Nuevo modelo para predecir el curso de la COVID-19 podría aliviar la presión sobre el sistema de atención médica
Crédito: Pixabay/CC0 Public Domain
Una preocupación importante en la pandemia de la COVID-19 es brindar una atención individual óptima al paciente, al mismo tiempo evitando el colapso del sistema de salud. Una característica particular de la enfermedad causada por el SARS-CoV-2 es que a menudo hay un deterioro drástico en la condición del paciente de siete a 10 días después de la enfermedad. Para permitir esta fase, incluso los pacientes con síntomas comparativamente leves se mantienen en el hospital durante un período prolongado antes de que se les dé de alta. Además de aumentar el riesgo de infección para el personal, el tratamiento de estos pacientes con COVID-19 consume recursos valiosos que se necesitan con urgencia para otros pacientes hospitalizados. «Aunque nuestro conocimiento sobre el virus aumenta a diario, todavía no contamos con ayudas confiables para la toma de decisiones que respalden un alta más temprana», señala Alice Assinger, del Instituto de Biología Vascular e Investigación de Trombosis de MedUni Viena.
Un equipo de científicos de MedUni Viena dirigido por Alice Assinger en el Centro de Fisiología y Farmacología ha desarrollado ahora un modelo para predecir la supervivencia de pacientes hospitalizados con COVID-19 con un alto grado de precisión. El aspecto importante de este modelo es que se basa exclusivamente en mediciones clínicas de rutina existentes, por lo que no requiere ningún análisis de laboratorio complejo adicional.
Los médicos del hospital ahora pueden ingresar los parámetros de sus pacientes en un calculadora en línea disponible, para que tengan a mano una herramienta que los apoye en sus decisiones sobre el potencial alta de los pacientes. El modelo matemático que sustenta la herramienta fue desarrollado por Stefan Heber del Instituto de Fisiología de MedUni Viena y se basa en mediciones repetidas del marcador inflamatorio proteína C reactiva, el marcador de creatinina que refleja la función renal y el número de plaquetas (trombocitos) en el sangre.
De los cursos derivados de estos parámetros dentro de los primeros cuatro días de hospitalización, junto con parámetros adicionales como, por ejemplo, «edad del paciente» e información sobre la temperatura corporal al ingreso, es posible predecir la supervivencia con un alto grado de precisión. Heber comenta: «Esto funciona independientemente del tiempo que estuvieron presentes los síntomas antes de la admisión al hospital». Los datos de 441 pacientes de tres centros diferentes se usaron en el desarrollo de esta herramienta ACCP (Edad+Proteína C reactiva+Creatinina+Plaquetas) y el modelo desarrollado luego se validó usando los datos de 553 pacientes de otras tres cohortes independientes.
«Era importante para nosotros hacer que la herramienta ACCP estuviera disponible para la aplicación clínica de rutina lo más rápido posible. Esperamos que la herramienta ayude a aliviar la presión sobre el sistema de salud austriaco hasta que se haya logrado una cobertura de vacunación adecuada». dentro de la población», dice el primer autor del estudio, Stefan Heber.
Explore más
Siga las últimas noticias sobre el brote de coronavirus (COVID-19) Más información: Stefan Heber et al. Desarrollo y validación externa de una fórmula derivada de regresión logística basada en mediciones hematológicas de rutina repetidas que predicen la supervivencia de pacientes hospitalizados con Covid-19 (2020). DOI: 10.1101/2020.12.20.20248563 Proporcionado por la Universidad Médica de Viena Cita: Nuevo modelo para predecir el curso de COVID-19 podría aliviar la presión sobre el sistema de salud (2021, 11 de enero) recuperado el 30 de agosto de 2022 de https ://medicalxpress.com/news/2021-01-covid-relieve-pression-healthcare.html Este documento está sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigación privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona únicamente con fines informativos.