Desarrollan un modelo que predice la evolución clínica de los pacientes con COVID-19 cuando realizan el ingreso hospitalario

  • Un proyecto conjunto de investigadores de la UPC, la UB, el HUB y el IDIBELL ha permitido estudiar la probabilidad de sufrir neumonía severa, necesitar ventilación o incluso morir durante el ingreso hospitalario por COVID-19. Fruto de los modelos estadísticos creados, a partir de datos de más de 5.000 pacientes ingresados en cinco hospitales en diferentes oleadas de la pandemia, se ha desarrollado una aplicación web para la identificación precoz de pacientes de COVID-19 potencialmente de alto riesgo y la predicción del curso de la enfermedad.
NO120 - App COVID19 Imatge noti

Predecir los casos de alto riesgo entre los pacientes de COVID-19 cuando ingresan en el hospital es clave para proporcionarles un tratamiento adecuado y también para optimizar los recursos sanitarios, especialmente en momentos de alta incidencia de la enfermedad y riesgo de colapso hospitalario, como los que se han vivido en las distintas oleadas de la pandemia. Por eso, es necesario disponer de mecanismos de anticipación rigurosos que se basen en datos completos y precisos.

Con esta idea se ha desarrollado el proyecto DIVINE, acrónimo de ‘DynamIc eValuation of COVID-19 cliNical statEs and their prognostic factors to improve the intra-hospital patient management’, financiado por la Generalitat de Catalunya, en el marco de la convocatoria Pandemias 2020, y que se ha llevado a cabo a lo largo del último año y medio. El proyecto es resultado de la colaboración del Grupo de Investigación en Bioestadística y Bioinformática (GRBIO) −formado por investigadores de la Universitat Politècnica de Catalunya – BarcelonaTech (UPC) y de la Universitat de Barcelona (UB)−, del Hospital Universitario de Bellvitge (HUB) y de la Unidad de Bioestadística del Instituto de Investigación Biomédica de Bellvitge (IDIBELL), bajo la coordinación de Guadalupe Gómez Melis, investigadora del GRBIO y profesora del Departamento de Estadística e Investigación Operativa de la UPC.

 

Modelos predictivos de la evolución de los pacientes

Como resultado del proyecto, se ha desarrollado la aplicación MSMpred, una herramienta de predicción clínica online que presenta, para cada paciente en concreto y en diferentes momentos a partir del ingreso hospitalario, la probabilidad de sufrir neumonía severa, necesitar ventilación mecánica o incluso morir, así como el tiempo de transición entre estos estados.

Para crear esta herramienta, los investigadores han desarrollado un modelo estadístico multiestado, que analiza los distintos estadios de la enfermedad en cada paciente. Se han analizado y combinado datos de más de 5.000 pacientes de COVID-19 ingresados durante las cinco primeras oleadas de la pandemia. En concreto, se han tenido en cuenta datos sociodemográficos, antecedentes médicos conocidos y comorbilidades, síntomas clínicos e información detallada sobre la gestión clínica.

Estos datos han sido recogidos y codificados por los médicos y médicas especialistas de cinco hospitales del Ámbito Metropolitano Sur: el Hospital Universitario de Bellvitge, el Hospital Moisès Broggi, el Hospital de Viladecans, el Hospital de Sant Boi de Llobregat y el Consorcio Hospitalario del Garraf.

 

Techo terapéutico

Un factor clave para predecir la evolución del paciente ha sido la aplicación o no de un techo terapéutico, es decir, predeterminar el mayor nivel de intervención, que es una práctica habitual en el tratamiento de personas con un pronóstico crítico. En el punto álgido de la pandemia, las decisiones sobre el techo terapéutico tuvieron que adaptarse a una situación de emergencia. Este estudio es pionero en describir las características clínicas, mortalidad y complicaciones de los pacientes con COVID-19 en función del techo terapéutico. Los resultados de este trabajo se recogen en el artículo científico ‘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’, publicado en la revista Infectious Diseases and Therapy de este mes de diciembre.

 

Tiempo de incubación y evolución del perfil de los pacientes

Además de identificar los factores más relevantes clínicamente que influyen en una mejor o peor evolución en un paciente hospitalizado por COVID-19, el proyecto DIVINE ha permitido realizar una estimación del tiempo de incubación de la enfermedad, desde la infección hasta la aparición de los síntomas, en distintas fases de la pandemia. Los resultados de este trabajo se recogen en el artículo ‘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’, publicado en la revista BMC Infectious Diseases el pasado noviembre. En esa fase del proyecto, los investigadores desarrollaron un marco estadístico, que sería aplicable a futuras pandemias derivadas de otras enfermedades infecciosas.

Por otra parte, los datos recogidos en el proyecto DIVINE han permitido también evaluar cómo ha ido evolucionando el perfil de los pacientes hospitalizados por COVID-19 durante las diferentes oleadas de la pandemia, a partir de distintos indicadores. Se ha observado que a medida que avanzaba la pandemia, los pacientes hospitalizados tendían a ser más jóvenes y con menos comorbilidades y, consecuentemente, tenían un mejor pronóstico.

Además de Guadalupe Gómez Melis, investigadora principal, han participado en el proyecto los investigadores del GRBIO Mireia Besalú, de la Universitat de Barcelona, y los investigadores de la UPC Erik Cobo, Jordi Cortés, Daniel Fernández, Leire Garmendia, Klaus Langohr, Nuria Pérez y Xavier Piulachs. Por parte del IDIBELL y del HUB, el proyecto lo ha encabezado el investigador Cristian Tebé, jefe de la Unidad de Bioestadística de este instituto, y ha contado con la participación de los médicos y médicas del Servicio de Enfermedades Infecciosas del HUB y de los investigadores Jordi Carratalà, Carlota Gudiol, Gabriela Abelenda, Alexander Rombauts, Natàlia Pallarès, Gemma Molist, Pilar Hereu y Sebastià Videla.

 

Scroll al inicio