Los signos vitales en las primeras horas tras el ingreso pueden predecir cuánto tiempo permanecerá hospitalizado un paciente con enfermedad pulmonar obstructiva crónica o insuficiencia cardíaca
Datos como la frecuencia cardíaca, la respiración y la saturación de oxígeno durante las primeras 24 horas permiten planificar mejor la atención hospitalaria
Los signos vitales que se comprueban de forma rutinaria cuando una persona ingresa en el hospital pueden predecir la duración de su estancia. Un estudio científico ha demostrado que un análisis detallado de la frecuencia cardíaca, la respiración y la saturación de oxígeno durante las primeras 24 horas de ingreso puede predecir con gran precisión cuánto tiempo permanecerá hospitalizado un paciente con enfermedad pulmonar obstructiva crónica (EPOC) o insuficiencia cardíaca.
La investigación, dirigida por investigadores del Centro de Investigación Biomédica en Red de Enfermedades Respiratorias (CIBERES) y del Instituto de Investigación Biomédica de Lleida (IRBLleida), ha sido publicada en la revista Scandinavian Journal of Trauma, Resuscitation and Emergency Medicine y abre la puerta a una mejor planificación de la atención hospitalaria utilizando datos que ya se recogen de forma rutinaria.
La medición de los signos vitales es una práctica habitual en los hospitales. En este estudio, el equipo de investigación ha ido un paso más allá, analizando cómo varían estos signos a lo largo del tiempo para buscar patrones, fluctuaciones y regularidades que reflejen el estado real del paciente.
Para ello, se estudiaron los datos de 74 pacientes ingresados en una sala general (no en la UCI), que fueron monitorizados de forma continua durante las primeras 24 horas. A partir de estos datos, se han identificado características de los signos vitales que están claramente relacionadas con la duración de la estancia. En la investigación participaron el departamento de medicina interna del Hospital Universitario Santa María y el departamento de neumología del Hospital Universitario Arnau de Vilanova.
«Los resultados muestran que ciertos patrones en la frecuencia cardíaca y respiratoria, así como pequeñas fluctuaciones en la saturación de oxígeno, están fuertemente asociados con estancias hospitalarias más cortas o más largas», explicó el último autor del artículo e investigador del grupo de investigación en Medicina Respiratoria Traslacional, Jordi de Batlle. «Al combinar estos datos en un modelo predictivo, hemos logrado una capacidad predictiva muy alta, con una precisión en la gran mayoría de los casos», añadió.
Según los autores, esta herramienta no pretende sustituir el criterio médico, sino complementarlo. Poder anticipar la duración probable de una estancia hospitalaria puede ayudar a los profesionales sanitarios a planificar mejor los recursos, adaptar la atención a cada paciente y mejorar la organización del hospital. «Además, el hecho de que el modelo se base en datos ya disponibles hace que su posible aplicación clínica sea más realista y accesible», añade el primer autor del artículo, Iván Juez, investigador en formación del grupo de Investigación Traslacional en Medicina Respiratoria.
«Este estudio de viabilidad demuestra el potencial de la monitorización continua y el análisis avanzado de datos para avanzar hacia una medicina más predictiva y personalizada, especialmente en pacientes con enfermedades crónicas comunes como la EPOC y la insuficiencia cardíaca», ha señalado el investigador y consultor del Hospital Universitario Santa María de Lleida, Gerard Torres.
El proyecto ha sido financiado por el Instituto de Salud Carlos III, la Unión Europea y el programa ICREA Academia, así como por dos becas de SEPAR 2022 y SOCAP 2023.
Artículo: Juez-Garcia I, Benítez ID, Torres G, González J, Utrillo L, Pérez A, Varvará N, Cuadrat I, Barbé F, de Batlle J. Continuous vital sign monitoring for predicting hospital length of stay: a feasibility study in chronic obstructive pulmonary disease and chronic heart failure patients. Scand J Trauma Resusc Emerg Med. 2025 Sep 24;33(1):150. doi: 10.1186/s13049-025-01458-4. PMID: 40993754; PMCID: PMC12462186.
La investigación ha sido dirigida por investigadores del CIBERES y del IRBLleida