MADRID 23 May. (EUROPA PRESS) -
Tras la escasez de nirsevimab para la prevención de infecciones del tracto respiratorio inferior (LRTI) por el virus respiratorio sincitial infantil (VRS), una nueva herramienta puede ayudar a identificar a los recién nacidos con mayor riesgo de desarrollar LRTI graves por VRS, según una investigación publicado en la Conferencia Internacional ATS 2024.
"La identificación oportuna de los bebés con mayor riesgo de morbilidad relacionada con el VRS es clave para la prevención", afirma la autora principal Brittney M. Snyder, profesora asistente de la División de Alergia, Medicina Pulmonar y Cuidados Críticos del Centro Médico de la Universidad de Vanderbilt (Estados Unidos). "Nuestra herramienta personalizada de predicción de riesgos puede tener aplicaciones en la asignación de inmunoprofilaxis (inmunización con nirsevimab o palivizumab) costosa y/o limitada para lograr el mayor beneficio y en la promoción de la prevención del VRS entre familias con bebés de alto riesgo".
Más de la mitad de las IVRI por VSR ocurren entre bebés sanos a término que generalmente se consideran de bajo riesgo. De hecho, estos bebés corren el riesgo de necesitar cuidados en unidades de cuidados intensivos y algunos pueden morir a causa de su enfermedad. Los Centros para el Control y la Prevención de Enfermedades recomiendan la inmunización temprana con nirsevimab para todos los bebés, sin embargo, en octubre de 2023, nirsevimab escaseaba y los CDC recomendaron administrarlo solo a bebés de alto riesgo que no eran elegibles para la inmunización con palivizumab.
Ambos productos, que previenen las IVRI por VRS en recién nacidos y niños pequeños, son anticuerpos monoclonales (nirsevimab es de acción prolongada y solo requiere una dosis, mientras que palivizumab es de acción corta y requiere inyecciones mensuales durante la temporada de VRS).
En el estudio poblacional realizado por la doctora Snyder y su equipo, que incluyó a niños asegurados por el Programa Medicaid de Tennessee, los investigadores evaluaron a bebés que no recibieron inmunoprofilaxis contra el VRS en el primer año de vida. Recopilaron datos demográficos y clínicos de encuentros administrativos de atención médica y vincularon certificados de nacimiento.
"Para predecir si estos bebés desarrollaron LRTI por VRS grave que requirieron ingreso en la UCI durante el primer año de vida, desarrollamos un modelo de regresión logística multivariable. El modelo incluye variables demográficas y clínicas recopiladas en el momento del nacimiento o poco después: 19 variables en total, como el tabaquismo prenatal, el método de parto, la edad materna y la respiración asistida (ventilación) durante la hospitalización del parto", resume el bioestadístico principal Tebeb Gebretsadik del Departamento de Bioestadística del Centro Médico de la Universidad de Vanderbilt.
Entre 429.365 bebés en el estudio, 713 tenían IVRI grave por VRS que requirieron ingreso en la UCI. La herramienta tuvo buena precisión predictiva y validación interna que indicó un buen ajuste. "Nuestro objetivo era desarrollar una herramienta personalizada para su uso en todos los recién nacidos utilizando datos de nacimiento y posnatales fácilmente disponibles para predecir el riesgo de LRTI por VRS que requieran ingreso en la UCI, útil para priorizar productos de prevención del VRS con disponibilidad limitada", relata la investigadora principal Tina V. Hartert, profesora de medicina y pediatría en el Centro Médico de la Universidad de Vanderbilt.
Aunque afortunadamente la reciente escasez de nirsevimab se ha aliviado, no se sabe si habrá escasez en el futuro. "Esta herramienta puede ser particularmente útil para priorizar qué bebés deben ser vacunados en momentos de disponibilidad limitada de medicamentos para la prevención del VRS. Usar la herramienta para identificar si su bebé tiene un alto riesgo de infección por VSR que requiere atención en la UCI también puede persuadir a las familias reticentes a aceptar la inmunoprofilaxis contra el VRS, mostrándoles que su recién nacido tiene un alto riesgo", añade.
Los autores señalan que los próximos pasos para garantizar una utilidad óptima incluyen la validación de la herramienta en poblaciones externas, análisis adicionales de rentabilidad y análisis de la curva de decisión.
