Dados clínicos e exames laboratoriais foram coletados na admissão. Cada paciente foi submetido a um Holter de 20 minutos e Holter de 24 horas no primeiro dia de inscrição. O resultado primário foi a mortalidade por todas as causas em 28 dias. Resultados Um total de 63 pacientes foram incluídos. Os pacientes foram categorizados em grupo de não sobreviventes (n = 16) ou grupo de sobreviventes (n = 47) dependendo deste endpoint. Os sobreviventes eram mais jovens (48,6 anos vs. 63,0 anos), tiveram melhor função renal e valores mais baixos nos escores de gravidade (APACHE II e SOFA) em relação aos não sobreviventes. No Holter de 20 minutos, SDNN, Total Power, VLF Power, LF Power e LF/HF de não sobreviventes foram significativamente menores do que os dos sobreviventes (p = <0,001, p = 0,003, p = 0,002, p = 0,006, p = 0,009, respectivamente). ROC a curva de SDNN foi construída, mostrando área sob a curva de 0,772 (0,638–0,906) para mortalidade. O valor de 17ms foi escolhido como melhor ponto de corte do SDNN para discriminar sobreviventes e não sobreviventes. Na regressão proporcional de Cox, ajustada pelo escore SOFA e pelo APACHE II, SDNN 17ms foi associado a um maior risco de morte, com taxas de risco de 6,3 (1,4– 28,0; p = 0,015) e 5,5 (1,2–24,8; p = 0,027), respectivamente. A adição do SDNN dicotomizado ao modelo SOFA reduziu o AIC e aumentou a estatística de concordância e o R2 , indicando que o poder preditivo do modelo SDNN + SOFA é melhor do que o preditivo poder de SOFA apenas