Los factores de riesgo de COVID-19 grave en hospitalizados difieren según la edad

Archivo - Mujer con mascarilla
Archivo - Mujer con mascarilla - DAMIRCUDIC/ ISTOCK - Archivo
Publicado: jueves, 28 abril 2022 16:51

MADRID, 28 Abr. (EUROPA PRESS) -

Un estudio del Institute for Systems Biology (Estados Unidos) ha ofrecido respuestas hasta ahora desconocidas sobre qué pacientes hospitalizados por COVID-19 tienen más probabilidades de necesitar ventilación mecánica o de morir.

En su trabajo, publicado en la revista científica 'Scientific Reports', los investigadores demostraron que las constantes vitales y los resultados de laboratorio en el momento del ingreso hospitalario son los predictores más precisos de la gravedad de la enfermedad.

"Nuestros modelos muestran que las afecciones crónicas, las comorbilidades, el sexo, la raza y el origen étnico son mucho menos importantes en el entorno hospitalario para la predicción temprana de la enfermedad crítica", explica Sevda Molani, autora principal del trabajo.

Molani y su equipo analizaron los factores de riesgo en función de dos grupos de edad de los pacientes hospitalizados, uno de ellos con edades comprendidas entre los 18 y los 50 años y el otro con 50 años o más, y descubrieron que los factores de riesgo que conducen a casos graves y/o a la muerte difieren con los pacientes más jóvenes frente a los mayores.

Por ejemplo, han evidenciado que el índice de masa corporal es un factor de predicción de la gravedad de la COVID-19 más importante para los pacientes más jóvenes que para los de más edad. Asimismo, han concluido que muchas comorbilidades, como la malignidad, la cardiomiopatía y la EPOC, tienen mayores ratios de probabilidad de resultados graves en los pacientes más jóvenes que en los de más edad.

Tanto en el caso de los pacientes de más edad como en el de los más jóvenes, las constantes vitales, las pruebas de laboratorio tempranas del hospital y la necesidad de oxígeno suplementario son más útiles para predecir los resultados graves que las comorbilidades y los datos demográficos.

"La predicción del riesgo en la COVID-19 es compleja, ya que el curso de la enfermedad es muy variable entre las personas, y va desde el estado completamente asintomático en algunas personas hasta la enfermedad crítica o la muerte en otras. Si bien se sabe que la edad es altamente predictiva de la muerte, otros factores de riesgo dentro de los estratos de edad no se han explorado completamente. Este estudio desafía nuestro dogma de que las comorbilidades son los principales impulsores de resultados graves como la ventilación mecánica o la muerte en pacientes hospitalizados con COVID-19. Por el contrario, descubrimos que otras características fisiológicas que pueden medirse en la primera hora de hospitalización predicen con más fuerza quiénes tendrán resultados graves", reflexiona otro de los autores, Jason Goldman, especialista en enfermedades infecciosas de Swedish Providence y miembro del equipo del estudio.

El estudio retrospectivo examinó las historias clínicas electrónicas de más de 6.900 pacientes entre el 31 de junio y el 15 de noviembre de 2021. La gran mayoría de los pacientes hospitalizados con COVID-19 (el 92 por ciento de los pacientes más jóvenes y el 75 por ciento de los pacientes de mayor edad) no habían recibido la vacuna COVID-19.

Los modelos de riesgo para los hospitalizados se desarrollaron al principio de la pandemia. Esta investigación aborda la necesidad de contar con modelos actualizados que reflejen el estándar de atención actual para la COVID-19, donde se utilizan menos laboratorios poco comunes y se dispone de más opciones de tratamiento terapéutico.

"Las afecciones médicas crónicas siguen siendo importantes factores de riesgo de COVID-19 grave. Sin embargo, cuando un paciente acaba de ser ingresado en el hospital, su estado actual puede ser más útil para predecir el nivel de atención que probablemente necesitará. A medida que evolucionan las normas de atención a la COVID-19, nuestros modelos de riesgo deben evolucionar con ellas", concluye otra de las autoras, Jennifer Hadlock.