Introdução: Embora o câncer seja responsável por mais mortes em crianças com mais de um ano de idade do que qualquer outra doença, os desfechos estão melhorando. O aumento das taxas de sobrevida e qualidade de vida foi decorrente do diagnóstico precoce, e das terapias agressivas (quimioterapia, radioterapia, cirurgia, transplante de medula óssea e medidas de apoio). Esses avanços têm resultado em uma maior necessidade de cuidados em unidades de terapia intensiva pediátrica (UTIP) para cuidados pós-operatórios e complicações do câncer ou de sua terapia. Escores prognósticos têm sido utilizados para prever o desfecho em pacientes que são admitidos em UTIPs. Embora nenhum desses modelos possa ser usado para prever desfechos individuais, eles podem auxiliar médicos nas discussões de prognóstico e na tomada de decisões clínica e podem melhorar a alocação dos recursos de cuidados intensivos. Poucos estudos abordaram o desempenho (calibração e discriminação) dos escores prognóstico em pacientes oncológicos. Objetivo: avaliar o desempenho dos três escores preditivos de mortalidade (Pediatric Risk of Mortality - PRISM, Pediatric Index of Mortality - PIM, and PIM2) em uma unidade de terapia intensiva pediátrica oncológica (UTIPO). Método: Estudo de coorte retrospectiva, de todos os pacientes que foram admitidos entre 1 de Janeiro de 2004 e 31 de Dezembro de 2008, na UTIPO de um hospital oncológico terciário no Brasil. Resultados: todas as admissões na UTIPO com um diagnóstico definitivo de leucemia ou tumor foram incluídas no presente estudo. Foram avaliadas quatrocentos e cinqüenta uma admissões de 260 pacientes. A taxa de mortalidade foi de 5,3%. Previsão de mortalidade em relação à sobrevida foi avaliado pelo calculo da área sob a curva receiving operating characteristic (AUROC) para cada modelo. A AUROC (95% intervalo de confiança) do PRISM, PIM e PIM2 foram 0.89 (0.81-0,97), 0.81(0.73-0.90) e 0.81(0.72-0.90), respectivamente. As taxas de mortalidade padronizada (TMPs) foram superestimadas pelo PRISM (TMP = 0. 88) e subestimadas pelo PIM (TMP = 1,02) e PIM2 (TMP = 1. 10). Encontramos a seguinte calibração através de decis de risco avaliadas pelo teste HosmerLemeshow goodness-of-fit c2 (8) = 9. 07 (p = 0,33); c2 (8) = 10. 8 (p = 0.21); c2 (8) = 12.78 (p = 0. 11) para o PRISM, PIM e PIM2, respectivamente. Conclusões: os três escores demonstraram adequada previsão de mortalidade em relação à sobrevida e uma boa calibração avaliadas pelo teste HosmerLemeshow goodness-of-fit. O PRISM previu melhor a mortalidade que o PIM ou PIM2, embora não significativo estatisticamente

Introduction: Although cancer is responsible for more deaths in children older than 1 year of age than any other disease, outcomes are improving. Improvements in survival rates and quality of life have been achieved due to early diagnosis, as well as aggressive therapies (chemotherapy, radiotherapy, surgery, bone marrow transplantation, and supportive measures). These advances have resulted in an increased need for critical care services for postoperative care, and complications of cancer or its therapy. Prognostic scoring tools have been used to predict outcome in patients who are admitted to PICUs. Although none of these models can be used to predict individual outcomes, they can assist physicians in discussions of prognosis and in clinical decision-making, and may improve the allocation of intensive care resources. Few studies have addressed the performance (calibration and discrimination properties) of prognostic scoring tools in cancer patients. Objective: To evaluate the performance of three mortality prediction tools (Pediatric Risk of Mortality - PRISM, Pediatric Index of Mortality - PIM, and PIM2) at a pediatric oncology intensive care unit (POICU). Method: Retrospective cohort study of all consecutive patients was admitted between January 1, 2004 and December 31, 2008; in a POICU at a tertiary care cancer hospital in Brazil. Results: All admissions to the POICU with a definite diagnosis of leukemia or tumor were included in the present study. Four hundred and fifty-one admissions among 260 patients were evaluated. The mortality rate was 5.3%. Prediction of mortality versus survival was assessed by calculating the area under the receiving operating characteristic curve (AUROC) for each model. The AUROC (95% Confidence Interval) for PRISM, PIM, and PIM2 were 0.89 (0.81-0.97), 0.81(0.73-0.90), and 0.81(0.72-0.90), respectively. The standardized mortality ratios (SMRs) were over-predicted by PRISM (SMR = 0.88) and under-predicted by PIM (SMR = 1.02) and PIM2 (SMR = 1.10). Calibration across deciles of risk intervals assessed by the HosmerLemeshow goodness-of-fit test showed c2 (8) = 9.07 (p = 0.33); c2 (8) = 10.8 (p= 0.21); c2 (8) = 12.78 (p=0.11) for PRISM, PIM, and PIM2, respectively. Conclusions: For the entire population, all three tools demonstrated adequate prediction of mortality versus survival and a good calibration assessed by the HosmerLemeshow goodness-of-fit test. PRISM score predicted mortality better than PIM or PIM2, although not significantly so