Share
array:24 [ "pii" => "S0300289619301103" "issn" => "03002896" "doi" => "10.1016/j.arbres.2019.02.025" "estado" => "S300" "fechaPublicacion" => "2019-11-01" "aid" => "2121" "copyright" => "SEPAR" "copyrightAnyo" => "2019" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Arch Bronconeumol. 2019;55:565-72" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 408 "formatos" => array:2 [ "HTML" => 252 "PDF" => 156 ] ] "Traduccion" => array:1 [ "en" => array:19 [ "pii" => "S1579212919302617" "issn" => "15792129" "doi" => "10.1016/j.arbr.2019.08.003" "estado" => "S300" "fechaPublicacion" => "2019-11-01" "aid" => "2121" "copyright" => "SEPAR" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Arch Bronconeumol. 2019;55:565-72" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:2 [ "total" => 25 "formatos" => array:2 [ "HTML" => 15 "PDF" => 10 ] ] "en" => array:14 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original Article</span>" "titulo" => "The Combined Use of Pleural Fluid Parameters Improves Diagnostic Accuracy in Complicated Pleural Infection/Empyema" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:3 [ 0 => "en" 1 => "en" 2 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "565" "paginaFinal" => "572" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "La combinación de la determinación de parámetros bioquímicos del líquido pleural mejora la predicción diagnóstica de la infección pleural complicada/empiema" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0030" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 691 "Ancho" => 1333 "Tamanyo" => 139934 ] ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Lucía Ferreiro, Óscar Lado-Baleato, Juan Suárez-Antelo, María E. Toubes, María E. San José, Adriana Lama, Nuria Rodríguez-Núñez, José Manuel Álvarez-Dobaño, Francisco J. González-Barcala, Jorge Ricoy, Francisco Gude, Luis Valdés" "autores" => array:12 [ 0 => array:2 [ "nombre" => "Lucía" "apellidos" => "Ferreiro" ] 1 => array:2 [ "nombre" => "Óscar" "apellidos" => "Lado-Baleato" ] 2 => array:2 [ "nombre" => "Juan" "apellidos" => "Suárez-Antelo" ] 3 => array:2 [ "nombre" => "María E." "apellidos" => "Toubes" ] 4 => array:2 [ "nombre" => "María E." "apellidos" => "San José" ] 5 => array:2 [ "nombre" => "Adriana" "apellidos" => "Lama" ] 6 => array:2 [ "nombre" => "Nuria" "apellidos" => "Rodríguez-Núñez" ] 7 => array:2 [ "nombre" => "José Manuel" "apellidos" => "Álvarez-Dobaño" ] 8 => array:2 [ "nombre" => "Francisco J." "apellidos" => "González-Barcala" ] 9 => array:2 [ "nombre" => "Jorge" "apellidos" => "Ricoy" ] 10 => array:2 [ "nombre" => "Francisco" "apellidos" => "Gude" ] 11 => array:2 [ "nombre" => "Luis" "apellidos" => "Valdés" ] ] ] ] "resumen" => array:1 [ 0 => array:3 [ "titulo" => "Graphical abstract" "clase" => "graphical" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0030"></elsevierMultimedia></p></span>" ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "es" => array:9 [ "pii" => "S0300289619301103" "doi" => "10.1016/j.arbres.2019.02.025" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "es" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0300289619301103?idApp=UINPBA00003Z" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1579212919302617?idApp=UINPBA00003Z" "url" => "/15792129/0000005500000011/v1_201911020900/S1579212919302617/v1_201911020900/en/main.assets" ] ] "itemSiguiente" => array:19 [ "pii" => "S0300289619302558" "issn" => "03002896" "doi" => "10.1016/j.arbres.2019.05.003" "estado" => "S300" "fechaPublicacion" => "2019-11-01" "aid" => "2181" "copyright" => "SEPAR" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Arch Bronconeumol. 2019;55:573-80" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 110 "formatos" => array:2 [ "HTML" => 64 "PDF" => 46 ] ] "en" => array:14 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Montelukast, Leukotriene Inhibitor, Reduces LPS-Induced Acute Lung Inflammation and Human Neutrophil Activation" "tienePdf" => "en" "tieneTextoCompleto" => "en" "tieneResumen" => array:3 [ 0 => "en" 1 => "en" 2 => "es" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "573" "paginaFinal" => "580" ] ] "titulosAlternativos" => array:1 [ "es" => array:1 [ "titulo" => "El montelukast, un inhibidor de leucotrienos, reduce la inflamación pulmonar aguda inducida por LPS y la activación de neutrófilos humanos" ] ] "contieneResumen" => array:2 [ "en" => true "es" => true ] "contieneTextoCompleto" => array:1 [ "en" => true ] "contienePdf" => array:1 [ "en" => true ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0035" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 1085 "Ancho" => 1151 "Tamanyo" => 100134 ] ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Jaime Eduardo Davino-Chiovatto, Manoel Carneiro Oliveira-Junior, BreAnne MacKenzie, Alana Santos-Dias, Ana Roberta Almeida-Oliveira, Jefferson Comin Jonco Aquino-Junior, Auriléia Aparecida Brito, Nicole Cristine Rigonato-Oliveira, Nilsa Regina Damaceno-Rodrigues, Ana Paula Ligeiro Oliveira, Alessandro Pereira Silva, Fernanda Marciano Consolim-Colombo, Flavio Aimbire, Hugo Caire Castro-Faria-Neto, Rodolfo Paula Vieira" "autores" => array:15 [ 0 => array:2 [ "nombre" => "Jaime Eduardo" "apellidos" => "Davino-Chiovatto" ] 1 => array:2 [ "nombre" => "Manoel Carneiro" "apellidos" => "Oliveira-Junior" ] 2 => array:2 [ "nombre" => "BreAnne" "apellidos" => "MacKenzie" ] 3 => array:2 [ "nombre" => "Alana" "apellidos" => "Santos-Dias" ] 4 => array:2 [ "nombre" => "Ana Roberta" "apellidos" => "Almeida-Oliveira" ] 5 => array:2 [ "nombre" => "Jefferson Comin Jonco" "apellidos" => "Aquino-Junior" ] 6 => array:2 [ "nombre" => "Auriléia Aparecida" "apellidos" => "Brito" ] 7 => array:2 [ "nombre" => "Nicole Cristine" "apellidos" => "Rigonato-Oliveira" ] 8 => array:2 [ "nombre" => "Nilsa Regina" "apellidos" => "Damaceno-Rodrigues" ] 9 => array:2 [ "nombre" => "Ana Paula Ligeiro" "apellidos" => "Oliveira" ] 10 => array:2 [ "nombre" => "Alessandro Pereira" "apellidos" => "Silva" ] 11 => array:2 [ "nombre" => "Fernanda Marciano" "apellidos" => "Consolim-Colombo" ] 12 => array:2 [ "nombre" => "Flavio" "apellidos" => "Aimbire" ] 13 => array:2 [ "nombre" => "Hugo Caire" "apellidos" => "Castro-Faria-Neto" ] 14 => array:2 [ "nombre" => "Rodolfo Paula" "apellidos" => "Vieira" ] ] ] ] "resumen" => array:1 [ 0 => array:3 [ "titulo" => "Graphical abstract" "clase" => "graphical" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0035"></elsevierMultimedia></p></span>" ] ] ] "idiomaDefecto" => "en" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S1579212919302952" "doi" => "10.1016/j.arbr.2019.10.002" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1579212919302952?idApp=UINPBA00003Z" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0300289619302558?idApp=UINPBA00003Z" "url" => "/03002896/0000005500000011/v4_202003140718/S0300289619302558/v4_202003140718/en/main.assets" ] "itemAnterior" => array:19 [ "pii" => "S0300289619301012" "issn" => "03002896" "doi" => "10.1016/j.arbres.2019.02.018" "estado" => "S300" "fechaPublicacion" => "2019-11-01" "aid" => "2114" "copyright" => "SEPAR" "documento" => "article" "crossmark" => 1 "subdocumento" => "fla" "cita" => "Arch Bronconeumol. 