Qui, 13 de fevereiro de 2025, 19:52

Banca de DEFESA: Rafaela Amorim Fernandes da Silva Santos
Defesa de mestrado

Uma banca de DEFESA de MESTRADO foi cadastrada pelo programa.
DISCENTE: RAFAELA AMORIM FERNANDES DA SILVA SANTOS
DATA: 19/02/2025
HORA: 14:00
LOCAL: PPGEN
TÍTULO: PREDIÇÃO DE MORTALIDADE HOSPITALAR EM TRAUMA CRANIOENCEFÁLICO MODERADO E GRAVE ANTES E DURANTE A PANDEMIA COVID-19
PALAVRAS-CHAVES: COVID-19, mortalidade, prognósticos, traumatismo cranioencefálico
PÁGINAS: 110
GRANDE ÁREA: Ciências da Saúde
ÁREA: Enfermagem

RESUMO:

Introdução: o Trauma Cranioencefálico (TCE) é definido por uma ruptura da funçãocerebral normal em consequência de qualquer agressão gerada por forças externascapazes de ocasionar uma desordem neurológica de caráter momentâneo oupermanente, com diferentes níveis de gravidade e variados prognósticos. Objetivo:avaliar a performance dos modelos prognósticos Corticosteroid Randomization AfterSignificant Head Injury (CRASH) e International Mission for Prognosis and Analysisof Clinical Trials (IMPACT) em predizer a mortalidade nos pacientes de TCEmoderado e grave no período antes e durante a pandemia COVID-19. Método:estudo de coorte retrospectivo, realizado por meio da coleta de dados de prontuáriosde pacientes admitidos nos setores da emergência e da UTI do Hospital de Urgênciado Estado de Sergipe (HUSE) com diagnóstico de TCE moderado e grave.Participaram do estudo pacientes de TCE contuso moderado e grave, com idade ≥18 anos e ≤ 60 anos, que foram admitidos até seis horas do evento traumático.Foram coletadas nos prontuários as características sociodemográficas e clínicas, agravidade do trauma e do TCE, resultados de exames laboratoriais e de imagem edesfecho. Para a avaliação do desempenho entre os modelos prognósticos em todosos períodos, foram construídas curvas Receiver Operating Characteristic (ROC) parao desfecho mortalidade, obteve-se as medidas da Área sob a Curva (AUC). Acalibração de Cox foi aplicada para avaliar a qualidade preditiva externa dosmodelos CRASH e IMPACT. Resultados: a casuística foi composta por 130pacientes, 73 admitidos antes da pandemia e 57 durante a pandemia de COVID-19,a maioria do sexo masculino (95,38%), com idade média 33,89 anos (DP = 11,93), amaior parte vítimas de acidente de transporte, sendo 33,08% causados poracidentes motociclistas sem capacete e a maior parte antes da pandemia de COVID-19. Na admissão hospitalar a média da Escala de Coma de Glasgow dos pacientesfoi semelhante entre os períodos, sendo 5,60 (DP = 2,54) antes da pandemia e 5,65(DP= 2,50) durante a pandemia, 83,85% tiveram perda da consciência na cena,91,54% foram submetidos a intubação orotraqueal, 73,85% foram sedados e 62,31%apresentaram reatividade pupilar bilateral na admissão. A média da gravidade dotrauma foi semelhante entre os períodos, com média de New Injury Severtity Scorede 28.75 (DP= 15,59) antes e 26,33 (DP = 14,30) durante a pandemia. A média deinternação dos pacientes foi de 26,3 dias (DP = 28,7 dias), com 26,2% (34/130) dospacientes evoluindo ao óbito, sendo 22 antes da pandemia e 12 durante a pandemia.O modelo CRASH CT apresentou melhor capacidade preditiva no período pré-pandemia AUC=0,833 (IC 95%=0,748-0,918), sensibilidade 86,4%, VPN 96,4%.Durante a pandemia, o IMPACT core e o IMPACT laboratory apresentaramAUC=0,810 (IC95%=0,653-0,966) e AUC=0,810 (IC95%=0,695-0,924), sensibilidade92,3%, VPN=98,3% respectivamente. A calibração mostrou superestimação dosmodelos analisados, contudo, na compracao entre os modelos, evidenciamos que osmodelos CRASH TC e IMPACT Extended exibiram melhor desempenho na prediçãoda mortalidade, quando comparados aos demais modelos analisados. Conclusão:os modelos CRASH e IMPACT mostraram-se como ferramentas valiosas naestimativa de mortalidade, mas suas limitações indicam a necessidade de
refinamentos, especialmente em cenários que envolvem fatores os modelospreditivos CRASH e IMPACT demonstraram ser ferramentas valiosas na estimativada mortalidade em pacientes com lesão cerebral traumática. No entanto, suaslimitações indicam a necessidade de refinamentos, especialmente em cenários queenvolvem fatores externos disruptivos, como uma pandemia. A integração de dadosclínicos precisos e a adaptação contínua dessas ferramentas são fundamentais paraaumentar sua eficácia preditiva e otimizar a tomada de decisões clínicas.externosdisruptivos como uma pandemia.


MEMBROS DA BANCA:
Interno - 3253450 - RITA DE CASSIA ALMEIDA VIEIRA
Interno - 2394615 - EDUESLEY SANTANA SANTOS
Externo ao Programa - 3271662 - KATTY ANNE AMADOR DE LUCENA MEDEIROS
Externo ao Programa - 1120444 - JUSSIELY CUNHA OLIVEIRA
Externo ao Programa - 4523497 - DANIEL VIEIRA DE OLIVEIRA
Externo ao Programa - 1738313 - CARLA KALLINE ALVES CARTAXO FREITAS


Atualizado em: Qui, 13 de fevereiro de 2025, 20:50
Notícias UFS