Desenvolupen un model per predir l’evolució clínica dels pacients amb COVID-19 quan fan l’ingrés hospitalari

  • Un projecte conjunt d’investigadors de la UPC, la UB, l’HUB i l’IDIBELL ha permès estudiar la probabilitat de patir pneumònia severa, de necessitar ventilació o fins i tot de morir durant l’ingrés hospitalari per COVID-19. Fruit dels models estadístics creats, a partir de dades de més de 5.000 pacients ingressats a cinc hospitals en diferents onades de la pandèmia, s’ha desenvolupat una aplicació web per a la identificació precoç de pacients de COVID-19 potencialment d’alt risc i la predicció del curs de la malaltia.
NO120 - App COVID19 Imatge noti

Predir els casos d’alt risc entre els pacients de COVID-19 quan ingressen a l’hospital és clau per proporcionar-los un tractament adequat i també per optimitzar els recursos sanitaris, especialment en moments d’alta incidència de la malaltia i risc de col·lapse hospitalari, com els que s’han viscut en les diferents onades de la pandèmia. Per això, és necessari disposar de mecanismes d’anticipació rigorosos que es basin en dades completes i precises.

Amb aquesta idea s’ha desenvolupat el projecte DIVINE, acrònim de ‘DynamIc eValuation of COVID-19 cliNical statEs and their prognostic factors to improve the intra-hospital patient management’, finançat per la Generalitat de Catalunya, en el marc de la convocatòria Pandèmies 2020, i que s’ha dut a terme al llarg del darrer any i mig. El projecte és resultat de la col·laboració del Grup de Recerca en Bioestadística i Bioinformàtica (GRBIO) −format per investigadors de la Universitat Politècnica de Catalunya – BarcelonaTech (UPC) i de la Universitat de Barcelona (UB)−, de l’Hospital Universitari de Bellvitge (HUB) i de la Unitat de Bioestadística de l’Institut d’Investigació Biomèdica de Bellvitge (IDIBELL), sota la coordinació de Guadalupe Gómez Melis, investigadora del GRBIO i professora del Departament d’Estadística i Investigació Operativa de la UPC.

 

Models predictius de l’evolució dels pacients

Com a resultat del projecte, s’ha desenvolupat l’aplicació MSMpred, una eina de predicció clínica en línia que presenta, per a cada pacient en concret i en diferents moments a partir de l’ingrés hospitalari, la probabilitat de patir pneumònia severa, de necessitar ventilació mecànica o fins i tot de morir, així com el temps de transició entre aquests estats.

Per crear aquesta eina, els investigadors han desenvolupat un model estadístic multiestat, que analitza els diferents estadis de la malaltia en cada pacient. S’han analitzat i combinat dades de més de 5.000 pacients de COVID-19 ingressats durant les cinc primeres onades de la pandèmia. En concret, s’han tingut en compte dades sociodemogràfiques, antecedents mèdics coneguts i comorbiditats, símptomes clínics i informació detallada sobre la gestió clínica.

Aquestes dades han estat recollides i codificades pels metges i metgesses especialistes de cinc hospitals de l’Àmbit Metropolità Sud: l’Hospital Universitari de Bellvitge, l’Hospital Moisès Broggi, l’Hospital de Viladecans, l’Hospital de Sant Boi de Llobregat i el Consorci Hospitalari del Garraf.

 

Sostre terapèutic

Un factor clau per predir l’evolució del pacient ha estat l’aplicació o no d’un sostre terapèutic, és a dir, predeterminar el nivell més alt d’intervenció, que és una pràctica habitual en el tractament de persones amb un pronòstic crític.  En el punt àlgid de la pandèmia, les decisions sobre el sostre terapèutic es van haver d’adaptar a una situació d’emergència. Aquest estudi és pioner en descriure les característiques clíniques, la mortalitat i les complicacions dels pacients amb COVID-19 en funció del sostre terapèutic. Els resultats d’aquest treball es recullen a l’article científic ‘Characteristics and outcomes by ceiling of care of subjects hospitalized with COVID-19 during four waves of the pandemic in a metropolitan area: a multi-center cohort study’, publicat a la revista Infectious Diseases and Therapy d’aquest mes de desembre.

 

Temps d’incubació i evolució del perfil dels pacients

A més d’identificar els factors més rellevants clínicament que influeixen en una millor o pitjor evolució en un pacient hospitalitzat per COVID-19, el projecte DIVINE ha permès fer una estimació del temps d’incubació de la malaltia, des de la infecció fins a l’aparició dels símptomes, en diferents fases de la pandèmia. Els resultats d’aquest treball es recullen a l’article ‘SARS-Cov-2 incubation period according to vaccination status during the fifth COVID-19 wave in a tertiary-care center in Spain: a cohort study’, publicat a la revista BMC Infectious Diseases el novembre passat. En aquella fase del projecte, els investigadors van desenvolupar un marc estadístic, que seria aplicable a futures pandèmies derivades d’altres malalties infeccioses.

D’altra banda, les dades recollides en el projecte DIVINE han permès també avaluar com ha anat evolucionant el perfil dels pacients hospitalitzats per COVID-19 durant les diferents onades de la pandèmia, a partir de diferents indicadors. S’ha observat que a mesura que avançava la pandèmia, els pacients hospitalitzats tendien a ser més joves i amb menys comorbiditats i, conseqüentment, tenien un millor pronòstic.

A més de Guadalupe Gómez Melis, investigadora principal, en el projecte han participat els investigadors del GRBIO Mireia Besalú, de la Universitat de Barcelona, i els investigadors de la UPC Erik Cobo, Jordi Cortés, Daniel Fernández, Leire Garmendia, Klaus Langohr, Nuria Pérez i Xavier Piulachs. Per part de l’IDIBELL i del HUB, el projecte l’ha encapçalat l’investigador Cristian Tebé, cap de la Unitat de Bioestadística d’aquest institut, i ha comptat amb la participació dels metges i metgesses del Servei de Malalties Infeccioses de l’HUB i dels investigadors Jordi Carratalà, Carlota Gudiol, Gabriela Abelenda, Alexander Rombauts Natàlia Pallarès, Gemma Molist, Pilar Hereu i Sebastià Videla.

Scroll to Top