El diagnóstico precoz y la estratificación de los pacientes con sepsis de forma precoz podría mejorar los resultados de la sepsis porque permitiría un inicio más específico y adecuado de su tratamiento. El objetivo fue identificar biomarcadores mediante un estudio metabolómico de sepsis en orina y sangre utilizando espectroscopía 1H RMN para evaluar la gravedad y predecir el pronóstico. Las muestras de sangre y orina se recogieron en 67 pacientes con sepsis grave o shock séptico en la UCI y se obtuvieron espectros mediante 1H RMN. Se realizó un análisis supervisado de los espectros y se construyó un modelo predictivo para el pronóstico (mortalidad a los 30 días / supervivencia) de la sepsis utilizando un análisis de mínimos cuadrados parciales (PCA) y un análisis discriminante (PLS-DA). Además, se comparó la potencia de predicción de los perfiles metabolómicos obtenidos con las muestras de orina con los datos de la puntuación secuencial de fallos orgánicos (SOFA). El análisis multivariante supervisado proporcionó un buen modelo predictivo para detectar patrones metabólicos específicos y distinguir el grupo de pacientes con mal pronóstico. Los pacientes con mal pronóstico presentaron valores más altos de etanol, glucosa y hipurato, y por el contrario, niveles más bajos de metionina, glutamina,arginina y fenilalanina. Estos metabolitos podrían constituir un panel de biomarcadores que refleja la respuesta metabólica de los pacientes a la sepsis y un patrón de mal pronóstico de los mismos. La validación cruzada interna mostró la solidez del modelo predictivo obtenido con los datos del patrón metabólico y una mejor capacidad predictiva en comparación con los valores SOFA. Nuestros resultados indican que los perfiles metabólicos de orina obtenidos mediante 1H RMN podrían ser utiles para determinar el fenotipo de los pacientes sépticos con peor pronóstico de formas temprana. Además este modelo predictivo de evolución de los pacientes sépticos que utiliza los perfiles metabolicos obtenidos fue capaz de clasificar los casos con más sensibilidad y especificidad que la puntuación SOFA.Early diagnosis and patient stratification may improve sepsis outcome by a timely start of the proper specific treatment. We aimed to identify metabolomic biomarkers of sepsis in urine by 1H-NMR spectroscopy for assess severity and predict outcomes. Urine samples were collected from 64 patients with severe sepsis or septic shock in the ICU for a 1H NMR spectra acquisition. A supervised analysis was performed on the processed spectra, and a predictive model for prognosis (30-days mortality/survival) of sepsis was constructed using partial least-squares discriminant analysis (PLS-DA). In addition, we compared the prediction power of metabolomics data with the Sequential Organ Failure Assessment (SOFA) score. Supervised multivariate analysis afforded a good predictive model to distinguish the patient groups and detect specific metabolic patterns. Negative prognosis patients presented higher values of ethanol, glucose and hippurate, and on the contrary, lower levels of methionine, glutamine, arginine and phenylalanine. These metabolites could be part of a composite biopattern of the human metabolic response to sepsis shock and its mortality in ICU patients. The internal cross-validation showed robustness of the metabolic predictive model obtained and a better predictive ability in comparison with SOFA values. Our results indicate that NMR metabolic profiling might be helpful for determining the metabolomic phenotype of worst-prognosis septic patients in an early stage. A predictive model for the evolution of septic patients using these metabolites was able to classify cases with more sensitivity and specificity than the well-established organic dysfunction score SOFA.