2019;55:559-64" "abierto" => array:3 [ "ES" => true "ES2" => true "LATM" => true ] "gratuito" => true "lecturas" => array:2 [ "total" => 181 "formatos" => array:2 [ "HTML" => 117 "PDF" => 64 ] ] "es" => array:14 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "Estudio de una cohorte de paciente con fibrosis quística y Scedosporium spp." "tienePdf" => "es" "tieneTextoCompleto" => "es" "tieneResumen" => array:3 [ 0 => "es" 1 => "es" 2 => "en" ] "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "559" "paginaFinal" => "564" ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "Study of a Cohort of Patients With Cystic Fibrosis and Isolation of <span class="elsevierStyleItalic">Scedosporium</span> spp" ] ] "contieneResumen" => array:2 [ "es" => true "en" => true ] "contieneTextoCompleto" => array:1 [ "es" => true ] "contienePdf" => array:1 [ "es" => true ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0010" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 758 "Ancho" => 1333 "Tamanyo" => 65037 ] ] ] ] "autores" => array:1 [ 0 => array:2 [ "autoresLista" => "Marta Erro Iribarren, Rosa María Girón Moreno, Layla Diab Cáceres, María Teresa Pastor Sanz, Buenaventura Buendía Moreno, Teresa Alarcón Cavero, Silvia Granja Torrecillas, Nelly Daniela Zurita Cruz, Julio Ancochea Bermúdez" "autores" => array:9 [ 0 => array:2 [ "nombre" => "Marta" "apellidos" => "Erro Iribarren" ] 1 => array:2 [ "nombre" => "Rosa María" "apellidos" => "Girón Moreno" ] 2 => array:2 [ "nombre" => "Layla" "apellidos" => "Diab Cáceres" ] 3 => array:2 [ "nombre" => "María Teresa" "apellidos" => "Pastor Sanz" ] 4 => array:2 [ "nombre" => "Buenaventura" "apellidos" => "Buendía Moreno" ] 5 => array:2 [ "nombre" => "Teresa" "apellidos" => "Alarcón Cavero" ] 6 => array:2 [ "nombre" => "Silvia" "apellidos" => "Granja Torrecillas" ] 7 => array:2 [ "nombre" => "Nelly Daniela" "apellidos" => "Zurita Cruz" ] 8 => array:2 [ "nombre" => "Julio" "apellidos" => "Ancochea Bermúdez" ] ] ] ] "resumen" => array:1 [ 0 => array:3 [ "titulo" => "Graphical abstract" "clase" => "graphical" "resumen" => "<span id="abst0005" class="elsevierStyleSection elsevierViewall"><p id="spar0005" class="elsevierStyleSimplePara elsevierViewall"><elsevierMultimedia ident="fig0010"></elsevierMultimedia></p></span>" ] ] ] "idiomaDefecto" => "es" "Traduccion" => array:1 [ "en" => array:9 [ "pii" => "S1579212919302605" "doi" => "10.1016/j.arbr.2019.08.002" "estado" => "S300" "subdocumento" => "" "abierto" => array:3 [ "ES" => false "ES2" => false "LATM" => false ] "gratuito" => false "lecturas" => array:1 [ "total" => 0 ] "idiomaDefecto" => "en" "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S1579212919302605?idApp=UINPBA00003Z" ] ] "EPUB" => "https://multimedia.elsevier.es/PublicationsMultimediaV1/item/epub/S0300289619301012?idApp=UINPBA00003Z" "url" => "/03002896/0000005500000011/v4_202003140718/S0300289619301012/v4_202003140718/es/main.assets" ] "es" => array:20 [ "idiomaDefecto" => true "cabecera" => "<span class="elsevierStyleTextfn">Original</span>" "titulo" => "La combinación de la determinación de parámetros bioquímicos del líquido pleural mejora la predicción diagnóstica de la infección pleural complicada/empiema" "tieneTextoCompleto" => true "paginas" => array:1 [ 0 => array:2 [ "paginaInicial" => "565" "paginaFinal" => "572" ] ] "autores" => array:1 [ 0 => array:4 [ "autoresLista" => "Lucía Ferreiro, Óscar Lado-Baleato, Juan Suárez-Antelo, María E. Toubes, María E. San José, Adriana Lama, Nuria Rodríguez-Núñez, José Manuel Álvarez-Dobaño, Francisco J. González-Barcala, Jorge Ricoy, Francisco Gude, Luis Valdés" "autores" => array:12 [ 0 => array:4 [ "nombre" => "Lucía" "apellidos" => "Ferreiro" "email" => array:1 [ 0 => "lferfer7@gmail.com" ] "referencia" => array:2 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] 1 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">*</span>" "identificador" => "cor0005" ] ] ] 1 => array:3 [ "nombre" => "Óscar" "apellidos" => "Lado-Baleato" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 2 => array:3 [ "nombre" => "Juan" "apellidos" => "Suárez-Antelo" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 3 => array:3 [ "nombre" => "María E." "apellidos" => "Toubes" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 4 => array:3 [ "nombre" => "María E." "apellidos" => "San José" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">d</span>" "identificador" => "aff0020" ] ] ] 5 => array:3 [ "nombre" => "Adriana" "apellidos" => "Lama" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 6 => array:3 [ "nombre" => "Nuria" "apellidos" => "Rodríguez-Núñez" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 7 => array:3 [ "nombre" => "José Manuel" "apellidos" => "Álvarez-Dobaño" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 8 => array:3 [ "nombre" => "Francisco J." "apellidos" => "González-Barcala" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] 9 => array:3 [ "nombre" => "Jorge" "apellidos" => "Ricoy" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">c</span>" "identificador" => "aff0015" ] ] ] 10 => array:3 [ "nombre" => "Francisco" "apellidos" => "Gude" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">b</span>" "identificador" => "aff0010" ] ] ] 11 => array:3 [ "nombre" => "Luis" "apellidos" => "Valdés" "referencia" => array:1 [ 0 => array:2 [ "etiqueta" => "<span class="elsevierStyleSup">a</span>" "identificador" => "aff0005" ] ] ] ] "afiliaciones" => array:4 [ 0 => array:3 [ "entidad" => "Servicio de Neumología, Complejo Hospitalario Clínico Universitario de Santiago de Compostela, Grupo Interdisciplinar de Investigación en Neumología. Instituto de Investigaciones Sanitarias de Santiago (IDIS), Santiago de Compostela, A Coruña, España" "etiqueta" => "a" "identificador" => "aff0005" ] 1 => array:3 [ "entidad" => "Unidad de Epidemiología Clínica, Complejo Hospitalario Clínico Universitario de Santiago de Compostela, Grupo Epidemiología de Enfermedades Frecuentes, Instituto de Investigaciones Sanitarias de Santiago (IDIS), Santiago de Compostela, A Coruña, España" "etiqueta" => "b" "identificador" => "aff0010" ] 2 => array:3 [ "entidad" => "Servicio de Neumología, Complejo Hospitalario Clínico Universitario de Santiago de Compostela, Santiago de Compostela, A Coruña, España" "etiqueta" => "c" "identificador" => "aff0015" ] 3 => array:3 [ "entidad" => "Servicio de Análisis Clínicos, Complejo Hospitalario Clínico Universitario de Santiago de Compostela, Grupo Interdisciplinar de Investigación en Neumología, Instituto de Investigaciones Sanitarias de Santiago (IDIS), España, Santiago de Compostela, A Coruña, España" "etiqueta" => "d" "identificador" => "aff0020" ] ] "correspondencia" => array:1 [ 0 => array:3 [ "identificador" => "cor0005" "etiqueta" => "⁎" "correspondencia" => "Autor para correspondencia." ] ] ] ] "titulosAlternativos" => array:1 [ "en" => array:1 [ "titulo" => "The Combined Use of Pleural Fluid Parameters Improves Diagnostic Accuracy in Complicated Pleural Infection/Empyema" ] ] "resumenGrafico" => array:2 [ "original" => 1 "multimedia" => array:5 [ "identificador" => "fig0030" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => false "mostrarDisplay" => true "figura" => array:1 [ 0 => array:4 [ "imagen" => "fx1.jpeg" "Alto" => 701 "Ancho" => 1333 "Tamanyo" => 109840 ] ] ] ] "textoCompleto" => "<span class="elsevierStyleSections"><span id="sec0005" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0070">Introducción</span><p id="par0005" class="elsevierStylePara elsevierViewall">La infección pleural (IP) es un hallazgo frecuente en la práctica clínica, ya que un 57% de los pacientes con neumonía pueden presentar un derrame pleural (DP) infeccioso (DPI)<a class="elsevierStyleCrossRef" href="#bib0140"><span class="elsevierStyleSup">1</span></a>. En la fase inicial (exudativa), las características del líquido pleural (LP) son las de un exudado neutrofílico, sin otros datos bioquímicos que lo identifiquen, su cultivo suele ofrecer un bajo rendimiento y habitualmente responden favorablemente al tratamiento antibiótico<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">2</span></a>. Sin embargo, en los últimos años se ha observado que cada vez más pacientes desarrollan una IP complicada/empiema, sobre todo en niños y ancianos<a class="elsevierStyleCrossRefs" href="#bib0150"><span class="elsevierStyleSup">3,4</span></a>. Estos enfermos necesitarán, además de antibióticos, un drenaje torácico y, en ocasiones, fibrinolíticos intrapleurales y manejo quirúrgico<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">2</span></a>. Como consecuencia, las tasas de hospitalización por empiema son más altas<a class="elsevierStyleCrossRef" href="#bib0150"><span class="elsevierStyleSup">3</span></a>, las estancias hospitalarias más prolongadas<a class="elsevierStyleCrossRef" href="#bib0160"><span class="elsevierStyleSup">5</span></a> y las tasas de mortalidad pueden alcanzar el 30% en pacientes inmunocomprometidos<a class="elsevierStyleCrossRefs" href="#bib0150"><span class="elsevierStyleSup">3,5,6</span></a>.