Crédito: Shutterstock/ theskaman306

El coronavirus continúa haciendo de las suyas en el mundo. Hasta ahora ya acumula más de 967 mil fallecimientos por su causa y ha infectado a más de 30,4 millones de personas en todo el mundo.

A medida que la enfermedad se sigue esparciendo por el planeta, cada vez más casos de COVID-19 llegan a los hospitales esperando ser tratados. Sin embargo, hasta los momentos no se tiene una cura específica contra esta enfermedad, por lo que gran parte del tratamiento simplemente es sintomático.

En general, si el caso de COVID-19 leve, esta estrategia da buenos resultados. Pero, si el caso va a escalar, es necesario que las personas ingresen lo más rápido posible a las unidades de cuidados intensivos. Lastimosamente, los espacios en allí también son escasos y usualmente llevan a los individuos aún cuando los peligrosos síntomas ya son más que notorios. En muchos casos, para entonces ya es demasiado tarde.

Haciendo la diferencia

Los investigadores de la Facultad de Medicina de la Universidad Johns Hopkins vieron este problema y trabajaron para buscar una solución. Ha sido de allí que ha nacido su iniciativa para crear un “modelo predictivo” que sea capaz de medir las probabilidades de que un individuo desarrolle un caso grave de COVID-19 una vez está hospitalizado.

Gracias a esta información, los doctores podrían tomar decisiones más informadas a la hora de distribuir la atención y los recursos entre los pacientes, favoreciendo a aquellos cuya vida esté más en riesgo. Ahora, los investigadores han presentado su creación en la revista Annals of Internal Medicine.

Diseñando el “modelo predictivo”

Para poder tener un modelo predictivo efectivo, lo primero que debían hacer era nutrirlo con información. Ya que sería solo con esta que el algoritmo podría hacer las proyecciones de la forma más aceptada posible.

Con la finalidad de alimentar su base de datos, los investigadores llevaron a cabo un análisis de cohorte retrospectivo. Durante este analizaron los casos que se presentaron entre el 4 de marzo y el 24 de abril en cinco hospitales de Maryland y Washington DC. Las instituciones involucradas fueron el Hospital Johns Hopkins, el Centro Médico Johns Hopkins Bayview, el Hospital General del Condado de Howard, el Hospital Suburban y el Hospital Sibley Memorial.

En total, los investigadores hicieron seguimiento de 832 admisiones por COVID-19 consecutivas que se hicieron desde inicios de marzo. Con la información que recopilaron durante estas 7 semanas, los investigadores lograron darle al modelo suficiente información tan representativa como heterogénea. Por lo que, finalmente consideraron que era momento de ofrecerlo al mundo.

COVID Inpatient Risk Calculator (CIRC)

Finalmente, los investigadores crearon el COVID Inpatient Risk Calculator (CIRC), cuyo equivalente en español sería algo como: “Calculadora de riesgo para pacientes hospitalizados con COVID”. Con ella, los investigadores esperan poder ofrecerles una herramienta a los doctores que haga su trabajo más fluido y que aumente las posibilidades de supervivencia de cada paciente al poder adaptar la atención a sus necesidades.

Factores tomados en cuenta

Para poder hacer que CIRC fuera lo más preciso posible, el equipo tomó en cuenta una gran cantidad de factores de riesgo conocidos del COVID-19. Estos fueron clasificándose desde variables como la edad hasta elementos posibles condiciones subyacentes de los pacientes. En total, se analizaron y almacenaron todas las siguientes características:

  • Edad del paciente.
  • Índice de masa corporal (IMC).
  • Patrones de los signos vitales.
  • Salud pulmonar y síntomas respiratorios.
  • Gravedad de los síntomas iniciales de COVID-19 al momento del ingreso (Fiebre, frecuencia respiratoria, etc).
  • Recuento absoluto de linfocitos.
  • Presencia de hipoalbuminemia.
  • Hivel de troponina.
  • Nivel de proteína C reactiva (presente en las interacciones entre la troponina y la hipoalbuminemia).
  • Pertenencia al grupo de la tercera edad.
  • Vivir en una residencia de ancianos.
  • Condiciones de comorbilidad.
  • Obesidad.

Gracias a la medición y cuantificación de los datos derivados de estos ítems, se pudo alimentar a CIRC con toda la información que necesitaba para funcionar.

Las predicciones de CIRC

Según lo reportado por los investigadores, al comprobar las proyecciones de CIRC con los resultados de los datos que ya se tenían su posible notar que su nivel de exactitud estaba en una curva que oscilaba entre el 0,79 y el 0,85 de credibilidad.

Específicamente, CIRC es capaz de predecir la progresión de un caso de COVID-19 a los 2, 4 y 7 días de su ingreso al hospital. De forma respectiva, la credibilidad de las predicciones en cada caso es de 0,85; 0,79 y 0,79.

Actualmente, CIRC ya se encuentra disponible en línea. Los investigadores esperan que esta calculadora realmente pueda mejorar la respuesta de la atención médica en medio de esta situación de pandemia.

Impacto en nuestra realidad

“Identificamos algunos factores demográficos y clínicos fácilmente medibles que, cuando se evalúan en el momento de la admisión al hospital, pueden predecir si alguien tiene un riesgo del 5% o del 90% de desarrollar una enfermedad grave o morir de COVID-19.

Esta es una información increíblemente útil a la hora de comunicarse con los pacientes y sus familias, así como para informar la asignación de recursos en el hospital”.

Esto lo comenta Amita Gupta, coautora del estudio y profesora de medicina en la Facultad de Medicina de la Universidad Johns Hopkins. La también directora Centro de Educación Clínica para la Salud Global ha visto en este trabajo una gran posibilidad de mejora para la respuesta general del sector de la salud ante el COVID-19.

Igualmente, su utilización también implicará mejores resultados para los pacientes atendidos y, tal como Gupta lo comentó, la posibilidad de mantener mejor informadas a las familias. De este modo, la comunicación entre los doctores y familiares mejora, por lo que se libera al menos un poco de la tensión de estas complicadas situaciones.

Los investigadores aclaran que su modelo, por ahora, solo ha sido alimentado con los datos de un solo sistema de salud (el de John Hopkins). Sin embargo, a la larga su base de datos se podría ir expandiendo para solventar este problema.

Referencia:

Patient Trajectories Among Persons Hospitalized for COVID-19 – A Cohort Study: https://www.acpjournals.org/doi/10.7326/M20-3905