Laboratory Frailty Index and Adverse Outcomes in Older Adults With Bloodstream Infection: A Single-Center Retrospective Cohort Study

Resumen Técnico: Índice de Fragilidad de Laboratorio y Resultados Adversos en Adultos Mayores con Infección del Torrente Sanguíneo

Planteamiento del Problema
La infección del torrente sanguíneo (ITS) impone una carga sustancial de morbilidad y mortalidad en los adultos mayores, quienes frecuentemente presentan síntomas atípicos, reserva fisiológica disminuida y comorbilidades complejas. Aunque las herramientas pronósticas existentes, como la puntuación de la Evaluación de la Falla Orgánica Secuencial (SOFA) y el Índice de Comorbilidad de Charlson (CCI), se utilizan ampliamente, estas cuantifican primordialmente la disfunción orgánica aguda y la carga de enfermedad crónica, respectivamente. Estas herramientas a menudo no logran capturar la vulnerabilidad fisiológica multidimensional y el agotamiento de la reserva relacionado con la edad que caracterizan la fragilidad. En consecuencia, existe la necesidad de métricas objetivas y reproducibles que puedan evaluar la desregulación fisiológica acumulativa en pacientes mayores que enfrentan estresores de infección aguda.

Metodología
Este estudio de cohorte retrospectivo de un solo centro analizó a 7 de 75 pacientes hospitalizados de ≥60 años con ITS confirmada en el Hospital Afiliado de la Universidad Médica de Xuzhou (marzo de 2023 – marzo de 2025).

• Métrica Primaria: El estudio utilizó un Índice de Fragilidad de Laboratorio (FIlab) construido basado en el modelo de acumulación de déficits. Incorporó 33 ítems de laboratorio de rutina (hematología, bioquímica, electrolitos, coagulación). Un valor fuera del rango de referencia se puntuó como 1, y dentro del rango como 0. El FIlab se calculó como la proporción de ítems anormales respecto a los ítems disponibles. El lactato y la creatinina se excluyeron del cálculo del FIlab para evitar redundancia, ya que se incluyeron como predictores independientes en los modelos.
• Manejo de Datos: Los datos faltantes se abordaron mediante imputación múltiple por ecuaciones encadenadas (MICE) con 20 imputaciones. Los coeficientes de regresión logística se agruparon utilizando las reglas de Rubin.
• Modelado Estadístico: El estudio comparó un modelo base (Modelo 0: edad, sexo, lactato, creatinina) contra modelos que incorporan SOFA, CCI, el Índice de Fragilidad Multidimensional (MFI) y el FIlab.
  • Modelo 4: Base + FIlab
  • Modelo 5: Base + SOFA + CCI + FIlab (Modelo completo)
• Métricas de Evaluación: El desempeño se evaluó mediante discriminación (Área Bajo la Curva [AUC]), calibración, Análisis de la Curva de Decisión (DCA) y validación interna por bootstrap (1,000 remuestreos). El valor incremental se cuantificó mediante la Mejora de la Reclasificación Libre de Categoría (cfNRI) y la Mejora de la Discriminación Integrada (IDI).

Resultados Clave

• Características de los Pacientes: La cohorte tuvo una mediana de edad de 72 años (64.8% hombres). Los resultados adversos (muerte o alta sin mejoría) ocurrieron en el 47.1% de los pacientes.
• Asociación Independiente: En el análisis multivariante agrupado, el FIlab se mantuvo como un predictor independiente estadísticamente significativo de resultados adversos (Odds Ratio [OR] 1.53 por cada incremento de 0.1 unidades; IC 95% 1.34–1.75; P < 0.001). Notablemente, en el modelo completo (Modelo 5), las variables tradicionales como la puntuación SOFA, el CCI, la edad y el lactato perdieron significancia estadística, sugiriendo que el FIlab capturó la información pronóstica previamente atribuida a estos factores.
• Desempeño del Modelo:
  • El modelo base (Modelo 0) tuvo un AUC de 0.581.
  • Al añadir el FIlab (Modelo 4), la discriminación mejoró significativamente a un AUC de 0.679 (IC 95% 0.642–0.716).
  • El modelo completo (Modelo 5) alcanzó un AUC idéntico de 0.679. La diferencia entre el Modelo 4 y el Modelo 5 fue insignificante (ΔAUC = 0.000; P = 0.890), indicando que añadir SOFA y CCI a un modelo que ya contiene el FIlab no proporcionó un beneficio de discriminación adicional.
  • La adición del FIlab produjo un cfNRI de 0.510 y un IDI de 0.071, confirmando una mejora en la reclasificación del riesgo.
• Robustez: Los análisis de sensibilidad utilizando únicamente la mortalidad intrahospitalaria como resultado confirmaron al FIlab como un predictor independiente (OR 1.26 por cada incremento de 0.1 unidades; P = 0.018). Los análisis de subgrupos mostraron asociaciones consistentes a través de grupos de edad, niveles de SOFA y niveles de CCI, sin efectos de interacción significativos.

Contribuciones Clave

1. Validación del FIlab en ITS: El estudio establece al FIlab como un predictor independiente de resultados adversos específicamente en adultos mayores con infecciones del torrente sanguíneo, una población de alto riesgo donde la reserva fisiológica es crítica.
2. Valor Predictivo Incremental: La investigación demuestra que el FIlab proporciona información predictiva incremental significativa más allá de las variables clínicas establecidas (edad, sexo, lactato, creatinina) y las puntuaciones de severidad tradicionales (SOFA, CCI).
3. Modelado Parsimonioso: El estudio identifica que un modelo simplificado que contiene solo el FIlab (junto con datos demográficos básicos y lactato/creatinina) logra una discriminación equivalente a un modelo complejo que incluye SOFA y CCI. Esto sugiere que el FIlab captura la información pronóstica "solapada" de la disfunción orgánica y la carga de comorbilidad.
4. Utilidad Clínica: El Análisis de la Curva de Decisión indica que incorporar el FIlab ofrece un beneficio neto a través de umbrales de probabilidad clínicamente relevantes (20%–50%), potencialmente ayudando a la reducción de intervenciones innecesarias mientras se evitan casos de alto riesgo no detectados.

Significancia y Afirmaciones
Los autores afirman que el FIlab ofrece una herramienta práctica, objetiva y reproducible para la evaluación pronóstica individualizada en pacientes mayores con ITS. A diferencia de los índices de fragilidad basados en hospitales que dependen de la codificación administrativa (por ejemplo, HFRS), el FIlab se basa en datos de laboratorio estandarizados, lo que mejora su transportabilidad interinstitucional y su potencial de automatización dentro de los sistemas de registros médicos electrónicos.

El estudio postula que el FIlab refleja la manifestación integrada del daño subclínico acumulativo a través de múltiples sistemas fisiológicos (hematológico, bioquímico, coagulación), cuantificando así el agotamiento de la reserva fisiológica. Esta base biológica sugiere que el FIlab captura la "vulnerabilidad biológica" y la tolerancia al estrés que las puntuaciones tradicionales, que se centran en la disfunción aguda o el recuento de enfermedades, podrían pasar por alto.

Los autores mantienen una postura modesta respecto al desempeño absoluto del modelo, reconociendo que un AUC de 0.679 representa una "discriminación moderada". Atribuyen esto a la complejidad inherente y la heterogeneidad de la predicción de resultados en adultos mayores con ITS, más que a un fallo fundamental del índice. El estudio concluye que, si bien el FIlab muestra potencial para la estratificación del riesgo, es necesaria la validación externa en cohortes multicéntricas antes de su implementación clínica generalizada.