</p><p id="par0010" class="elsevierStylePara elsevierViewall">Las características bioquímicas del LP en las fases fibrinopurulenta y organizada de la IP son totalmente distintas de las de la fase exudativa y suelen indicar claramente la necesidad de colocar un drenaje torácico<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">2</span></a>. Pero, hasta la fecha, no se han desarrollado predictores clínicos, analíticos o radiológicos suficientemente consistentes que identifiquen qué pacientes con una IP simple pueden evolucionar hacia una IP complicada/empiema.</p><p id="par0015" class="elsevierStylePara elsevierViewall">El objetivo del estudio es valorar si una combinación de biomarcadores de respuesta inflamatoria del LP, a través de modelos predictivos, pueden predecir qué pacientes con un DPI evolucionarán hacia fases más complicadas de la IP.</p></span><span id="sec0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0075">Material y métodos</span><span id="sec0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0080">Pacientes</span><p id="par0020" class="elsevierStylePara elsevierViewall">Entre junio del 2013 y diciembre del 2016 se estudió de forma prospectiva a todos los pacientes que acudieron a nuestro servicio por un DPI. Si a un paciente se le realizaban varias toracocentesis, se eligieron los datos bioquímicos de la primera.</p></span><span id="sec0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0085">Definiciones</span><p id="par0025" class="elsevierStylePara elsevierViewall">El diagnóstico de DPI se estableció ante la presencia de una infección pulmonar asociada a un cuadro agudo que cursaba con fiebre, infiltrados pulmonares, esputo purulento y respuesta al tratamiento antibiótico, o identificación de un organismo en el LP.</p><p id="par0030" class="elsevierStylePara elsevierViewall">Se consideró que las IP eran no complicadas si se resolvían únicamente con antibióticos; una IP se definió como complicada si el derrame necesitó drenaje torácico para solucionarse, y empiema cuando existía pus en el espacio pleural o el cultivo del LP era positivo<a class="elsevierStyleCrossRef" href="#bib0170"><span class="elsevierStyleSup">7</span></a>.</p><p id="par0035" class="elsevierStylePara elsevierViewall">Se excluyó a los pacientes menores de 18 años y los que habían tenido un empiema previo, cirugía mayor en los 5 días anteriores, neumonectomía en el lado infectado, embarazo o lactancia, y expectativa de vida menor de 3 meses.</p></span><span id="sec0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0090">Muestras</span><p id="par0040" class="elsevierStylePara elsevierViewall">El LP se obtuvo mediante una toracocentesis, dirigida por ecografía, antes de comenzar ningún tratamiento y con el enfermo en ayunas. Las muestras de LP se enviaron a microbiología (para tinción de Ziehl-Neelsen y cultivo en medios aeróbico, anaerobio y de Löwenstein), citología y bioquímica. Una vez centrifugadas las muestras a 1.500<span class="elsevierStyleHsp" style=""></span>×<span class="elsevierStyleHsp" style=""></span>g a 4<span class="elsevierStyleHsp" style=""></span>°<span class="elsevierStyleSmallCaps">C</span> durante 15 min, los sobrenadantes se procesaron antes de las 2 h de su extracción y posteriormente se almacenaron a –80° C. La interleucina 6 (IL-6) y la proteína C reactiva (PCR) se determinaron mediante el IMMULITE® 2000 (Siemens Healthcare Diagnostics Products Ltd., Llanberis, Gwynedd LL55 4<span class="elsevierStyleHsp" style=""></span>EL, United Kingdom). Los resultados se expresaron en pg/ml y mg/l, respectivamente, y estuvieron disponibles en menos de una hora.</p></span><span id="sec0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0095">Análisis estadístico</span><p id="par0045" class="elsevierStylePara elsevierViewall">Las variables continuas se expresaron en medias<span class="elsevierStyleHsp" style=""></span>±<span class="elsevierStyleHsp" style=""></span>DE o medianas (percentiles 25-75), según las distribuciones eran o no normales. Las variables cualitativas se expresaron en frecuencias absolutas y porcentajes. La normalidad de las distribuciones se estudió mediante el test de Kolmogorov-Smirnov. Se utilizó el test de la chi al cuadrado para comparar las variables categóricas, y para las variables continuas se empleó el test U de Mann-Whitney. Para determinar la rentabilidad diagnóstica de los parámetros estudiados se estimaron: sensibilidad, especificidad, valor predictivo positivo, valor predictivo negativo, razones de verosimilitud positiva y negativa, y precisión diagnóstica. Los puntos óptimos de corte se obtuvieron utilizando el criterio de Youden<a class="elsevierStyleCrossRef" href="#bib0175"><span class="elsevierStyleSup">8</span></a>. Se construyeron curvas ROC y se determinaron las áreas bajo la curva (AUC)<a class="elsevierStyleCrossRef" href="#bib0180"><span class="elsevierStyleSup">9</span></a> para hallar la capacidad de discriminación. La interpretación de estos valores se determinó de acuerdo con los siguientes límites: 0,60-0,69, pobre valor discriminatorio; 0,70-0,79: moderado valor discriminatorio; 0,80-0,89: buen valor discriminatorio, y 0,90-1,00: excelente valor discriminatorio.</p><p id="par0050" class="elsevierStylePara elsevierViewall">Se confeccionaron modelos de regresión logística binaria, en los que inicialmente se introdujeron todas las variables potencialmente predictoras y, posteriormente, mediante el test de razón de verosimilitud, se fueron eliminando aquellas con escasa o nula contribución a la capacidad de explicación del modelo (p <<span class="elsevierStyleHsp" style=""></span>0,05). A partir de los coeficientes de regresión se estimaron las <span class="elsevierStyleItalic">odds ratios</span> y sus intervalos de confianza del 95%. Se estudiaron los diferentes aspectos de la <span class="elsevierStyleItalic">performance</span> del modelo: discriminación, calibración y seguridad diagnóstica<a class="elsevierStyleCrossRefs" href="#bib0185"><span class="elsevierStyleSup">10,11</span></a>. La calibración se valoró mediante el score de Brier y se graficaron las estimaciones no paramétricas de las frecuencias observadas versus las predichas por el modelo. Las curvas ROC y sus correspondientes AUC también se utilizaron para verificar la capacidad de discriminación de los modelos. Para determinar el valor de los modelos, se utilizó la relación teórica entre la probabilidad del umbral de DPI y el valor relativo de los resultados de falsos positivos y falsos negativos. Para este propósito, la regla de clasificación