Se estima que el COVID-19 tiene una tasa de mortalidad de entre 17,2 y 163,4 veces mayor en comparación con la influenza estacional. La diferencia en los números se basa en si se incluyen o no las muertes por neumonía entre las personas infectadas con influenza. También será más probable que esta enfermedad termine en pacientes que necesiten flujo de aire mecánico o que sean admitidos en cuidados intensivos.
Se han propuesto varios modelos matemáticos para predecir la muerte por COVID-19. Dado que son muy útiles para el manejo de pacientes y la asignación de recursos, su uso ha proliferado. Uno de los componentes más importantes de estos modelos es el conjunto de condiciones preexistentes. Un enfoque sofisticado consiste en hacer una encuesta sistemática sobre este punto y determinar cuáles tienen un impacto en los resultados. Además de generar una probabilidad de muerte prevista que se traduzca en el riesgo agregado que representan aquellas que son estadísticamente significativas.
Ahora, un nuevo artículo que acaba de publicarse en Biology Methods & Protocols, por Oxford University Press, indica que algunas situaciones preexistentes, incluidas las enfermedades neurológicas degenerativas, la demencia y las discapacidades extremas, son mucho más importantes de lo que se pensaba al evaluar quién está en peligro por fallecimiento por COVID-19.
Los investigadores han propuesto varios modelos matemáticos para predecir la muerte por COVID-19 en función de las comorbilidades. Las instituciones médicas los utilizan porque ayudan con la administración de pacientes y la asignación de recursos útiles.
“Muchas enfermedades aumentan la tasa de mortalidad porque debilitan el sistema inmunitario, hacen que la persona afectada sea más propensa a desarrollar infecciones y provocan disfunción de órganos diana”, analizó Heather Campbell, autora principal de estudio y profesional de la Facultad de Medicina de la Universidad de Nuevo México.
Los investigadores han considerado que los enfoques más tradicionales utilizados hasta ahora tienen fallas sustanciales. El efecto real de una condición preexistente seleccionada generalmente no se conoce, las enfermedades ampliamente relacionadas a veces se agrupan en formas de predicción, incluso cuando los resultados de COVID-19 pueden ser muy diferentes, y las enfermedades raras no están bien representadas.
Los investigadores consideraron que una mejor estrategia era hacer una encuesta científica de todas las situaciones preexistentes, decidir cuáles afectan los resultados y luego usar los datos para generar una probabilidad prevista de muerte que represente el riesgo mixto que se plantea como resultado de la comorbilidad. Para ello recurrieron a los códigos de diagnóstico empleados por el Departamento de Asuntos de Veteranos, los investigadores desarrollaron un nuevo modelo de predicción para estimar la probabilidad de muerte por COVID-19. Este es el estudio más importante hasta ahora para predecir la mortalidad de pacientes con COVID-19.
Los investigadores utilizaron diagnósticos que datan de 1997, desde la primera vez que un paciente buscó atención hasta 14 días antes de una prueba positiva de COVID-19 y luego, los compararon con los resultados para los 347.220 pacientes de COVID atendidos en servicios de Asuntos de Veteranos a partir de septiembre 2021. Descubrieron que su nuevo modelo, al que llamaron PDeathDx, superó otros estándares de predicción.
Detectaron que ciertas condiciones subyacentes tienen más probabilidades de terminar en la muerte. “Percibimos la predisposición que se presenta en enfermedades neurológicas degenerativas, demencia y discapacidades extremas. Debido a que los médicos no asocian estas condiciones preexistentes con daño respiratorio o inmunidad debilitada, las evaluaciones estándar de riesgo no logran aprovechar el intenso peligro de COVID para los pacientes con tales condiciones”, dijo Campbell. También determinaron que los componentes de riesgo de COVID-19 extrema en adultos hospitalizados difieren según la edad. “Otro valor a considerar a la hora de evaluar estrategias de tratamiento y prevención”, concluyó la especialista.
