Concordância entre a calorimetria indireta e as equações preditivas para estimar o gasto energético em repouso

Autores

  • 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

Palavras-chave:

Calorimetria indireta, Metabolismo energético, Cuidados críticos, Previsões

Resumo

Introdução: a determinação do gasto energético é fundamental em doentes críticos, uma vez que a sub ou sobrealimentação aumenta a sua morbilidade e mortalidade. 

Objetivo: determinar a precisão e a concordância da medição do gasto energético em repouso (GER) por calorimetria indireta (CI) e três fórmulas preditivas (Harris-Benedict, Rule of Thumb e Penn State) em doentes ventilados numa UCI em Manizales, Colômbia. 

Métodos: foram incluídos 31 pacientes internados no SES Hospital Universitario de Caldas, com ventilação mecánica ≥48 horas. O GER foi calculado para todas as variações de peso corporal. Como medida de acurácia das equações, foi calculada a distribuição de pacientes com GER abaixo de 80 % do medido pelo CI (subestimação), entre 80 % e 110 % (adequado) e >110 % (superestimação) e, a partir da análise de Bland-Altman, foi avaliada a concordância. 

Resultados: o GER médio por CI foi de 1441,1 (IC 95 % 1205,7-1616,5) kcal/kg para mulheres e 1624,5 (IC 95 % 1414,7- 1834,2) para homens. A análise da acurácia mostrou que a equação de Penn State calculada com o peso atual teve uma concordância de 44,4 % e foi a mais subestimada com o peso ideal e ajustado (51,9 %), e a regra de ouro calculada com o peso atual foi a mais superestimada (64,6 %) e a análise com gráficos de Bland-Altman mostrou vieses positivos e negativos. 

Conclusões: verificou-se uma fraca concordância entre as diferentes equações preditivas e os valores de GER por CI em doentes críticos internados em UCI. 

Downloads

Não há dados estatísticos.

Referências

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

Publicado

2024-04-04

Como Citar

Londoño-Londoño, L. M., Montoya-Bernal, Ángela P. ., Arango, F. ., Escobar-Serna, J. F. ., Florián Pérez, M. C., & Trejos-Gallego, D. . (2024). Concordância entre a calorimetria indireta e as equações preditivas para estimar o gasto energético em repouso. Jornal De Nutrição Clínica E Metabolismo, 7(1), 23–32. https://doi.org/10.35454/rncm.v7n1.496