Cargando…

Estudio descriptivo y validación de un modelo predictivo de severidad en pacientes con infección por SARS-CoV-2

OBJETIVOS: Durante la pandemia causada por el virus SARS-CoV-2 ha surgido la necesidad de identificar variables predictivas que permitan una rápida identificación de aquellos pacientes que desarrollarán la COVID-19 severa para una rápida intervención. Este estudio ha desarrollado y validado un model...

Descripción completa

Detalles Bibliográficos
Autores principales: Villena-Ortiz, Yolanda, Giralt, Marina, Castellote-Bellés, Laura, Lopez-Martínez, Rosa M., Martinez-Sanchez, Luisa, García-Fernández, Alba Estela, Ferrer-Costa, Roser, Rodríguez-Frias, Francisco, Casis, Ernesto
Formato: Online Artículo Texto
Lenguaje:English
Publicado: De Gruyter 2021
Materias:
Acceso en línea:https://www.ncbi.nlm.nih.gov/pmc/articles/PMC10197352/
http://dx.doi.org/10.1515/almed-2021-0006
Descripción
Sumario:OBJETIVOS: Durante la pandemia causada por el virus SARS-CoV-2 ha surgido la necesidad de identificar variables predictivas que permitan una rápida identificación de aquellos pacientes que desarrollarán la COVID-19 severa para una rápida intervención. Este estudio ha desarrollado y validado un modelo capaz de realizar un pronóstico de severidad de la COVID-19. MÉTODOS: A partir de datos analíticos, demográficos y comorbilidades de pacientes visitados en el Servicio de Urgencias con sintomatología compatible de COVID-19, se ha realizado un estudio descriptivo y comparativo de pacientes con PCR-RT positiva y negativa para SARS-CoV-2 y de pacientes con enfermedad COVID-19 moderada y severa. La cohorte COVID-19 positiva ha servido para el desarrollo de un modelo de regresión logística. RESULTADOS: Se han incluido 410 pacientes COVID positivo (303 con enfermedad moderada y 107 con enfermedad severa) y 81 COVID negativo. Las variables predictivas del modelo son: lactato deshidrogenasa, proteína C reactiva, proteínas totales, urea y plaquetas. La calibración interna mostró un área bajo la curva ROC (AUC) de 0,88 (IC95%: 0,85–0,92), con un porcentaje de clasificaciones correctas del 85,2% a un valor de corte de 0,5. La validación externa (100 pacientes) obtuvo un AUC de 0,79 (IC95%: 0,71–0,89), con un 73% de clasificaciones correctas. CONCLUSIONES: El modelo predictivo desarrollado permite seleccionar desde el Servicio de Urgencias, con una única extracción de sangre y con magnitudes habituales en un Laboratorio Clínico, aquellos pacientes que con mayor probabilidad desarrollarán COVID-19 severa, proporcionando una importante herramienta para la planificación y la toma de decisiones clínicas.