Ser hombre es un factor de riesgo conocido de resultados adversos en pacientes hospitalizados con COVID-19. Sin embargo, un nuevo an\u00e1lisis revela que al modelar la trayectoria completa de la enfermedad, el grado en que ser hombre es un factor de riesgo depende de la gravedad de la enfermedad subyacente del paciente. Cr\u00e9dito: Investigador principal de LLNL, Priyadip Ray <\/p>\n
Un equipo del Laboratorio Nacional Lawrence Livermore (LLNL) ha desarrollado un modelo din\u00e1mico integral de la progresi\u00f3n de la enfermedad de COVID-19 en pacientes hospitalizados, y descubri\u00f3 que los factores de riesgo de complicaciones de la enfermedad dependen de la enfermedad del paciente estado. <\/p>\n
Utilizando un algoritmo de aprendizaje autom\u00e1tico en un conjunto de datos de registros m\u00e9dicos electr\u00f3nicos (EHR) de m\u00e1s de 1300 pacientes hospitalizados con COVID-19 con ProMedica, el sistema de atenci\u00f3n m\u00e9dica m\u00e1s grande del noroeste de Ohio y el sureste de Michigan, el equipo clasific\u00f3 a los pacientes en \u00abmoderados\u00bb o \u00abgraves\u00bb. y sigui\u00f3 la trayectoria de la enfermedad a medida que los pacientes se mov\u00edan a trav\u00e9s de diferentes estados de riesgo durante la hospitalizaci\u00f3n.<\/p>\n
Teniendo en cuenta la gravedad de la enfermedad, en contraste con la literatura cient\u00edfica anterior que examinaba solo los factores de riesgo est\u00e1ticos, el m\u00e9todo permiti\u00f3 al equipo identificar, a medida que la enfermedad progresaba, cu\u00e1ndo ciertos variables como la edad y la raza, y las comorbilidades, incluidas la diabetes y la hipertensi\u00f3n, dieron lugar a resultados m\u00e1s graves.<\/p>\n
El modelo permiti\u00f3 al equipo, que inclu\u00eda a coautores de la Universidad de Toledo, demostrar por primera vez que los v\u00ednculos entre algunos factores y resultados m\u00e1s adversos de COVID-19 pueden depender de la condici\u00f3n \u00abactual\u00bb del paciente. Lo m\u00e1s significativo es que, si bien se encontr\u00f3 que los pacientes masculinos ten\u00edan m\u00e1s probabilidades que las mujeres de tener complicaciones graves o morir a causa de la COVID-19, cuando se part\u00eda del estado de enfermedad \u00abgrave\u00bb, las mujeres ten\u00edan m\u00e1s probabilidades que los hombres de morir a causa de la enfermedad. Los resultados se publicaron el 7 de febrero en la revista Journal of the American Medical Informatics Association.<\/p>\n
\u00abEs bien sabido en la comunidad que los hombres tienen un mayor riesgo que las mujeres de una eventual muerte por COVID, y eso es cierto, pero seguro el comportamiento contrario a la intuici\u00f3n surge una vez que se divide la trayectoria del paciente en estados de enfermedad\u00bb, dijo el investigador principal del LLNL, Priyadip Ray. \u00abDe un estado de enfermedad moderado, los hombres tienen m\u00e1s probabilidades de pasar a un estado de enfermedad m\u00e1s grave. Sin embargo, si se encuentra en un estado de enfermedad grave, sorprendentemente, las mujeres tienen m\u00e1s probabilidades de morir que los hombres. Esta perspectiva del estado de enfermedad no ha sido mostrado antes e indica que el lugar en el que se encuentra en su enfermedad tambi\u00e9n determina sus factores de riesgo\u00bb.<\/p>\n
Al modelar la trayectoria completa de los pacientes hospitalizados con COVID-19, el equipo mostr\u00f3 \u00abdiferencias estad\u00edsticamente significativas\u00bb en el riesgo relativo de progresi\u00f3n de la enfermedad, que concluyeron que debe tenerse en cuenta al realizar una evaluaci\u00f3n de riesgo entre pacientes en hospitales.<\/p>\n
\u00abLa gran mayor\u00eda de los estudios sobre los factores de riesgo de COVID-19 ignoran la progresi\u00f3n temporal de la enfermedad en su an\u00e1lisis, \u00ab, dijo Braden Soper, coautor de LLNL. \u00abNuestro estudio proporciona un enfoque \u00fanico basado en modelos para comprender c\u00f3mo la demograf\u00eda de los pacientes y las comorbilidades m\u00e9dicas pueden presentar diferentes perfiles de riesgo seg\u00fan el estado de la enfermedad subyacente. Dicha informaci\u00f3n es potencialmente m\u00e1s procesable a lo largo del curso de la atenci\u00f3n, lo que posiblemente conduzca a mejores resultados para los pacientes\u00bb. <\/p>\n
