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 tambi\u00e9n 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 anticipaci\u00f3n rigurosos que se basen en datos completos y precisos.<\/p>\n
Con esta idea se ha desarrollado el proyecto DIVINE<\/strong>, acr\u00f3nimo 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 \u00faltimo a\u00f1o y medio. El proyecto es resultado de la colaboraci\u00f3n del Grupo de Investigaci\u00f3n en Bioestad\u00edstica y Bioinform\u00e1tica (GRBIO)<\/a> \u2212formado por investigadores de la Universitat Polit\u00e8cnica de Catalunya – BarcelonaTech (UPC) <\/strong>y de la Universitat de Barcelona (UB)\u2212, del Hospital Universitario de Bellvitge (HUB)<\/a> y de la Unidad de Bioestad\u00edstica del Instituto de Investigaci\u00f3n Biom\u00e9dica de Bellvitge (IDIBELL)<\/a>, bajo la coordinaci\u00f3n de Guadalupe G\u00f3mez Melis<\/a>, investigadora del GRBIO y profesora del Departamento de Estad\u00edstica e Investigaci\u00f3n Operativa<\/a> de la UPC.<\/p>\n <\/p>\n Como resultado del proyecto, se ha desarrollado la aplicaci\u00f3n MSMpred<\/a>, una herramienta de predicci\u00f3n cl\u00ednica online que presenta, para cada paciente en concreto y en diferentes momentos a partir del ingreso hospitalario, la probabilidad de sufrir neumon\u00eda severa, necesitar ventilaci\u00f3n mec\u00e1nica o incluso morir, as\u00ed como el tiempo de transici\u00f3n entre estos estados.<\/p>\n Para crear esta herramienta, los investigadores han desarrollado un modelo estad\u00edstico multiestado, que analiza los distintos estadios de la enfermedad en cada paciente. Se han analizado y combinado datos de m\u00e1s de 5.000 pacientes de COVID-19 ingresados durante las cinco primeras oleadas de la pandemia. En concreto, se han tenido en cuenta datos sociodemogr\u00e1ficos, antecedentes m\u00e9dicos conocidos y comorbilidades, s\u00edntomas cl\u00ednicos e informaci\u00f3n detallada sobre la gesti\u00f3n cl\u00ednica.<\/p>\n Estos datos han sido recogidos y codificados por los m\u00e9dicos y m\u00e9dicas especialistas de cinco hospitales del \u00c1mbito Metropolitano Sur: el Hospital Universitario de Bellvitge, el Hospital Mois\u00e8s Broggi, el Hospital de Viladecans, el Hospital de Sant Boi de Llobregat y el Consorcio Hospitalario del Garraf.<\/p>\n <\/p>\n Un factor clave para predecir la evoluci\u00f3n del paciente ha sido la aplicaci\u00f3n o no de un techo terap\u00e9utico, es decir, predeterminar el mayor nivel de intervenci\u00f3n, que es una pr\u00e1ctica habitual en el tratamiento de personas con un pron\u00f3stico cr\u00edtico. En el punto \u00e1lgido de la pandemia, las decisiones sobre el techo terap\u00e9utico tuvieron que adaptarse a una situaci\u00f3n de emergencia. Este estudio es pionero en describir las caracter\u00edsticas cl\u00ednicas, mortalidad y complicaciones de los pacientes con COVID-19 en funci\u00f3n del techo terap\u00e9utico. Los resultados de este trabajo se recogen en el art\u00edculo cient\u00edfico \u2018Characteristics 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\u2019<\/a>, publicado en la revista Infectious Diseases and Therapy<\/em> de este mes de diciembre.<\/p>\n <\/p>\n Adem\u00e1s de identificar los factores m\u00e1s relevantes cl\u00ednicamente que influyen en una mejor o peor evoluci\u00f3n en un paciente hospitalizado por COVID-19, el proyecto DIVINE ha permitido realizar una estimaci\u00f3n del tiempo de incubaci\u00f3n de la enfermedad, desde la infecci\u00f3n hasta la aparici\u00f3n de los s\u00edntomas, en distintas fases de la pandemia. Los resultados de este trabajo se recogen en el art\u00edculo \u2018SARS-Cov-2 incubation period according to vaccination status during the fifth COVID-19 wave in a tertiary-care center in Spain: a cohort study\u2019<\/a>, publicado en la revista BMC Infectious Diseases<\/em> el pasado noviembre. En esa fase del proyecto, los investigadores desarrollaron un marco estad\u00edstico, que ser\u00eda aplicable a futuras pandemias derivadas de otras enfermedades infecciosas.<\/p>\n Por otra parte, los datos recogidos en el proyecto DIVINE han permitido tambi\u00e9n evaluar c\u00f3mo 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 tend\u00edan a ser m\u00e1s j\u00f3venes y con menos comorbilidades y, consecuentemente, ten\u00edan un mejor pron\u00f3stico.