MADRID, 28 Sep. (EUROPA PRESS) -
Utilizando el mayor conjunto de datos clínicos hasta la fecha, y un marco de aprendizaje sistemático de la máquina, el equipo de investigación del Hospital Monte Sinaí (Estados Unidos) ha desarrollado un modelo de predicción preciso de la mortalidad por COVID-19.
Este modelo se basa en solo tres características clínicas recogidas de forma rutinaria, a saber, la edad del paciente, la saturación mínima de oxígeno en el curso de su encuentro médico y el tipo de encuentro del paciente (paciente hospitalizado frente a paciente ambulatorio y visitas de telesalud).
Este modelo podría producir un "signo vital" adicional que se evalúa regularmente durante el curso del hospital del paciente, que puede integrarse en el flujo de atención clínica de un paciente de COVID-19. Los equipos clínicos podrían utilizar los resultados del modelo de predicción a lo largo de los cursos hospitalarios de los pacientes de COVID-19 para señalar a las personas con alto riesgo de muerte, de modo que puedan centrar rápidamente el tratamiento y la atención en esas personas para evitar su mortalidad.
Utilizando el mayor conjunto de datos de desarrollo hasta la fecha y un marco de aprendizaje sistemático de la máquina, desarrollaron un modelo de predicción de la mortalidad de COVID-19 que mostró una alta precisión cuando se aplicó a los conjuntos de datos de prueba de pacientes retrospectivos y prospectivos.
"Resulta muy difícil predecir la mortalidad entre los pacientes con COVID-19 que presentan un espectro de complicaciones, lo que dificulta el pronóstico y la gestión de la enfermedad. Nos propusimos desarrollar un modelo de predicción preciso de la mortalidad por COVID-19 utilizando métodos computacionales no sesgados, e identificar las características clínicas más predictivas de este resultado", resalta el líder del estudio, Gaurav Pandey.