se definió de la siguiente manera: cada paciente se clasificó como perteneciente al grupo infeccioso para aquellas probabilidades predichas iguales o superiores al umbral seleccionado y negativas de otro modo. Esto significa que los sujetos en los que el modelo predijo DPI y no lo tenían, serían falsos negativos, mientras que si el modelo no predice DPI y lo tienen, serían falsos positivos. Para corregir el posible sobreoptimismo se utilizaron técnicas de <span class="elsevierStyleItalic">bootstrap</span>, tanto para las estimaciones de discriminación como para las de clasificación de los pacientes. Finalmente, con base en los coeficientes de los modelos obtenidos en la regresión logística, se construyeron nomogramas para los modelos de predicción. El análisis de los datos se llevó a cabo utilizando los paquetes «mgcv»<a class="elsevierStyleCrossRef" href="#bib0195"><span class="elsevierStyleSup">12</span></a>, «<span class="elsevierStyleItalic">MASS</span>»<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">13</span></a><span class="elsevierStyleItalic">,</span> «<span class="elsevierStyleItalic">rms</span>»<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">10</span></a><span class="elsevierStyleItalic">,</span> «<span class="elsevierStyleItalic">OptimalCutpoints</span>»<a class="elsevierStyleCrossRef" href="#bib0200"><span class="elsevierStyleSup">13</span></a> y «<span class="elsevierStyleItalic">pROC</span>»<a class="elsevierStyleCrossRef" href="#bib0205"><span class="elsevierStyleSup">14</span></a>, todos ellos libremente disponibles en R<a class="elsevierStyleCrossRef" href="#bib0210"><span class="elsevierStyleSup">15</span></a>.</p><p id="par0055" class="elsevierStylePara elsevierViewall">El estudio fue aprobado por el Comité Ético de Investigación Clínica del hospital (código de registro 2013/013).</p></span></span><span id="sec0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0100">Resultados</span><p id="par0060" class="elsevierStylePara elsevierViewall">Durante el periodo del estudio se llevaron a cabo 813 toracocentesis. Se excluyeron 107 derrames debido a: no se llegó a un diagnóstico definitivo (27), tenían algún criterio de exclusión (33), los datos correspondían a pacientes repetidos (21), había un posible doble diagnóstico (18) o bien los datos no estaban completos (8). De los 706 pacientes a los que finalmente se llegó a un diagnóstico, 177 eran DPI. De estos, 74 fueron IP no complicadas, 65 IP complicadas y 38 empiemas (suma complicadas/empiemas, 103).</p><p id="par0065" class="elsevierStylePara elsevierViewall">El cultivo del LP fue positivo en 34/177 pacientes (19,2%). El grupo de <span class="elsevierStyleItalic">Streptococcus</span><span class="elsevierStyleItalic">milleri</span><span class="elsevierStyleItalic">(Streptococcus intermedius, constellatus y mitis)</span> fue el que se cultivó con mayor frecuencia (13 pacientes; 7,3%), seguido del <span class="elsevierStyleItalic">Streptococcus pneumoniae</span> (5 pacientes; 2,8%), <span class="elsevierStyleItalic">Streptococcus oralis</span> (4 casos; 2,3%), otros tipos de <span class="elsevierStyleItalic">Streptococcus (viridans,</span> betahemolítico grupo C y <span class="elsevierStyleItalic">especies</span>) (3; 1,7%), <span class="elsevierStyleItalic">Staphylococcus aureus</span>, <span class="elsevierStyleItalic">Escherichia coli</span> y <span class="elsevierStyleItalic">Pseudomonas aeruginosa</span> (2 casos cada uno; 1,1%), nocardia, <span class="elsevierStyleItalic">Fusobacterium nucleatum</span> y <span class="elsevierStyleItalic">Parvimonas micra</span> (un caso cada uno; 0,6%). Cincuenta pacientes (28,2%) habían recibido tratamiento antibiótico previamente a realizar la toracocentesis.</p><p id="par0070" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#tbl0005">tabla 1</a> se observan las características de los pacientes estudiados de acuerdo con su clasificación como IP no complicada, complicada, empiema o la agrupación de estas 2<span class="elsevierStyleHsp" style=""></span>últimas. Los valores de porcentaje de segmentados, lactato deshidrogenasa (LDH), PCR, IL-6 y factor de necrosis tumoral alfa (TNF-α) en LP aumentan significativamente a medida que lo hace la complejidad del derrame y disminuyen en el caso del pH. Si la IP es complicada o existe un empiema, se observa un aumento significativo en el tamaño del DP, el hábito alcohólico, la positividad del cultivo del LP, la necesidad de drenaje torácico y de tratamiento con fibrinolíticos y la presencia de septos y tabiques en el espacio pleural. No se encontraron diferencias significativas, entre otros, en el CURB-65, PSI, duración de la estancia hospitalaria, necesidad de ingreso en la UCI y mortalidad. Por el contrario, la insuficiencia cardiaca es significativamente más frecuente en los pacientes con un DP no complicado que en los complicados/empiemas (9,5% vs. 1,9%; p<span class="elsevierStyleHsp" style=""></span>=<span class="elsevierStyleHsp" style=""></span>0,029). En la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a> se muestra la rentabilidad de cada parámetro en LP para el diagnóstico de las IP complicadas/empiemas. Los parámetros que mejor AUC mostraron para su diagnóstico fueron la LDH (0,949), el pH (0,921), el porcentaje de segmentados (0,866) y la IL-6 (0,837).</p><elsevierMultimedia ident="tbl0005"></elsevierMultimedia><elsevierMultimedia ident="tbl0010"></elsevierMultimedia><p id="par0075" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#fig0005">figura 1</a> se muestra la distribución de las concentraciones de las principales variables en las IP no complicadas, complicadas y empiemas, y en la <a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a> se observan las AUC ROC de todas las variables para el diagnóstico de las IP complicadas/empiemas.</p><elsevierMultimedia ident="fig0005"></elsevierMultimedia><p id="par0080" class="elsevierStylePara elsevierViewall">Se utilizó un análisis de regresión logística para diferenciar las IP no complicadas de las complicadas/empiemas. El modelo incluyó 3<span class="elsevierStyleHsp" style=""></span>variables: pH, LDH LP e IL-6 LP. Los coeficientes obtenidos en el análisis de regresión para el modelo evaluado se presentan en la <a class="elsevierStyleCrossRef" href="#tbl0015">tabla 3</a>. La capacidad de discriminación que se obtuvo fue un AUC de 0,9783, significativamente mejor que la de cualquiera de las variables individuales que lo componen (p <<span class="elsevierStyleHsp" style=""></span>0,001). La AUC corregida por <span class="elsevierStyleItalic">bootstrap</span> fue ligeramente inferior a la AUC aparente (0,9757), lo que tampoco refleja ningún optimismo. Este modelo clasifica correctamente el 96% (170/177) de los derrames (72/74 [97,3%] de los no complicados y 98/103 [95,1%] de los complicados/empiemas).</p><elsevierMultimedia ident="tbl0015"></elsevierMultimedia><p id="par0085" class="elsevierStylePara elsevierViewall">La gráfica de calibración del modelo construido se observa en la <a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a>. La calibración demuestra una buena concordancia entre la probabilidad estimada y la frecuencia observada. Finalmente, la <a class="elsevierStyleCrossRef" href="#fig0015">figura 3</a> muestra el nomograma construido.