Internistas validan modelo para predecir covid grave con variables simples

Internistas e investigadores de la Sociedad Española de Medicina Interna (SEMI) han desarrollado y validado el modelo pronóstico "Priority" que permite predecir el riesgo de covid en pacientes hospitalizados a partir de variables clínicas fáciles de obtener como la edad, disnea o presión arterial.

Para desarrollar el modelo predictivo, los investigadores analizaron datos de 10.433 pacientes hospitalizados en 132 centros de España entre el 23 de marzo y el 21 de mayo de 2020 incluidos en el registro Semi-covid-19; 7.850 formaron parte de la cohorte de desarrollo y 2.583 de la de validación.

El modelo Priority, impulsado por investigadores del Instituto Ramón y Cajal de Investigación Sanitaria (IRYCIS), incluyó información referente a edad, dependencia, enfermedad cardiovascular, enfermedad renal crónica, disnea, taquipnea, confusión, presión arterial sistólica y saturación igual o menor al 93 % basal o requerimiento de oxígeno suplementario previo a la evaluación.

De los pacientes incluidos en la cohorte de desarrollo, el 25,1 % desarrolló covid grave; de ellos, el 8,3 % ingresó en UCI y el 20,4 % murió, según los resultados del estudio que ha sido publicado en la revista científica "Clinical Microbiology and Infection".

Mientras, el 27 % de los pacientes de la cohorte de validación presentó enfermedad crítica (7,7 % acabaron en cuidados intensivos y el 23 % falleció).

En la investigación se demostró que el modelo desarrollado y validado "estaba bien calibrado, tenía una buena discriminación y se comportó de manera sólida en una cohorte de validación externa"; asimismo, "mostró un beneficio clínico potencial en una amplia variedad de escenarios epidemiológicos".

Además, en base a este modelo se ha desarrollado una calculadora, disponible online de forma gratuita, que predice el riesgo de desarrollar enfermedad crítica por Sars-CoV-2.

Los investigadores concluyen que podría aplicarse en el triaje "utilizando variables fácilmente medibles disponibles" en entornos sin acceso a pruebas de laboratorio o radiológicas, así como en sistemas sanitarios de bajos recursos, identificando pacientes de alto riesgo para su derivación al hospital.

Y también podría "ser de utilidad para apoyar la toma de decisiones en sistemas de salud bajo alta presión asistencial".