Soper a\u00f1adi\u00f3 que la evaluaci\u00f3n del riesgo dependiente del estado de la enfermedad tambi\u00e9n se puede aplicar a muchas otras enfermedades agudas y cr\u00f3nicas m\u00e1s all\u00e1 de la COVID-19, que hasta ahora se han evaluado en gran medida solo con datos est\u00e1ticos y t\u00e9cnicas de modelado.<\/p>\n
Dado que los EHR generalmente sufren muestras irregulares o datos faltantes, el equipo utiliz\u00f3 un modelo estad\u00edstico conocido como modelo oculto de Markov (HMM) de tiempo continuo y dependiente de covariables, conocido por manejar bien dichos datos.<\/p>\n
Los modelos mostraron que, si bien ser hombre, afroamericano o tener una comorbilidad m\u00e9dica estaban todos asociados con un mayor riesgo de progresar de estados de enfermedad moderados a graves, los mismos factores resultaron en una disminuci\u00f3n de r riesgo de pasar de un estado grave a la muerte. Los investigadores atribuyeron los resultados contradictorios a la prevalencia existente de modelos est\u00e1ticos para la estratificaci\u00f3n del riesgo.<\/p>\n
\u00abUn modelo de tiempo fijo (est\u00e1tico) es susceptible al sesgo de tiempo inmortal, ya que los per\u00edodos de seguimiento pueden asignarse incorrectamente a un estado de enfermedad en particular\u00bb, dijo Ray. \u00abUn HMM es menos susceptible a tales sesgos, ya que puede inferir el estado de la enfermedad a lo largo de la trayectoria del paciente\u00bb.<\/p>\n
Entre los otros hallazgos: el \u00edndice de masa corporal (IMC) por s\u00ed solo no se relacion\u00f3 con un mayor riesgo de progresi\u00f3n de la enfermedad, mientras que la vejez se asoci\u00f3 con un mayor riesgo de progresar de estados moderados a graves y de estados graves a fallecidos, informaron los investigadores.<\/p>\n
El equipo valid\u00f3 los estados de enfermedad latente inferidos con los Institutos Nacionales de Salud- pautas establecidas y la m\u00e9trica de riesgo del \u00edndice de deterioro \u00e9pico.<\/p>\n
Pruebas con un presupuesto<\/p>\n
El trabajo del equipo LLNL\/Universidad de Toledo\/ProMedica sobre modelos din\u00e1micos sigue un art\u00edculo anterior que el equipo public\u00f3 en Scientific Reports, donde examinaron los factores de riesgo est\u00e1ticos para los pacientes que desarrollan complicaciones graves despu\u00e9s de dar positivo en la prueba de COVID-19.<\/p>\n
El equipo us\u00f3 una herramienta de interpretaci\u00f3n para averiguar qu\u00e9 pruebas de laboratorio eran m\u00e1s predictivas de hospitalizaci\u00f3n o malos resultados, identificando w Qu\u00e9 pruebas se deben recopilar en el caso de restricciones presupuestarias que podr\u00edan dar a los m\u00e9dicos casi las mismas predicciones de resultados adversos que la recopilaci\u00f3n de todos los datos posibles.<\/p>\n
\u00abTratamos de ver este problema de una manera diferente\u00bb, Ray dijo. \u00abPreguntamos, ‘\u00bfqu\u00e9 sucede si tiene una restricci\u00f3n presupuestaria? \u00bfCu\u00e1les son los biomarcadores que puede recopilar que le dar\u00e1n una buena indicaci\u00f3n de la probabilidad de que este paciente necesite ventilaci\u00f3n o de que muera debido a la enfermedad? ‘<\/p>\n
\u00abLo interesante es que m\u00e1s all\u00e1 de cierto punto, recopilar m\u00e1s laboratorios no necesariamente brindar\u00e1 un mejor rendimiento predictivo. \u00bfPuede seleccionar un peque\u00f1o conjunto de laboratorios y marcadores que sea indicativo de riesgo?\u00bb, continu\u00f3 Ray. \u00abLa respuesta que encontramos fue s\u00ed\u00bb.<\/p>\n
Para tomar esa determinaci\u00f3n, el equipo cre\u00f3 una estructura de costos, agrupando tipos de pruebas de laboratorio y biomarcadores con costos asociados, desde informaci\u00f3n gratuita (datos demogr\u00e1ficos y comorbilidades) y pruebas de bajo costo como presi\u00f3n arterial y oximetr\u00eda de pulso, hasta resultados de laboratorio m\u00e1s costosos como funci\u00f3n hep\u00e1tica e inflamaci\u00f3n.<\/p>\n