</p><elsevierMultimedia ident="fig0010"></elsevierMultimedia><elsevierMultimedia ident="fig0015"></elsevierMultimedia><p id="par0090" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#tbl0020">tabla 4</a> muestra la rentabilidad para diferentes puntos de corte de la probabilidad predicha para el diagnóstico de una IP complicada/empiema obtenida a través del modelo construido. En la práctica clínica, el cálculo de la probabilidad de que la IP sea complicada/empiema se puede llevar a cabo fácilmente a través de un modelo de calculadora en formato Excel (<a class="elsevierStyleCrossRef" href="#sec0065">material suplementario [anexo</a>], e-figura 1).</p><elsevierMultimedia ident="tbl0020"></elsevierMultimedia><p id="par0095" class="elsevierStylePara elsevierViewall">En la <a class="elsevierStyleCrossRef" href="#fig0020">figura 4</a> se observa la distribución de los valores del pH, IL-6 y LDH en LP, según la IP sea no complicada (líneas negras) o complicada/empiema (líneas rojas), así como sus puntos de corte óptimos.</p><elsevierMultimedia ident="fig0020"></elsevierMultimedia><p id="par0100" class="elsevierStylePara elsevierViewall">Con los parámetros del modelo construido para diferenciar las IP no complicadas de las complicadas/empiemas, se construyó una gráfica tridimensional que muestra la relación entre los valores en LP del pH, LDH e IL-6 (<a class="elsevierStyleCrossRef" href="#fig0025">figura 5</a>). Las IP no complicadas, en círculos negros, se agrupan mayoritariamente en la zona de la gráfica que ocupan los casos con valores más bajos de LDH e IL-6 y más elevados de pH.</p><elsevierMultimedia ident="fig0025"></elsevierMultimedia><p id="par0105" class="elsevierStylePara elsevierViewall">La <a class="elsevierStyleCrossRef" href="#tbl0025">tabla 5</a> muestra los errores que se producen (falsos positivos y falsos negativos) para diferentes puntos de corte de las probabilidades obtenidas después de aplicar el modelo construido.</p><elsevierMultimedia ident="tbl0025"></elsevierMultimedia></span><span id="sec0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0105">Discusión</span><p id="par0110" class="elsevierStylePara elsevierViewall">Este estudio confirma que un modelo predictivo construido con una combinación de variables bioquímicas del LP tiene un excelente valor discriminativo para predecir IP complicadas/empiemas, ya que consigue diferenciarlas de las no complicadas en el 96% de los casos.</p><p id="par0115" class="elsevierStylePara elsevierViewall">Diferenciar entre IP no complicada e IP complicada/empiema tiene implicaciones pronósticas y terapéuticas. Al contrario que las IP no complicadas, las complicadas/empiemas no se resuelven, en la mayoría de los casos, solamente con antibióticos, sino que, habitualmente, necesitan drenaje torácico y, en ocasiones, fibrinolíticos intrapleurales o, incluso, manejo quirúrgico. Esto conduce a la necesidad de utilizar un mayor número de recursos sanitarios y a ingresos hospitalarios con estancias prolongadas, lo que puede conducir a un aumento de la morbimortalidad. Si el LP tiene un aspecto purulento es relativamente sencillo diagnosticar el empiema, pero líquidos de aspecto seroso pueden tener un cultivo positivo y necesitar drenaje torácico para resolverse<a class="elsevierStyleCrossRef" href="#bib0215"><span class="elsevierStyleSup">16</span></a>. Lo relevante es poder identificar, de forma precoz, qué pacientes pueden presentar una IP complicada/empiema, pero hasta la fecha no hay datos clínicos o radiológicos que identifiquen a estos enfermos. Valores en LP del pH, LDH o glucosa pueden ayudar a hacer esta diferenciación, pero sus errores no son desdeñables<a class="elsevierStyleCrossRef" href="#bib0145"><span class="elsevierStyleSup">2</span></a>. Otros autores han intentado identificar estas IP mediante análisis multivariante y han observado que determinadas características clínicas (edad, alcoholismo, dolor torácico, taquicardia, uso de fármacos por vía intravenosa) o analíticas (albúmina, sodio, plaquetas, PCR, leucocitos) pueden contribuir a hacerlo<a class="elsevierStyleCrossRefs" href="#bib0170"><span class="elsevierStyleSup">7,17</span></a>.</p><p id="par0120" class="elsevierStylePara elsevierViewall">Las variables que de forma individual mejor discriminaron las IP complicadas/empiemas de las no complicadas fueron la LDH (AUC 0,949), el pH (AUC 0,921), el porcentaje de segmentados (AUC 0,866) y la IL-6 (AUC 0,837) (<a class="elsevierStyleCrossRef" href="#tbl0010">tabla 2</a>). Tanto la LDH como el pH son parámetros ampliamente utilizados con este fin<a class="elsevierStyleCrossRefs" href="#bib0215"><span class="elsevierStyleSup">16,18</span></a> y la rentabilidad obtenida puede considerarse en el rango de la observada en otras series<a class="elsevierStyleCrossRefs" href="#bib0230"><span class="elsevierStyleSup">19-22</span></a>. El porcentaje de neutrófilos suele utilizarse habitualmente en el diagnóstico de los DPI. En estos casos, aunque específico, no es un parámetro sensible debido a que factores como el momento de la evolución en que se realiza la toracocentesis y la toma previa de antibióticos pueden influir en el resultado<a class="elsevierStyleCrossRef" href="#bib0250"><span class="elsevierStyleSup">23</span></a>. Sin embargo, para el diagnóstico de las IP complicadas/empiemas sí que ha demostrado una buena rentabilidad diagnóstica (punto de corte 61,1%; sensibilidad 79,1%; especificidad 85,5%; AUC 0,866), probablemente porque todos los casos están en una fase avanzada de la infección (fibrinopurulenta u organizada). Con la IL-6 existe muy poca experiencia. Solamente se ha utilizado en un estudio y únicamente para diagnosticar los DPI<a class="elsevierStyleCrossRef" href="#bib0255"><span class="elsevierStyleSup">24</span></a>. La IL-6 es un mediador del sistema inmunológico y puede presentar valores séricos elevados en algunas enfermedades autoinmunes, infecciones y sepsis, y en el rechazo a los trasplantes<span class="elsevierStyleItalic">.</span> Su AUC tiene un buen valor discriminante (0,837), superior a la del estudio mencionado (0,70) y con una sensibilidad y especificidad también más elevadas (el 73,7 y el 92,9%, respectivamente). Por el contrario, el valor discriminante de la PCR fue moderado (AUC 0,766). Eso podría significar que una vez alcanzado un cierto nivel de inflamación en el LP, los valores de IL-6 no siguen aumentando en la misma proporción que lo hace la infección. Por otra parte, como sugerían estudios previos<a class="elsevierStyleCrossRefs" href="#bib0260"><span class="elsevierStyleSup">25-27</span></a>, el poder discriminante de la procalcitonina fue muy pobre (AUC 0,574).</p><p id="par0125" class="elsevierStylePara elsevierViewall">Para la predicción del resultado, se consideró la presencia o ausencia de IP complicada/empiema. En este contexto, el modelo de regresión logística es la técnica estadística más utilizada para resultados médicos binarios<a class="elsevierStyleCrossRef" href="#bib0185"><span class="elsevierStyleSup">10</span></a>. Al desarrollar un modelo de predicción, se pretende cuantificar qué tan buenas son las predicciones del modelo (rendimiento del modelo) y, para ello, se realizaron la calibración, la discriminación, la precisión diagnóstica y la validez de las predicciones para nuevos pacientes. El modelo construido para diferenciar ambas IP utiliza las variables pH, LDH e IL-6. Las probabilidades de que la IP sea complicada/empiema aumentan a medida que lo hacen los valores de LDH e IL-6, y disminuyen los del pH. La AUC del modelo, una vez corregida por <span class="elsevierStyleItalic">bootstrap</span>, es ligeramente inferior al AUC aparente (0,9757 vs. 0,9783), lo que refleja que no hay sobreoptimismo en la estimación. Llama la atención que el modelo construido no utilice la variable porcentaje de segmentados, cuya AUC es superior a la de la IL-6. Es posible que esto se deba a que el mecanismo por el que se eleva sea similar al de alguna de las variables elegidas y, por tanto, su determinación no aporte ninguna ventaja en aumentar el rendimiento del modelo.