MADRID, 17 May. (EUROPA PRESS) -
Un equipo de investigación apoyado por los Institutos Nacionales de la Salud de Estados Unidos ha identificado las características de las personas con COVID-19 persistente y las que probablemente lo tengan.
Utilizando técnicas de aprendizaje automático, analizaron una colección sin precedentes de registros sanitarios electrónicos (HCE) disponibles para la investigación de la COVID-19 con el fin de identificar mejor quién tiene COVID-19 persistente.
En su trabajo, publicado en la revista científica 'The Lancet Digital Health', encontraron más de 100.000 casos probables de COVID-19 persistente a partir de octubre de 2021 (a partir de mayo de 2022, el recuento es de más de 200.000).
La COVID-19 persistente se caracteriza por síntomas muy variados, como dificultad para respirar, fatiga, fiebre, dolores de cabeza, "niebla cerebral" y otros problemas neurológicos. Estos síntomas pueden durar muchos meses o más después del diagnóstico inicial de COVID-19.
Una de las razones por las que la COVID-19 persistente es difícil de identificar es que muchos de sus síntomas son similares a los de otras enfermedades y afecciones. Una mejor caracterización de la COVID-19 persistente podría conducir a un mejor diagnóstico y a nuevos enfoques terapéuticos.
En el estudio, examinaron los datos demográficos de los pacientes, el uso de la atención sanitaria, los diagnósticos y los medicamentos en los registros sanitarios de 97.995 pacientes adultos con COVID-19. Utilizaron esta información, junto con los datos de casi 600 pacientes con COVID-19 persistente de tres clínicas de COVID-19 persistente, para crear tres modelos de aprendizaje automático para identificar a los pacientes con COVID-19 persistente.
En el aprendizaje automático, los científicos "entrenan" métodos computacionales para cribar rápidamente grandes cantidades de datos y revelar nuevos conocimientos, en este caso, sobre la COVID-19 persistente. Los modelos buscaban patrones en los datos que pudieran ayudar a los investigadores a entender las características de los pacientes y a identificar mejor a las personas con esta enfermedad.
Los modelos se centraron en la identificación de posibles pacientes con COVID-19 persistente entre tres grupos: todos los pacientes con COVID-19, los pacientes hospitalizados con COVID-19 y los pacientes que tenían COVID-19 pero no estaban hospitalizados.
Los modelos demostraron ser precisos, ya que las personas identificadas como en riesgo de COVID-19 persistente eran similares a los pacientes atendidos en las clínicas de COVID-19 persistente. Los sistemas de aprendizaje automático clasificaron a unos 100.000 pacientes cuyos perfiles coincidían estrechamente con los de la COVID-19 persistente.
Los modelos identificaron a los pacientes con COVID-19 persistente si acudían a una clínica de COVID-19 persistente o mostraban síntomas de COVID-19 persistente y probablemente tenían la enfermedad pero no habían sido diagnosticados.
