A pesar de que la transfusión cada vez es más segura, no está exenta de riesgos. Por ello es importante tener una buena estrategia transfusional. El objetivo de este estudio es desarrollar un modelo logístico para predecir la posibilidad de transfusión sanguínea en la artroplastia primaria de rodilla; con el fin de facilitar la elaboración de un algoritmo transfusional. Material y métodos: Estudio prospectivo de 134 pacientes intervenidos de artroplastia primaria de rodilla unilateral realizados entre el 1 de Abril y el 30 de junio del 2003. Las variables fueron analizadas para determinar su asociación univariante con la transfusión sanguínea postoperatoria. Los factores más significativos fueron introducidos en una regresión logística múltiple. Posteriormente se han obtenido las diferentes curvas ROC y se ha calculado el área bajo la curva ROC con el fin de obtener el modelo con mejor poder predictor. Resultado: La asociación de la hemoglobina inicial con el peso del paciente ha obtenido la mejor área bajo la curva ROC (0,805; IC: 0,714 - 0,896). El modelo es: Probabilidad (p) = 1/ (1+e-Z) donde Z =14,960 - 1,008 x Hemoglobina inicial (g/dl) - 0,03 x Peso (Kg). Conclusión: Las variables predictoras que más influyen en la transfusión alogénica después de la artroplastia total primaria de rodilla son la hemoglobina inicial y el peso. Por lo tanto, en el algoritmo uno de nuestros objetivos iniciales es mejorar, si es factible, la hemoglobina preoperatoria.

Even when the blood transfusion is becoming safer, it is still not full free of risks. For that reason it is important to have a good transfusional strategy. The objective of this study was to develop a logistic model to predict the likelihood of blood transfusion in primary total knee arthroplasty; with the purpose of facilitating the preparation of a transfusional algorithm. Material and methods: A prospective study of 134 patients who underwent primary unilateral total knee arthroplasty was performed between April 1st and June 30th 2003. The variables were analysed to determine their univariate association with postoperative blood transfusion. Significant factors were entered into a multiple logistic regression model. Subsequently we obtained the different ROC curves and calculated the area under ROC curve with the purpose of obtaining the strongest predictors model. Result: The association between the initial hemoglobin and the patient's weight has obtained the best area under ROC curve (0.805; CI: 0.714 - 0.896). The model is: Probability (p) = 1/(1+e-Z) where Z =14,960 - 1.008 x initial Hemoglobin (g/dl) - 0.03 x weight (kg). Conclusion: The strongest predictors for allogenic transfusion after total knee arthroplasty are the initial hemoglobin values and the patient's weight. Therefore, in algorithm one of our initial objectives is to improve, if possible, the preoperative hemoglobin.