</p><p id="par0130" class="elsevierStylePara elsevierViewall">La gráfica de calibración (<a class="elsevierStyleCrossRef" href="#fig0010">figura 2</a>) muestra que la concordancia entre las probabilidades predichas y las frecuencias observadas fue excelente, lo que demuestra la solidez del modelo. El nomograma representa el peso de cada una de las variables seleccionadas y estima la probabilidad de que una IP sea complicada/empiema, de acuerdo con la puntuación total obtenida con todas las variables (<a class="elsevierStyleCrossRef" href="#fig0015">figura 3</a>, parte inferior).</p><p id="par0135" class="elsevierStylePara elsevierViewall">El diagnóstico erróneo de una IP no complicada como complicada conducirá a someter al paciente a pruebas invasivas innecesarias. Sin embargo, la situación contraria llevará a retrasos diagnósticos y, por consiguiente, a un potencial aumento de la morbimortalidad. Con este enfoque, quizá la mejor estrategia a la hora de clasificar a estos pacientes sería obtener el menor número de falsos negativos. Es decir, intentar evitar que las IP complicadas se clasifiquen erróneamente como no complicadas a fin de evitar las complicaciones mencionadas. Para cada probabilidad predicha, se obtiene una determinada rentabilidad. Una probabilidad predicha del 60% parece ser la de mayor rentabilidad, ya que es donde menos posibilidades de error se cometen a la hora de establecer el diagnóstico de DPI (<a class="elsevierStyleCrossRef" href="#tbl0025">tabla 5</a>).</p><p id="par0140" class="elsevierStylePara elsevierViewall">El estudio tiene algunas limitaciones. En primer lugar, el número de DPI no ha sido elevado (177); en segundo, los pacientes se han reclutado en un único centro. Aunque se han utilizado técnicas de <span class="elsevierStyleItalic">bootstrap</span> para corregir el sobreoptimismo, se necesita realizar una validación externa en otros centros. Por último, el cálculo de la probabilidad estimada de tener una IP complicada/empiema es compleja, pero la construcción de una calculadora Excel facilita la aplicación práctica por parte de los clínicos y está disponible en el material suplementario.</p><p id="par0145" class="elsevierStylePara elsevierViewall">En resumen, el modelo predictivo construido tiene una rentabilidad superior a la de cualquiera de las variables individuales que lo componen para identificar las IP complicadas/empiemas. Aunque se necesitan nuevos estudios para validar estos hallazgos, los resultados obtenidos parecen justificar el que se pudiera comenzar a aplicar en la práctica clínica.</p></span><span id="sec0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0110">Financiación</span><p id="par0150" class="elsevierStylePara elsevierViewall">Este estudio fue financiado por una beca de la Sociedad Española de Neumología y Cirugía Torácica (SEPAR 126/2012).</p></span><span id="sec0050" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0115">Autoría</span><p id="par0155" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Lucía Ferreiro.</span> Concepción y diseño del estudio. Autora. Recogida de los datos. Análisis e interpretación de los datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0160" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Óscar Lado-Baleato.</span> Análisis estadístico. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0165" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Juan Suárez-Antelo.</span> Coautor. Adquisición de datos. Análisis e interpretación de los datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0170" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">María E. Toubes.</span> Coautora. Adquisición de datos. Análisis e interpretación de los datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0175" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Esther San José.</span> Responsable de las determinaciones en líquido pleural de los parámetros estudiados. Coautora. Análisis e interpretación de los datos. Aprobación final del manuscrito<span class="elsevierStyleBold">.</span></p><p id="par0180" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Adriana Lama.</span> Coautora. Adquisición de datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0185" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Nuria Rodríguez-Núñez.</span> Coautora. Adquisición de datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0190" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">José Manuel Álvarez Dobaño.</span> Coautor. Adquisición de datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0195" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Francisco Javier González Barcala.</span> Coautor. Adquisición de datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0200" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Jorge Ricoy.</span> Coautor. Adquisición de datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0205" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Francisco Gude.</span> Análisis estadístico. Análisis e interpretación de los datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p><p id="par0210" class="elsevierStylePara elsevierViewall"><span class="elsevierStyleItalic">Luis Valdés.</span> Autor principal. Concepción y diseño del estudio. Análisis e interpretación de los datos. Revisión crítica del artículo. Aprobación final del manuscrito.</p></span><span id="sec0055" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0120">Conflicto de intereses</span><p id="par0215" class="elsevierStylePara elsevierViewall">Los autores declaran no tener ningún conflicto de intereses.</p></span></span>" "textoCompletoSecciones" => array:1 [ "secciones" => array:13 [ 0 => array:3 [ "identificador" => "xres1317832" "titulo" => "Graphical abstract" "secciones" => array:1 [ 0 => array:1 [ "identificador" => "abst0005" ] ] ] 1 => array:3 [ "identificador" => "xres1317833" "titulo" => "Resumen" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0010" "titulo" => "Introducción" ] 1 => array:2 [ "identificador" => "abst0015" "titulo" => "Métodos" ] 2 => array:2 [ "identificador" => "abst0020" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0025" "titulo" => "Conclusión" ] ] ] 2 => array:2 [ "identificador" => "xpalclavsec1216147" "titulo" => "Palabras clave" ] 3 => array:3 [ "identificador" => "xres1317831" "titulo" => "Abstract" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0030" "titulo" => "Introduction" ] 1 => array:2 [ "identificador" => "abst0035" "titulo" => "Methods" ] 2 => array:2 [ "identificador" => "abst0040" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0045" "titulo" => "Conclusion" ] ] ] 4 => array:2 [ "identificador" => "xpalclavsec1216148" "titulo" => "Keywords" ] 5 => array:2 [ "identificador" => "sec0005" "titulo" => "Introducción" ] 6 => array:3 [ "identificador" => "sec0010" "titulo" => "Material y métodos" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "sec0015" "titulo" => "Pacientes" ] 1 => array:2 [ "identificador" => "sec0020" "titulo" => "Definiciones" ] 2 => array:2 [ "identificador" => "sec0025" "titulo" => "Muestras" ] 3 => array:2 [ "identificador" => "sec0030" "titulo" => "Análisis estadístico" ] ] ] 7 => array:2 [ "identificador" => "sec0035" "titulo" => "Resultados" ] 8 => array:2 [ "identificador" => "sec0040" "titulo" => "Discusión" ] 9 => array:2 [ "identificador" => "sec0045" "titulo" => "Financiación" ] 10 => array:2 [ "identificador" => "sec0050" "titulo" => "Autoría" ] 