Concordancia entre la calorimetría indirecta y las ecuaciones predictivas para estimar gasto energético en reposo

Lina Maria Londoño-Londoño; Ángela Patricia  Montoya-Bernal; Fernando  Arango; José Fernando  Escobar-Serna; Maria Cristina Florián Pérez; Diana  Trejos-Gallego

doi:10.35454/rncm.v7n1.496

Autores/as

Lina Maria Londoño-Londoño
Ángela Patricia Montoya-Bernal
Fernando Arango
José Fernando Escobar-Serna
Maria Cristina Florián Pérez
Diana Trejos-Gallego

DOI:

https://doi.org/10.35454/rncm.v7n1.496

Palabras clave:

Calorimetría indirecta, Metabolismo energético, Cuidados críticos, Predicción

Resumen

Introducción: la determinación del gasto energético es fundamental en los pacientes críticos debido a que la subalimentación o sobrealimentación aumenta su morbimortalidad.

Objetivo: determinar la exactitud y concordancia de la medición del gasto energético en reposo (GER) por calorimetría indirecta (CI) y tres fórmulas predictivas (Harris-Benedict, Regla del pulgar y Penn State) en pacientes ventilados de una UCI de Manizales, Colombia.

Métodos: se incluyeron 31 pacientes hospitalizados en el S.E.S. Hospital Universitario de Caldas, con ventilación mecánica ≥48 horas. El GER se calculó para todas las variaciones de peso corporal. Como una medida de precisión de las ecuaciones, se calculó la distribución de pacientes con GER por debajo del 80 % del medido por CI (subestimación), entre 80 % y 110 % (adecuado) y >110 % (sobreestimación), y a partir de análisis con Bland- Altman se evaluó la concordancia.

Resultados: el GER promedio por CI fue de 1441,1 (IC del 95 % 1205,7-1616,5) kcal/kg para mujeres y 1624,5 (IC del 95 % 1414,7–1834,2) para hombres. El análisis de exactitud mostró que la ecuación Penn State calculada con el peso actual tuvo una concordancia del 44,4 % y fue la que más subestimó con peso ideal y ajustado (51,9 %), la regla del pulgar calculada con el peso actual fue la que más sobreestimó (64,6 %) y el análisis con gráficos Bland-Altman mostró sesgos positivos y negativos.

Conclusiones: se encontró una mala concordancia entre las diferentes ecuaciones predictivas y los valores de GER por CI en pacientes críticamente enfermos de una UCI.

Descargas

Los datos de descargas todavía no están disponibles.

Citas

Ndahimana D, Kim EK. Energy Requirements in Critically Ill Patients. Clin Nutr Res. 2018;7(2):81-90. doi: 10.7762/cnr.2018.7.2.81.

Faisy C, Lerolle N, Dachraoui F, Savard JF, Abboud I, Tadie JM, et al. Impact of energy deficit calculated by a predictive method on outcome in medical patients requiring prolonged acute mechanical ventilation. British Journal of Nutrition. 2009;101(7):1079–87. doi: 10.1017/S0007114508055669.

Giner M, Laviano A, Meguid MM, Gleason JR. In 1995 a correlation between malnutrition and poor outcome in critically ill patients still exists. Nutrition. 1996; 12:23-29. doi: 10.1016/0899-9007(95)00015-1.

Weijs PJ, Looijaard WG, Beishuizen A, Girbes AR, Oudemans-van Straaten HM. Early high protein intake is associated with low mortality and energy overfeeding with high mortality in non-septic mechanically ventilated critically ill patients. Crit Care. 2014; 18:701. doi: 10.1186/s13054-014-0701-z.

Vargas M, Lancheros P, Barrera MP. Gasto energético en reposo y composición corporal en adultos. Rev.fac.med. 2011,59 (1): 43-58. ISSN 0120-0011.

Singer P, Blaser AR, Berger MM, Alhazzani W, Calder PC, Casaer MP, et al. ESPEN guideline on clinical nutrition in the intensive care unit. Clinical Nutrition. 2019 Feb 1;38(1):48–79.

McClave SA, Taylor BE, Martindale RG, Warren MM, Johnson DR, Braunschweig C, et al. Guidelines for the Provision and Assessment of Nutrition Support Therapy in the Adult Critically Ill Patient: Society of Critical Care Medicine (SCCM) and American Society for Parenteral and Enteral Nutrition (A.S.P.E.N.). Journal of Parenteral and Enteral Nutrition. 2016;40(2):159–211.