El equipo luego us\u00f3 un m\u00e9todo de aprendizaje autom\u00e1tico que se sabe que funciona bien para conjuntos de datos de atenci\u00f3n m\u00e9dica con datos faltantes o sesgados para encontrar correlaciones entre las caracter\u00edsticas del paciente y sus riesgos de muerte o ventilaci\u00f3n por COVID-19 y determinar el conjunto de caracter\u00edsticas m\u00e1s predictivo. descubrieron que era posible lograr una reducci\u00f3n del 43 % en los costos de laboratorio con solo una reducci\u00f3n del 3 % en el rendimiento al predecir la probable necesidad de ventilaci\u00f3n debido a la enfermedad.<\/p>\n
\u00abDescubrimos que es posible lograr una reducci\u00f3n significativa en costo a expensas de una peque\u00f1a reducci\u00f3n en el rendimiento predictivo\u00bb, dijo el coautor Sam Nguyen, quien dirigi\u00f3 el esfuerzo de modelado y extracci\u00f3n de datos del lado de LLNL. \u00abAl responder a la pandemia, si uno est\u00e1 limitado por sus recursos de prueba (elementos vitales, laboratorios, etc.), en realidad podr\u00eda hacerlo bastante bien en la predicci\u00f3n del riesgo de COVID-19 con una cantidad limitada de entradas, si sabe cu\u00e1l es el costo m\u00e1s alto. pruebas m\u00e1s eficientes para llevar a cabo\u00bb.<\/p>\n
Los hallazgos podr\u00edan ser \u00fatiles cuando ciertos trabajos de laboratorio no est\u00e1n disponibles o son prohibitivamente costosos, de particular importancia durante la pandemia de COVID-19, donde muchos pacientes y m\u00e9dicos necesitan tomar decisiones r\u00e1pidas, dijeron los investigadores. . <\/p>\n
Explore m\u00e1s<\/p>\n
EII cl\u00ednicamente activa relacionada con resultados adversos de COVID-19 M\u00e1s informaci\u00f3n:<\/strong> Braden C Soper et al, El modelo din\u00e1mico de pacientes hospitalizados con COVID-19 revela factores de riesgo dependientes del estado de la enfermedad, Journal de la Asociaci\u00f3n Estadounidense de Inform\u00e1tica M\u00e9dica (2022). DOI: 10.1093\/jamia\/ocac012 Informaci\u00f3n de la revista:<\/strong> Journal of the American Medical Informatics Association , Scientific Reports <\/p>\n Proporcionado por Lawrence Livermore National Laboratory Cita<\/strong>: Los investigadores modelan COVID- 19 Progresi\u00f3n de la enfermedad e identificaci\u00f3n de factores de riesgo (2022, 16 de febrero) recuperado el 29 de agosto de 2022 de https:\/\/medicalxpress.com\/news\/2022-02-covid-disease-factors.html Este documento est\u00e1 sujeto a derechos de autor. Aparte de cualquier trato justo con fines de estudio o investigaci\u00f3n privados, ninguna parte puede reproducirse sin el permiso por escrito. El contenido se proporciona \u00fanicamente con fines informativos.<\/p>\n","protected":false},"excerpt":{"rendered":" Ser hombre es un factor de riesgo conocido de resultados adversos en pacientes hospitalizados con COVID-19. Sin embargo, un nuevo an\u00e1lisis revela que al modelar la trayectoria completa de la enfermedad, el grado en que ser hombre es un factor de riesgo depende de la gravedad de la enfermedad subyacente del paciente. Cr\u00e9dito: Investigador principal … Continuar leyendo \u00abLos investigadores modelan la progresi\u00f3n de la enfermedad de COVID-19 e identifican los factores de riesgo\u00bb<\/span><\/a><\/p>\n","protected":false},"author":1,"featured_media":0,"comment_status":"","ping_status":"","sticky":false,"template":"","format":"standard","meta":{"footnotes":""},"categories":[1],"tags":[],"class_list":["post-8334","post","type-post","status-publish","format-standard","hentry","category-general"],"_links":{"self":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8334","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/users\/1"}],"replies":[{"embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/comments?post=8334"}],"version-history":[{"count":0,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/posts\/8334\/revisions"}],"wp:attachment":[{"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/media?parent=8334"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/categories?post=8334"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.biblia.work\/articulos-salud\/wp-json\/wp\/v2\/tags?post=8334"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}