11 => array:2 [ "identificador" => "sec0055" "titulo" => "Conflicto de intereses" ] 12 => array:1 [ "titulo" => "Bibliografía" ] ] ] "pdfFichero" => "main.pdf" "tienePdf" => true "fechaRecibido" => "2019-01-03" "fechaAceptado" => "2019-02-28" "PalabrasClave" => array:2 [ "es" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Palabras clave" "identificador" => "xpalclavsec1216147" "palabras" => array:6 [ 0 => "Derrame pleural" 1 => "Infección pleural" 2 => "Infección pleural complicada/empiema" 3 => "Diagnóstico" 4 => "Marcadores inflamatorios" 5 => "Análisis regresión logística" ] ] ] "en" => array:1 [ 0 => array:4 [ "clase" => "keyword" "titulo" => "Keywords" "identificador" => "xpalclavsec1216148" "palabras" => array:6 [ 0 => "Pleural effusion" 1 => "Pleural infection" 2 => "Complicated pleural infection/empyema" 3 => "Diagnosis" 4 => "Inflammatory markers" 5 => "Logistic regression analysis" ] ] ] ] "tieneResumen" => true "resumen" => array:2 [ "es" => array:3 [ "titulo" => "Resumen" "resumen" => "<span id="abst0010" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0015">Introducción</span><p id="spar0010" class="elsevierStyleSimplePara elsevierViewall">Predecir cuándo un derrame pleural infeccioso puede evolucionar hacia una infección complicada/empiema es difícil de establecer. Nuestro propósito es analizar si un modelo predictivo construido con parámetros bioquímicos del líquido pleural puede ayudar a identificar estos derrames.</p></span> <span id="abst0015" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0020">Métodos</span><p id="spar0015" class="elsevierStyleSimplePara elsevierViewall">Se estudió de forma prospectiva a todos los pacientes diagnosticados de derrame pleural infeccioso y se clasificaron en no complicados y complicados/empiemas. Se realizó un análisis de regresión logística para estimar la probabilidad de infección pleural complicada/empiema. Con base en parámetros bioquímicos del líquido pleural, se construyó un modelo predictivo y se determinaron su discriminación (áreas bajo la curva ROC), calibración y precisión diagnóstica.</p></span> <span id="abst0020" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0025">Resultados</span><p id="spar0020" class="elsevierStyleSimplePara elsevierViewall">Se incluyó a 177 pacientes (74 infecciones pleurales no complicadas y 103 complicadas/empiemas). El área bajo la curva del modelo construido (pH, lactato deshidrogenasa e interleucina 6) fue 0,9783, significativamente mejor que cualquiera de las variables bioquímicas utilizadas de forma individual (0,921, 0,949 y 0,837, respectivamente; p <<span class="elsevierStyleHsp" style=""></span>0,001 usando todos los parámetros). La tasa de clasificación correcta fue del 96% de los derrames (170/177; 72/74 [97,3%] de los no complicados y 98/103 [95,1%] de los complicados/empiemas).</p></span> <span id="abst0025" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0030">Conclusión</span><p id="spar0025" class="elsevierStyleSimplePara elsevierViewall">El modelo predictivo analizado tiene una buena rentabilidad para el diagnóstico de las infecciones pleurales complicadas/empiemas, superior a la de cualquiera de las variables individuales que lo componen.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0010" "titulo" => "Introducción" ] 1 => array:2 [ "identificador" => "abst0015" "titulo" => "Métodos" ] 2 => array:2 [ "identificador" => "abst0020" "titulo" => "Resultados" ] 3 => array:2 [ "identificador" => "abst0025" "titulo" => "Conclusión" ] ] ] "en" => array:3 [ "titulo" => "Abstract" "resumen" => "<span id="abst0030" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0040">Introduction</span><p id="spar0030" class="elsevierStyleSimplePara elsevierViewall">Identifying infectious pleural effusions (IPE) that will progress to complicated infection or empyema is challenging. The purpose of this study was to determine whether a model based on multiple biochemical parameters in pleural fluid can predict which IPEs will produce empyema.</p></span> <span id="abst0035" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0045">Methods</span><p id="spar0035" class="elsevierStyleSimplePara elsevierViewall">A prospective study was performed of all cases of IPEs treated in our unit. IPEs were classified as uncomplicated or complicated (empyema). Logistic regression was used to estimate the risk for complicated pleural infection (empyema). A predictive model was developed using biochemical parameters in pleural fluid. Discriminatory power (areas under the ROC curve), calibration, and diagnostic accuracy of the model were assessed.</p></span> <span id="abst0040" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0050">Results</span><p id="spar0040" class="elsevierStyleSimplePara elsevierViewall">A total of 177 patients were included in the study (74 with uncomplicated infectious pleural effusion, and 103 with complicated pleural effusion/empyema). The area under the curve (AUC) for the model (pH, lactate dehydrogenase and interleukin 6) was 0.9783, which is significantly superior to the AUC of the individual biochemical parameters alone (0.921, 0.949, and 0.837, respectively; <span class="elsevierStyleItalic">P</span><.001 using all parameters). The rate of correct classification of infectious pleural effusions was 96% [170/177: 72/74 (97.3%) for uncomplicated and 98/103 (95.1%) for complicated effusion (empyema)].</p></span> <span id="abst0045" class="elsevierStyleSection elsevierViewall"><span class="elsevierStyleSectionTitle" id="sect0055">Conclusion</span><p id="spar0045" class="elsevierStyleSimplePara elsevierViewall">The multiple-marker model showed better diagnostic performance for predicting complicated infectious pleural effusion (empyema) compared to individual parameters alone.</p></span>" "secciones" => array:4 [ 0 => array:2 [ "identificador" => "abst0030" "titulo" => "Introduction" ] 1 => array:2 [ "identificador" => "abst0035" "titulo" => "Methods" ] 2 => array:2 [ "identificador" => "abst0040" "titulo" => "Results" ] 3 => array:2 [ "identificador" => "abst0045" "titulo" => "Conclusion" ] ] ] ] "apendice" => array:1 [ 0 => array:1 [ "seccion" => array:1 [ 0 => array:4 [ "apendice" => "<p id="par0225" class="elsevierStylePara elsevierViewall"><elsevierMultimedia ident="upi0005"></elsevierMultimedia><elsevierMultimedia ident="upi0010"></elsevierMultimedia></p>" "etiqueta" => "Anexo A" "titulo" => "Material suplementario" "identificador" => "sec0065" ] ] ] ] "multimedia" => array:13 [ 0 => array:7 [ "identificador" => "fig0005" "etiqueta" => "Figura 1" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr1.jpeg" "Alto" => 2664 "Ancho" => 2909 "Tamanyo" => 367310 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0050" class="elsevierStyleSimplePara elsevierViewall">Distribución de las concentraciones del número de leucocitos, segmentados (%), pH, LDH, PCR, PCT, IL-6 y TNF-α en el líquido pleural en las infecciones pleurales no complicadas, complicadas y empiemas.</p> <p id="spar0055" class="elsevierStyleSimplePara elsevierViewall">IL-6: interleucina 6; LDH, lactato deshidrogenasa; LP: líquido pleural; PCR: proteína C reactiva; PCT: procalcitonina; TNF-α: factor de necrosis tumoral alfa.</p>" ] ] 1 => array:7 [ "identificador" => "fig0010" "etiqueta" => "Figura 2" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr2.jpeg" "Alto" => 1356 "Ancho" => 1549 "Tamanyo" => 100486 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0060" class="elsevierStyleSimplePara elsevierViewall">Gráfica de calibración del modelo construido para el diagnóstico de las infecciones pleurales complicadas/empiemas.