Factors predicting discharge from intensive care: A Canadian experience

Abstract

This study prospectively analyzed 481 admissions to a multidisciplinary intensive care unit in order to determine factors which may prove helpful in predicting outcome from an intensive care admission. Severity of illness was assessed by the admission acute physiology score and daily therapeutic intervention scoring system. Age, sex, diagnosis upon admission, nature of the admission (medical vs. surgical, emergency vs. elective) were also studied. Our results indicate that the admission acute physiology score during the first three days of the admission and thereafter, the daily therapeutic intervention scores from the previous day are the most reliable predictors of outcome from intensive care. Age was related to outcome only when it was associated with emergency and medical type admissions. A linear logistic regression analysis was used to construct a model predicting mortality within the intensive care unit based on acute physiology score and nature of the admission. Cette étude prospective analyse 481 admissions à l’unité des soins intensifs multidisciplinaires afin de déterminer les facteurs pouvant être Miles dans la prédiction des résultats des admissions aux soins intensifs. La sévérité de la maladie a été évaluée par des points lors de l’admission ainsi qu’un système de points sur les interventions thérapeutiques journalières. On a aussi étudié l’âge, le sexe, le diagnostic lors de l’admission, la nature de l’admission ou (médicate vs chirurgicale, urgence vs élective). Nos résultats indiquent qu’en dressant un tableau de points basé sur les tests physiologiques lors de l’admission et pour les trois premiers jours ainsi que le tableau de points journaliers concernant les interventions thérapeutiques fournissent les meilleures prévisions sur le résultat du séjour aux soins intensifs. L’âge était relié au résultat uniquement quand il était associé avec une urgence et une admission médicale. Une analyse linéaire de régression logistique a été utilisée afin de construire un modele pour prédire la mortality aux soins intensifs basé sur les points des tests physiologiques et la nature de l’admission.