MADRID, 21 Oct. (EUROPA PRESS) -
Con el aumento de casos y la proximidad del invierno, existe una necesidad urgente de modelos fiables que predigan el curso probable de la pandemia de COVID-19, para respaldar las decisiones sobre protección, ingreso hospitalario, tratamiento y vacunaciones.
La herramienta de predicción de riesgos (conocida como QCOVID) utiliza información disponible sobre las personas, como su edad, origen étnico y si tienen ciertas afecciones preexistentes (comorbilidades) para ayudar a identificar a las personas con mayor riesgo de desarrollar una enfermedad grave. Está diseñado para ser aplicado en la población adulta general del Reino Unido.
La herramienta proporciona información detallada sobre el riesgo de las personas de sufrir una enfermedad grave debido al COVID-19 y está diseñada para que los médicos la utilicen con los pacientes para alcanzar un entendimiento compartido del riesgo.
La herramienta deberá actualizarse periódicamente a medida que evolucione la pandemia y su desempeño se supervise de cerca. Se han desarrollado algunos modelos previos de predicción de riesgos y se ha identificado que tienen un alto riesgo de sesgo, lo que genera preocupaciones de que estos modelos pueden no ser confiables cuando se aplican en la práctica.
El grupo de investigación de todo el Reino Unido se propuso desarrollar y validar un modelo de predicción basado en la población para estimar los riesgos generales de infectarse y, posteriormente, ser admitido en el hospital o morir a causa del COVID-19. Se tomaron medidas para mitigar las fuentes conocidas de sesgo.
Sus hallazgos se basan en datos de más de 8 millones de pacientes de 19 a 100 años en 1.205 consultorios generales en Inglaterra, vinculados a los resultados de la prueba del COVID-19 y los datos del registro de muerte y del hospital.
Se utilizaron datos de 6 millones de pacientes para desarrollar el modelo durante un período de 97 días (24 de enero al 30 de abril de 2020), y otros 2,2 millones de pacientes para validar su desempeño en dos períodos de tiempo separados (24 de enero al 30 de abril de 2020 y 1 de mayo de al 30 de junio de 2020) durante la primera ola de la pandemia.
Para desarrollar el modelo, se utilizaron factores conocidos como la edad, el origen étnico, la privación, el índice de masa corporal y una variedad de comorbilidades para estimar la probabilidad y el momento de la admisión al hospital o la muerte por COVID-19.
Durante el período de estudio, se produjeron 4.384 muertes por COVID-19 en el grupo de desarrollo, 1.782 en el primer período de validación y 621 en el segundo período de validación.
El modelo funcionó bien, prediciendo el 73% y el 74% de la variación en el tiempo hasta la muerte por COVID-19 en hombres y mujeres, respectivamente.
Las personas en el 5% superior de riesgo de muerte previsto representaron el 76% de las muertes por COVID-19 dentro del período de estudio de 97 días. Las personas en el 20% superior para el riesgo de muerte previsto representaron el 94% de las muertes por COVID-19.
Los investigadores señalan que el modelo tiene como objetivo proporcionar predicciones de riesgo; no pretende proporcionar explicaciones de qué factores individuales afectan causalmente el riesgo y los resultados no deben interpretarse de esta manera.
Los riesgos absolutos obtenidos del modelo cambiarán con el tiempo, de acuerdo con la tasa de infección por COVID-19 predominante y el alcance de las medidas de distanciamiento social implementadas, por lo que también deben interpretarse con precaución. Sin embargo, se espera que el orden de las personas en términos de su riesgo se mantenga relativamente estable a lo largo del tiempo, de modo que se puedan identificar las personas con mayor riesgo.
Los investigadores dicen que QCOVID representa un modelo sólido de predicción de riesgos que tiene el potencial de respaldar la política de salud pública, desde permitir decisiones compartidas para mitigar los riesgos para la salud y el lugar de trabajo hasta el reclutamiento específico para ensayos clínicos y la priorización de la vacunación.
El modelo también se puede volver a calibrar para diferentes períodos de tiempo y tiene el potencial de actualizarse periódicamente a medida que evoluciona la pandemia.
Aunque QCOVID ha sido diseñado específicamente para informar la política de salud del Reino Unido y las intervenciones para gestionar los riesgos relacionados con COVID-19, tiene un potencial internacional, sujeto a la validación local, concluyen.
En un editorial vinculado, los investigadores de la Universidad de Manchester coinciden en que QCOVID y el ISARIC (Consorcio internacional de infecciones respiratorias agudas graves e infecciones emergentes) 4C (Consorcio de caracterización clínica del coronavirus) representan un avance en la calidad de los modelos de pronóstico de COVID-19, pero Digamos que se debe tener cuidado al interpretar las predicciones generadas por estos modelos.
Dada la naturaleza rápidamente cambiante de la enfermedad y su manejo, también enfatizan la necesidad de actualizar estos modelos regularmente y monitorear de cerca su desempeño en el tiempo y el espacio.
Reconocen que los datos mejorados sobre casos de incidentes de COVID-19 "permitirán una mayor granularidad en la predicción" y dicen, con estas advertencias, "apoyamos la validación continua y la evaluación de impacto de estos modelos".