</p> <p id="spar0065" class="elsevierStyleSimplePara elsevierViewall">IL-6: interleucina 6; IP: infección pleural; LDH: lactato deshidrogenasa.</p>" ] ] 2 => array:7 [ "identificador" => "fig0015" "etiqueta" => "Figura 3" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr3.jpeg" "Alto" => 1037 "Ancho" => 2077 "Tamanyo" => 77624 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0070" class="elsevierStyleSimplePara elsevierViewall">Nomogramas del modelo construido para el diagnóstico de las infecciones pleurales complicadas/empiemas.</p> <p id="spar0075" class="elsevierStyleSimplePara elsevierViewall">IL-6: interleucina 6; LDH: lactato deshidrogenasa; LP: líquido pleural.</p>" ] ] 3 => array:7 [ "identificador" => "fig0020" "etiqueta" => "Figura 4" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr4.jpeg" "Alto" => 1620 "Ancho" => 3260 "Tamanyo" => 239745 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0080" class="elsevierStyleSimplePara elsevierViewall">Distribución de los valores de pH, IL-6 y LDH en LP, según la infección pleural sea no complicada (trazado continuo) o complicada/empiema (trazado discontinuo), así como sus puntos de corte óptimos.</p>" ] ] 4 => array:7 [ "identificador" => "fig0025" "etiqueta" => "Figura 5" "tipo" => "MULTIMEDIAFIGURA" "mostrarFloat" => true "mostrarDisplay" => false "figura" => array:1 [ 0 => array:4 [ "imagen" => "gr5.jpeg" "Alto" => 1971 "Ancho" => 2083 "Tamanyo" => 150333 ] ] "descripcion" => array:1 [ "es" => "<p id="spar0085" class="elsevierStyleSimplePara elsevierViewall">A través de una gráfica tridimensional se muestra la relación entre las variables seleccionadas (pH, LDH e IL-6 en líquido pleural) en la construcción del modelo para diferenciar las infecciones pleurales no complicadas (círculos negros) de las complicadas/empiemas (círculos grises).</p>" ] ] 5 => array:8 [ "identificador" => "tbl0005" "etiqueta" => "Tabla 1" "tipo" => "MULTIMEDIATABLA" "mostrarFloat" => true "mostrarDisplay" => false "detalles" => array:1 [ 0 => array:3 [ "identificador" => "at1" "detalle" => "Tabla " "rol" => "short" ] ] "tabla" => array:2 [ "leyenda" => "<p id="spar0095" class="elsevierStyleSimplePara elsevierViewall">APACHE II: Acute Physiology and Chronic Health Evaluation II; IL-6: interleucina 6; IP: infección pleural; LDH: lactato deshidrogenasa; PCR: proteína C reactiva; PCT: procalcitonina; SEWS: Standardised Early Warning Score; SIRS: Systemic Inflammatory Response Syndrome; TNF-α: factor de necrosis tumoral alfa; UCI: Unidad de Cuidados Intensivos.</p>" "tablatextoimagen" => array:1 [ 0 => array:2 [ "tabla" => array:1 [ 0 => """ <table border="0" frame="\n \t\t\t\t\tvoid\n \t\t\t\t" class=""><thead title="thead"><tr title="table-row"><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black"> \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IP no complicada \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">IP complicada/empiema \t\t\t\t\t\t\n \t\t\t\t\t\t</th><th class="td" title="\n \t\t\t\t\ttable-head\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t" scope="col" style="border-bottom: 2px solid black">p \t\t\t\t\t\t\n \t\t\t\t\t\t</th></tr></thead><tbody title="tbody"><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">n \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">74 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">103 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Edad, años \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">67,5 (49,8, 82,3) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">59 (50, 76) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,070 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Hombres, n (%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">42 (56,8) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">84 (81,6%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Leucocitos LP (células/μl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">4.010 (1.752, 6.688) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3.760 (1.213, 17.353) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,317 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">Segmentados (%) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">31 (15,5, 55,5) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">76 (65, 85) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">pH \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,42 (7,38, 7,49) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">7,08 (6,52, 7,26) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">LDH LP (U/l) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">395,5 (249,3, 592,5) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">1.958 (1.127, 4.749) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">PCR LP (mg/dl) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">3,9 (2,3, 6,3) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 (5,1, 14,4) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">PCT LP (ng/ml) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,15 (0,09, 0,23) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,23 (0,08, 0,37) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,180 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">IL-6 LP (pg/ml) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9.807 (2.593, 37.252) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">100.000 (54.724, 226.400) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">TNF-α LP (pg/ml) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17,5 (11,6, 22,5) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">45,4 (24,9, 101,3) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,000 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">CURB-65, n (%)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,583 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>1 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">38 (52,8) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">62 (60,2) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>2 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">28 (38,9) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">35 (34) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>3 \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6 (8,3) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">6 (5,8) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleItalic">Clase PSI, n (%)</span> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">0,475 \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>I \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">9 (12,5) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">10 (9,7) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>II \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">13 (18,1) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">22 (21,4) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>III \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">17 (23,6) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">32 831,1) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="" valign="\n \t\t\t\t\ttop\n \t\t\t\t"> \t\t\t\t\t\t\n \t\t\t\t</td></tr><tr title="table-row"><td class="td-with-role" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t ; entry_with_role_rowhead " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t"><span class="elsevierStyleHsp" style=""></span>IV \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n \t\t\t\t\ttable-entry\n \t\t\t\t " align="left" valign="\n \t\t\t\t\ttop\n \t\t\t\t">29 (40,3) \t\t\t\t\t\t\n \t\t\t\t</td><td class="td" title="\n