Wichansawakun S, Meddings L, Alberda C, Robbins S, Gramlich L. Energy requirements and the use of predictive equations versus indirect calorimetry in critically ill patients. Appl Physiol Nutr Metab. 2015; 40:207-210. doi: 10.1139/apnm-2014-0276.

De Waele E, Jonckheer J, Wischmeyer PE. Indirect calorimetry in critical illness: ¿A new standard of care? Vol. 27, Current Opinion in Critical Care. 2021.1;27(4):334-43. doi: 10.1097/MCC.0000000000000844.

Zusman O, Theilla M, Cohen J, Kagan I, Bendavid I, Singer P. Resting energy expenditure, calorie and protein consumption in critically ill patients: A retrospective cohort study. Crit Care. 2016 Nov 10;20(1). doi: 10.1186/s13054-016-1538-4.

Reid CL. Poor agreement between continuous measurements of energy expenditure and routinely used prediction equations in intensive care unit patients. Clin Nutr. 2007; 26:649-657. doi: 10.1016/j.clnu.2007.02.003.

Chumlea WC, Guo S, Steinba Ugh ML. Prediction of stature from knee height for black and white adults and children with application to mobility-impaired or handicapped persons. JAm Diet Assoc. 1994;94(12):1285-8. doi: 10.1016/0002-8223(94)92540-2.

de Vries MC, Koekkoek WK, Opdam MH, van Blokland D, van Zanten AR. Nutritional assessment of critically ill patients: validation of the modified NUTRIC score. Eur J Clin Nutr. 2018; 72:428-435. doi: 10.1038/s41430-017-0008-7.

Schlein KM, Coulter SP. Best practices for determining resting energy expenditure in critically Ill adults. Nutr Clin Pract. 2014; 29(1):44–55. doi: 10.1177/0884533613515002.

Harris BJ, Benedict FG. A biometric study of human basal metabolism. Vol. 23, Bull. Amer. Math. Soc. Veit & Co; 1918.

Frankenfield D. Validation of an equation for resting metabolic rate in older obese, critically ill patients. JPEN J Parenter Enteral Nutr. 2011;35(2):264-9. doi: 10.1177/0148607110377903.

Nuttall FQ. Body mass index: Obesity, BMI, and health: A critical review. Nutr Today. 2015; 50:117-128. doi: 10.1097/NT.0000000000000092.

Flancbaum L, Choban PS, Sambucco S, Verducci J, Burge JC. Comparison of indirect calorimetry, the Fick method, and prediction equations in estimating the energy requirements of critically ill patients. Am J Clin Nuutr. 1999; 69:461–6. doi: 10.1093/ajcn/69.3.461.

Tatucu-Babet OA, Ridley EJ, Tierney AC. Prevalence of underprescription or overprescription of energy needs in critically ill mechanically ventilated adults as determined by indirect calorimetry: A systematic literature review. JPEN J Parenter Enteral Nutr. 2016; 40:212-225. doi: 10.1177/0148607114567898.

Aliasgharzadeh S, Mahdavi R, Asghari Jafarabadi M, Namazi N. Comparison of Indirect Calorimetry and Predictive Equations in Estimating Resting Metabolic Rate in Underweight Females. 2015;44(6):822-29.

Jagim AR, Camic CL, Kisiolek J, Luedke J, Erickson J, Jones MT, et al. Accuracy of resting metabolic rate prediction equations in athletes. J Strength Cond Res. 2018;32(7):1875–81. doi: 10.1519/JSC.0000000000002111.

Alexander E, Susla GM, Burstein AH, Brown DT, Ognibene FP. Retrospective evaluation of commonly used equations to predict energy expenditure in mechanically ventilated, critically ill patients. Pharmacotherapy. 2004; 24(12):1659-67. doi: 10.1592/phco.24.17.1659.52342.

Kamel AY, Robayo L, Liang D, Rosenthal MD, Croft CA, Ghita G, et al. Estimated vs measured energy expenditure in ventilated surgical-trauma critically ill patients. PEN J Parenter Enteral Nutr. 2022; 46 (6): 1431-40. doi: 10.1002/jpen.2314.

Espinosa JJ, Vergara A, Landaeta DP. Calorimetría indirecta versis Harris-Benedict para determinar gasto energético basal en pacientes ventilados. Colegio Mayor del Rosario. 201. doi: 10.48713/10336_3168