Un novedoso modelo predictivo desarrollado por investigadores y médicos españoles ha identificado el perfil de paciente con coronavirus que tiene más posibilidades de agravarse, y por tanto de ingresar en la UCI. Dicho modelo se ha desarrollado a partir del uso de inteligencia artificial.
El sistema combina tres indicadores clave muy fáciles de detectar: edad superior a 58 años, fiebre por encima de 39 grados (o inferior pero acompañada de problemas respiratorios, especialmente cuando son crepitantes) y taquipnea.
Datos útiles y sencillos
“Dichos factores son un dato muy útil. Los profesionales sanitarios los pueden incorporar fácilmente a su práctica clínica, para remitir de inmediato a los pacientes con peor pronóstico a los hospitales, antes de que empeore su condición”. Así lo explica el doctor Ignacio H. Medrano, fundador y director médico de Savana.
Para el desarrollo del modelo se han aplicado técnicas de aprendizaje automático o machine learning y procesamiento del lenguaje natural NLP. Esta tecnología permite detectar de forma automática asociaciones significativas entre variables.
La iniciativa es fruto del trabajo científico, denominado “Características clínicas y factores pronósticos de ingreso en Unidad de Cuidados Intensivos (UCI) de pacientes con COVID-19: estudio retrospectivo usando aprendizaje automático y procesamiento del lenguaje natural”. Dicho estudio acaba de publicarse en el “Journal of Medical Internet Research”. El sistema está siendo incorporado en los protocolos de actuación COVID-19 de varios hospitales españoles.
Mejorar manejo clínico y tratamiento de pacientes con coronavirus
En una segunda fase del proyecto se intentará mejorar el manejo clínico de los pacientes y su tratamiento. El estudio forma parte de la macro investigación internacional, Big COVIData, promovida por Savana, dentro del marco del ecosistema de investigación colaborativa de esta empresa con cerca de 150 hospitales de Europa, Estados Unidos, Canadá y Latinoamérica.
Algunas de las principales conclusiones del estudio apuntan a que las distintas variables clínicas condicionan los pronósticos. Si un paciente de entre 40 y 79 años con COVID-19 tiene taquipnea y acude a urgencias con alta probabilidad necesitará ingreso en UCI, según el modelo.
Por otro lado, si un paciente sin taquipnea y menor de 56 años tiene fiebre inferior a 39 grados, necesitará UCI con poca probabilidad según el modelo. En general, los síntomas más frecuentes asociados a hospitalizaciones por coronavirus son tos, fiebre y disnea, aunque estos se dan en menos del 50 % de los pacientes.
Ingresos en UCI
Casi el 5 % de los hospitalizados por coronavirus ingresa en UCI. A ello se añade un porcentaje residual de los pacientes contagiados que son inicialmente descartados de hospitalización, que también acaba requiriendo Cuidados Intensivos. Según las conclusiones del estudio, el 4,8 % de los hospitalizados por COVID-19 requiere UCI, aunque un 0,2% del total de los infectados no remitidos al hospital una vez diagnosticados también necesitó ese tipo de cuidados médicos.
De entre los 1.353 pacientes hospitalizados, 65 de ellos necesitaron UCI. Al igual que otros 18 que no habían sido previamente ingresados, hasta situar el total en 83. Las cifras confirman la necesidad de acelerar la identificación precoz de los pacientes con peor pronóstico. Y esto es especialmente importante en el caso de aquellos que “a priori” no suscitan sospechas de gravedad pero que finalmente requieren Cuidados Intensivos.
Los principales signos y síntomas de pacientes en UCI por COVID-19 son los siguientes: la tos en el 74,7 % de los casos, la fiebre (66,3 %), disnea (57,8 %), crepitación respiratoria (36,1 %), taquipnea -hiperventilación por diversas afecciones- (32,5 %). En cuanto a comorbilidad o enfermedades añadidas al coronavirus, la cardiovascular la padece el 72,3 %; la diabetes, el 39,8 %; la obesidad, el 22,9 %; y las enfermedades respiratorias crónicas, el 6 %.
The post Enfermo de coronavirus candidato a ingresar en UCI: mayor de 58, fiebre superior a 39 y taquipnea appeared first on El médico interactivo.
from El médico interactivo https://ift.tt/3rI0zjn
0 comentarios:
Publicar un comentario