<\/p>\n Adem\u00e1s de Guadalupe G\u00f3mez Melis, investigadora principal, han participado en el proyecto los investigadores del GRBIO Mireia Besal\u00fa<\/strong>, de la Universitat de Barcelona, y los investigadores de la UPC Erik Cobo<\/a>, Jordi Cort\u00e9s<\/a>, Daniel Fern\u00e1ndez<\/a>, Leire Garmendia<\/strong>, Klaus Langohr<\/a>,<\/u> Nuria P\u00e9rez<\/a> y Xavier Piulachs<\/a>. Por parte del IDIBELL y del HUB, el proyecto lo ha encabezado el investigador Cristian Teb\u00e9<\/strong>, jefe de la Unidad de Bioestad\u00edstica de este instituto, y ha contado con la participaci\u00f3n de los m\u00e9dicos y m\u00e9dicas del Servicio de Enfermedades Infecciosas del HUB y de los investigadores Jordi Carratal\u00e0<\/strong>, Carlota Gudiol<\/strong>, Gabriela Abelenda<\/strong>, Alexander Rombauts<\/strong>, Nat\u00e0lia Pallar\u00e8s<\/strong>, Gemma Molist<\/strong>, Pilar Hereu<\/strong> y Sebasti\u00e0 Videla<\/strong>.<\/p>\n <\/p>\n","protected":false},"excerpt":{"rendered":" Un proyecto conjunto de investigadores de la UPC, la UB, el HUB y el IDIBELL ha permitido estudiar la probabilidad de sufrir neumon\u00eda severa, necesitar ventilaci\u00f3n o incluso morir durante el ingreso hospitalario por COVID-19. Fruto de los modelos estad\u00edsticos creados, a partir de datos de m\u00e1s de 5.000 pacientes ingresados en cinco hospitales en diferentes oleadas de la pandemia, se ha desarrollado una aplicaci\u00f3n web para la identificaci\u00f3n precoz de pacientes de COVID-19 potencialmente de alto riesgo y la predicci\u00f3n del curso de la enfermedad.<\/p>\n","protected":false},"author":8,"featured_media":21806,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"site-sidebar-layout":"default","site-content-layout":"default","ast-site-content-layout":"","site-content-style":"default","site-sidebar-style":"default","ast-global-header-display":"","ast-banner-title-visibility":"","ast-main-header-display":"","ast-hfb-above-header-display":"","ast-hfb-below-header-display":"","ast-hfb-mobile-header-display":"","site-post-title":"","ast-breadcrumbs-content":"","ast-featured-img":"","footer-sml-layout":"","theme-transparent-header-meta":"default","adv-header-id-meta":"","stick-header-meta":"default","header-above-stick-meta":"","header-main-stick-meta":"","header-below-stick-meta":"","astra-migrate-meta-layouts":"default","ast-page-background-enabled":"default","ast-page-background-meta":{"desktop":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"ast-content-background-meta":{"desktop":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"tablet":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""},"mobile":{"background-color":"var(--ast-global-color-5)","background-image":"","background-repeat":"repeat","background-position":"center center","background-size":"auto","background-attachment":"scroll","background-type":"","background-media":"","overlay-type":"","overlay-color":"","overlay-gradient":""}},"footnotes":""},"categories":[186,237,295],"tags":[],"publishpress_future_action":{"enabled":false,"date":"2024-05-07 14:12:34","action":"change-status","newStatus":"draft","terms":[],"taxonomy":"category"},"_links":{"self":[{"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/posts\/21805"}],"collection":[{"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/users\/8"}],"replies":[{"embeddable":true,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/comments?post=21805"}],"version-history":[{"count":1,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/posts\/21805\/revisions"}],"predecessor-version":[{"id":21808,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/posts\/21805\/revisions\/21808"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/media\/21806"}],"wp:attachment":[{"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/media?parent=21805"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/categories?post=21805"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/idibell.cat\/es\/wp-json\/wp\/v2\/tags?post=21805"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}Modelos predictivos de la evoluci\u00f3n de los pacientes<\/h3>\n
Techo terap\u00e9utico<\/h3>\n
Tiempo de incubaci\u00f3n y evoluci\u00f3n del perfil de los pacientes<\/h3>\n