Frente. Endocrinol. , 16 de diciembre de 2024. Sec. Endocrinología suprarrenal, Volumen 15 – 2024 | https://doi.org/10.3389/fendo.2024.1510433
Recopilado por Carlos Cabrera Lozada. Individuo de Número, ANM Sillón VII. ORCID: 0000-0002-3133-5183. 20/03/2025
Resumen
Fondo: La insuficiencia suprarrenal inducida por glucocorticoides (IGAI) es una disfunción del eje hipotálamo-hipófisis-suprarrenal (HPA) causada por el uso a largo plazo de esteroides exógenos. La crisis suprarrenal (CA) es una complicación aguda de la AIAG y una de las razones del aumento del riesgo de muerte. Este estudio tiene como objetivo analizar las características clínicas de los pacientes con GIAI con CA y explorar los factores de riesgo relacionados.
Métodos: Se incluyeron datos clínicos de pacientes adultos con GIAI atendidos en nuestro hospital entre el 1 de enero de 2014 y el 31 de diciembre de 2023. Se recogieron las características demográficas, características clínicas, exámenes de laboratorio y comorbilidades de los pacientes. Se utilizaron análisis de regresión univariados y multivariados para explorar las variables relacionadas con la ocurrencia de CA y se construyeron modelos de predicción.
Resultados: 51 pacientes (13,75%) desarrollaron CA durante la hospitalización. La mortalidad fue significativamente mayor en los pacientes con CA que en los que no la tenían. El análisis de regresión logística multivariado mostró que la infección, los síntomas psiquiátricos, el sodio sérico, la albúmina, la relación neutrófilos-linfocitos (NLR) y la relación eosinófilos-linfocitos (ELR) fueron factores de riesgo independientes para la CA. Entre los modelos de predicción construidos por algoritmos de aprendizaje automático, el modelo de regresión logística tuvo el mejor efecto de predicción.
Conclusión: En este estudio se investigaron las características clínicas de la CA en pacientes con GIAI. NLR y ELR pueden ser predictores efectivos de CA en pacientes con GIAI y, combinados con otros indicadores clínicamente significativos, se construyó un modelo de predicción efectivo. El modelo de regresión logística tuvo el mejor desempeño en la predicción de CA en pacientes con GIAI.